Coursera,Udacity,Edx 课程列表(更新ing)


Coursera有很多特别好的课程,平时没有机会听到国外大牛的课程,通过Coursera算是可以弥补一下吧,国外的课程普遍比国内的老师教的好,深入浅出,真是一入Coursera深似海呀。通过在知乎和blog上查询,列了一个预备学习的课程表。
知乎里有个问答,觉得对第一次上Coursera的人很有帮助:第一次在 Coursera 学习,各位有什么好的建议? (其中有关于如何使用Coursera wiki,开课轮次,下载视频+中文字母,和跟上进度的一些建议)

1.算法课程

Algorithms, Part I from Princeton
Algorithms, Part II from Princeton
Analysis of Algorithms from Princeton

算法课程Coursera网上主推的是Robert Sedgewick的算法课,就是红宝书的作者,普林斯顿计算机系创始人。光听名号就吓人。据说上完他的算法课,可以完虐一流公司面试。

Algorithms: Design and Analysis, Part 1from Stanford
Algorithms: Design and Analysis, Part 2from Stanford

斯坦福的算法课程,据说是偏理论,作业难度也没有普林斯顿大学的难,不过,也是他们学校算法的核心课,也是斯坦福必听课之一,另外一门是机器学习

2.数据挖掘,机器学习…

Machine Learning from Stanford

这门课不用过多介绍,本来就是Coursera的经典课程,算是必听课,用来做ML的入门课特别好,老师教的很浅显易懂,不需要太多数学知识

機器學習基石 (Machine Learning Foundations) from 台湾大学

网友介绍:也是最近在跟的课,老师说这是门story based课程,还以为会很轻松听听故事,结果…………智商被凌辱了有没有?虽然叫基石,不过难度比Andrew Ng的那门大多了……作业更是我见过中最可怕的,选对得分,选错倒扣,所以瞎猜的得分期望为0……做完只给总分,不给具体对错结果,而且每次重试都有2%的扣分……所以一定要认真复查,仔细抉择,瞎猜前记得斋戒七日,沐浴更衣……
11-28更新:这门课终于上完了,发现每次听课都还是比较轻松愉快的,但是写起作业来就抓瞎了……每次都要花两天时间来做,还从没有一次刷到过满分。总体感受这门课相当不错,讲解清晰,作业很有挑战!在学习过程中搜索了各个大学的machine learning的课件发现很多都直接用了这门课里的图片啊,作为连续几年获得KDDCup冠军队伍的成员,台大在这方面的教育水平应该也算拔尖了(查了下是三个姓林的教授啊,还有个很有名的林智仁是著名的libsvm的作者)。另外讨论区里林教授也经常亲自回答问题,非常贴心!上这门课最好是有非常扎实的线性代数基础,微积分概率论也有用到,对于写代码本身要求倒还好,基本上用numpy或者用R,matlab都能对付。今天选了这门课的后续课程《机器学习技法》继续挑战自我!

Cloud Computing Concepts from Illinois

之前看的大多数云计算的书都比较虚,这个课听了个Intro感觉干货挺足的,编程作业是用C++实现一个member protocol,感觉挺有趣。这也是一个系列课程,每门课都不长,看起来负担不大。

Pattern Discovery in Data Mining form Illinois

数据挖掘大牛,《数据挖掘 概念与技术》的作者,光这个,就够了吧?

3.程序设计

Practice on Programming

前半部分都是介绍C++比较无趣,后半部分讲算法。另外一个优点就是用POJ平台!

Python交互程序设计入门(第 1 部分) from RICE
Python交互程序设计入门(第 2 部分) from RICE

慕课课堂评分第一的课程,老师讲课很有趣,而且每一个mini-project都是小游戏,很吸引人克服困难、努力完成任务,总体学习让人很受用。一开始觉得mini-project挺简单的,后面每一周的难度逐渐加大,开始投入更多的时间去想每一行代码之间的逻辑关系,虽然有时候很纠结和痛苦,但是一旦想明白后,有一种豁然开朗的感觉,就是那种“哦,原来如此,真是太神奇了”的惊叹的感觉。正是因为如此,才感觉自己真真正正地提高了

学习编程:撰写高质量代码 from Toronto
学习编程:撰写高质量代码 from Toronto

本课程主要是为从未见过计算机程序的人们设计的。它会帮助你更好地理解电脑应用如何工作,并教授你编写自己的应用。更重要的是,你会开始学习计算思维,这是解决现实世界问题的一个基本途径。不同的计算机编程语言有相通的基本概念,本课程会利用Python编程语言向你介绍这些概念。课程完成后,你将能够自己编写程序来处理来自互联网的数据和创建基于文本的交互游戏。这个课程,学习pythony也不错哦

Programming for Everybody fromMichigan

零基础学编程,使用python,适合没有太多编程基础或是想学python的童鞋

Programming Languages

网上有童鞋对这门课推崇至极:这门绝对是第一神课啊!很奇怪前面的回答很多只是轻轻带过……首先,课程内容不是一般大学里会教的,函数式编程,一开始就让你大开眼界!后面各种类型推导系统,用Scheme写解释器,还有非常精华的各种编程范式的优劣比较,醍醐灌顶毫不为过。其次,老师讲的非常好,上过的同学应该还记得他上窜下跳要让你记住函数类型的contra-variant规则吧!口音清晰,讲解细致,实时写代码进行解释,不能更耐心了!最后,整个课程的作业设置也很好,有理论上的问题,也有编程实践,而且难度也适中,每次都会先从热身开始慢慢加大难度。最吊的就是peer assessment了!简直就是code review最佳实践啊,还能学习别人好的写法,又是对功力的一大提升!总之这门课对整个Coursera系统的利用之完善可以说是到了极致

Functional Programming Principles in Scala

最近很火的函数式程序设计,谁能比Scala发明人Martin Odersky更了解Scala?让他教这门课再合适不过了。他不光能告诉你Scala怎么用,更能让你了解Scala语言背后的设计思想

4.数学类

线性代数 from Brown

通过写代码的方式来学线性代数真实令人耳目一新!主要是在台大的机器学习课程中被各种数学虐虚了,必须来补习一下基础了啊!

5.其他

Introduction to Recommender Systems

感觉非常有意思的一门课,能做出像Amazon一样的推荐系统~

The Hardware/Software Interface from Washington

其实就是CMU的15213,但据说讲的比CMU还好

HTML5 Game Development

感觉是个挺有意思的项目

Programming Languages Building a Web Browser

自己做一个浏览器,听起来就高大上有没有

Intro to Artificial Intelligence

Udacity当年的第一门课。两个cofounder讲。对于ML,NLP,CV,机器人,game theory等都有所涉及。看完了我突然觉得。。。尼玛原来我感兴趣的这些全都是AI啊。。。不难,没有PA,花点时间就好了。

相关文章

本文大量借鉴了网上的朋友推荐,这里列出他们的网址,还有部分文章相关的,但是文中没有提到的,也列出来,向他们表示感谢:

知乎 Coursera 上有哪些课程值得推荐?
CSDN 一些我推荐的和想上的网络课程(Coursera, edX, Udacity)
机器学习公开课汇总
统计学公开课大盘点
数据分析公开课汇总
经济学/金融学公开课盘点
计算机网络与信息安全公开课汇总
近一年上的MOOC总结+其他

最新文章

  1. java注解处理
  2. 基础3.Jquery操作Dom
  3. 浅入了解GCD 并发 并行 同步 异步 多线程
  4. 关于EditText的一点深入的了解
  5. OpenJudge 2809 计算2的N次方
  6. PowerDesign不让name和code联动
  7. lightoj 1007
  8. phpcms V9 数据模型基类(转)
  9. Backbone案例的初略理解
  10. 线性规划?数学?差分约束?Good Bye 2016 C
  11. 201521123100 《java程序设计》第12周学习总结
  12. HDU 2119 Matrix
  13. JVM堆外内存随笔
  14. maven相关配置
  15. innerHTML用法及错误:无法设置未定义或null引用的属性“innerHTML”解决
  16. Extract Dataset
  17. redis配置笔记
  18. ASP.NET Web Pages:C# 和 VB 实例
  19. 2018.09.02 bzoj1025: [SCOI2009]游戏(计数dp+线筛预处理)
  20. Spring Boot 日志配置

热门文章

  1. 5 Successful Business Models for Web-Based Open-Source Projects
  2. janusgraph单机版安装
  3. maven的目录
  4. Logistic Regression Algorithm
  5. Plist文件编辑工具PlistEdit Pro 1.9.1动态调试分析
  6. learning scala zipAll
  7. 异步编程(回调函数,promise)
  8. CSS链接伪类:超链接的状态
  9. 用pickle保存机器学习模型
  10. 错误: 找不到或无法加载主类 Welcome.java