之前在简书上发过两个帖子,分别总结了CS以及机器学习的课程资源,现在也学习了几个月,就把学完的记录在这里,部分课程做了笔记的也会列出。

系统自学计算机课程:

https://www.jianshu.com/p/8f2646a825e8

机器学习资料:

https://www.jianshu.com/p/dc9020fd03b1

计算机

计算机基础

语言类

C语言
C++
Java
Python
Matlab

数据结构与算法

  • 浙大数据结构
    https://www.icourse163.org/course/ZJU-93001

    这门课强调的是数据结构和一些算法的实践,老师也讲的很好,但对零基础来说还是挺难的,作业每周要花很久,虽然没有语言要求,但是最好学过C,这部分在博客里做了一些简单的笔记。

  • Coursera斯坦福算法课
    https://www.coursera.org/specializations/algorithms

    这门课也是相当有难度,但和浙大的课程不同之处在于强调算法分析,每个算法给了一些简单的伪代码,算是和浙大这门课互补了,后续应该会把这门课的笔记补充一下。

  • 北大程序设计与算法(二)算法基础

    https://www.icourse163.org/course/PKU-1001894005

    挺不错的,讲解算法基础,不涉及数据结构,内容算是和浙大数据结构互补。

数据科学和机器学习

其实这部分一直有在学,不过还没有全部完成,所以只列已经完成的部分。

Data Science

  • MIT6.002 Introduction to Computational Thinking and Data Science

    https://www.edx.org/course/introduction-computational-thinking-data-mitx-6-00-2x-6

    这门课是MIT6.001的后续内容,主要讲了如何用python解决Data Science问题,作业有挺有挑战性,应该说完成之后代码能力能上一个台阶,个人认为可以从这两门课开始Python和Data Science,先搭建一个轮廓,后续再深入学习。

  • 南大用Python玩转数据

    https://www.icourse163.org/course/NJU-1001571005

    主要讲了一些python数据分析中的常用库,大作业是一个数据分析的作业,老师亲自批改。总体来说老师认真负责,但是课程节奏有点快,需要多看几遍慢慢消化,适合之前有一定python经验的同学。

  • MIT The Analytics Edge

    https://www.edx.org/course/the-analytics-edge

    介绍利用R语言进行数据分析的课程,0基础也可以学,如果以后会用R比较多可以学一下,否则不是特别推荐。

机器学习

强化学习

深度学习

NLP

AI

数学

离散数学

优化

线性代数相关

傅里叶分析

其他

数字信号处理