Coursera 上有哪些课程值得推荐?

人文类、科学类、艺术类均可。
关注者
38304
被浏览
644478

74 个回答

2016年2月更新

Coursera上2015年最火爆的课程
  1. Learning How to Learn: Powerful mental tools to help you master tough subjects, University of California, San Diego
  2. Mastering Data Analysis in Excel, Duke University
  3. Programming for Everybody (Getting Started with Python), University of Michigan
  4. Machine Learning, Stanford University
  5. R Programming, Johns Hopkins University
  6. The Data Scientist’s Toolbox, Johns Hopkins University
  7. Tibetan Buddhist Meditation and the Modern World, University of Virginia
  8. An Introduction to Interactive Programming in Python (Part 1) , Rice University
  9. Successful Negotiation: Essential Strategies and Skills, University of Michigan
  10. Introduction to Financial Accounting, University of Pennsylvania, Wharton School of Business
职场养成计划

Become a Digital Marketer
If your dream job combines creative thinking, analytics, and a passion for social media, digital marketing could be a perfect fit for you.

Become a Data Scientist
Data science is one of today’s fastest-growing fields, with career opportunities in every industry.

Become a Mobile Developer
With billions of mobile devices in use around the world, opportunities in mobile development are growing exponentially. On Coursera, you can learn to build apps for the two most common mobile platforms, Android and iOS, in just a few courses.

Become a Web Developer
Career opportunities in computer science are growing repidly, and web development is one of the most versatile and accessible skills you can learn.

Become a Machine Learning Engineer
Pursue a career in creating the products of the future - including speech recognition, genome analysis, and artificial intelligence.

Become a Financial Analyst
If you’re looking for an opportunity to apply your passion for data and mathematics in a fascinating, fast-paced field, financial analysis could be your perfect career path.

Become a Manager
Learn to lead thoughtfully, think strategically, and inspire your employees and colleagues.

Become an Entrepreneur
Develop an entrepreneurial mindset, learn the basics of business management, and create your own dream job.

2016年新课

Business:

Tech:

Data:

General Interest:

有朋友说怎么免费上课,点enroll,尽量选择Audit course,有些课程可能不提供。


下面是一些热门精品课程和评价,其实也不完全来自Coursera,我把自己感兴趣的都列出来。


心理,社会学
这门课在EdX上超级火,轻松而有趣,强烈推荐,两个人以漫不经意的谈话的形式讲出来很多颠覆性的东西,中间穿插着对心理学学家和科学家的采访,还有诺贝尔奖得主。课程的内容涉及到我们思维中的很多局限、固有的偏见和容易犯的错误,启发和收获太多了,课程制作更是一流

这门锻炼逻辑与讲述思维的课程是Coursera最受欢迎的课程之一,课程介绍实用论证方法和常见逻辑谬误,教你如何正确推理,学习几条简单但是关键的适用于所有话题的通用规则,同时避免推理时容易出现的问题。两位老顽童教授Walter 和Ram的激情演讲让枯燥的逻辑学也好玩了起来

这一门课下架了,换成bilibili链接,看着满屏的弹幕也是醉了。

Dan Ariely本人是畅销书作者,他的个人经历也挺传奇的,经历了重度烧伤,然后转而研究人类的非理性行为。在这门课中,你能学到人类为什么不能作出理性的决策

  • Social Psychology from Wesleyan

    没有人能够脱离社会而生活,然而社交活动和人际关系往往让我们感到十分困惑,就让心理学家为你分析其中的真相吧!这门课2013年第一次开课时,有近26万人注册了课程,创下Coursera单次选课最高记录。SPN社会心理学网站的创始人,学界活跃人物。包括了偏见、从众、说服、权威、群体行为、冲突、同情、生活评价等方面的社会心理学研究内容与成果

  • Justice from Harard

    早在2007年,Michael Sandel的“公正”课单次选课人数就达到1115人,创下了哈佛大学的历史记录

  • Ideas of the Twentieth Century from UT Austin

    一道人文社科大杂烩。20世纪见证了哲学、艺术、文学等领域的蓬勃发展,也目睹了战争、杀戮和集权的阴云。20世纪的思想家和领导者如何左右历史进程?且听Daniel Bonevac教授一一道来

  • Introduction to Psychology from Udacity

  • 心理学导论将引导你了解心理学的知识体系

  • A Brief History of Humankind

    耶路撒冷大学教授、畅销书作家Yuval Harari不光讲述人类发展的历程,更传授一种对待历史的态度。这门课长达20周,是时间跨度最长的MOOC课程之一,但绝对值得一听Dr.Harari说了自己的历史观,历史学习不是为了“以史为镜,可以正衣冠、知兴替”的积极入世,而是为了与历史乃至现实本身有所隔离,要跳出来思考现世秩序的合理性,加上17周基本都是在谈一些“大而化之”的问题,使得本课更像一门文化研究或文化人类学课程,尤其是教授对历史材料以及现实情况的“挑刺”态度,让人想起法兰克福学派对工业社会及其遗产的批判式解读,不同的是Dr.Harari几乎对所有的社会形态(从石器时代到未来)都做了类似的评价,并鼓励学生继续通过学习历史来“远离历史”。

  • Social and Economic Networks: Models and Analysis from Stanford

    课程刚开始时,是一些社会网络分析的经验背景、以及一些用于描述和度量网络概念的概述。接下来,课程将介绍一些网络如何形成的模型,包括随机网络模型(random network models)、战略形成模型(strategic formation models)和混合模型。然后我们讨论一些列网络如何影响行为的模型,包括传染(contagion)、扩散(diffusion)、学习(learning)、同行影响(peer influences)



物理

  • Classical Mechanics

    MIT的Walter Lewin教授的学术成就在这张课程表上简直太不起眼了,但他是Quora网友选出的全世界最好的老师!他用自己的下巴挑战能量守恒,还拿自己当单摆,简直是用生命在上物理课。生动的讲解加上惊心动魄的实验,你一定会因此爱上物理。对了,他还是那个曾经走红微博的虚线狂魔

  • From the Big Bang to Dark Energy from Tokyo

    物理学家如何观测和研究暗物质?希格斯粒子的发现给了我们哪些启示?东京大学村山齐教授将用最简单的语言传授最复杂的知识,让你在4周时间内了解宇宙137亿年来的演化过程

  • How Things Work 1 from Virginia 绝对精彩 不容错过的物理课程

    70岁高龄的Lou教授将在课堂上踩滑板,放鞭炮,简直是用绳命在诠释物理原理!

  • Understanding Einstein: The Special Theory of Relativity from Stanford

  • Introduction to Astronomy from Duke

    基本上普通天文乃至一些高等天文学的内容都讲到了,信息量相当大。大致涵盖了《Essential_Cosmic_Perspective_6th_Edition》这本教材的内容



教育,思维
逻辑学是人类历史中最古老的学问之一,这门来自斯坦福大学的《逻辑学导论》内容覆盖比较全面,重点突出,数据分析和挖掘中,用到了不少逻辑方面的知识,算是一门理论型课程,对训练思维应该有帮助!

娱乐
由鸟叔、王力宏等知名明星的母校——伯克利音乐学院开设,课程将会教授你如何弹奏非电音和电音吉他

健康
挺有名的斯坦福课程 (Stanford Online 置顶课程)

市场,经济,金融
沃顿商学院的入门课,按学员说法“课程内容很丰富,知识量比第二天的大姨妈量还大。考试则比较简单,会给你学习MOOC的信心的”
Financial Markets from Yale
这门课程系统地介绍了微观经济学,对于一个原来对微观经济学的同学是一个很不错的入门课程。

创业创新
教创业中遇到的技术和工具,请到了一些airbnb,square等创业公司的工程师讲发展过程中技术选型和进化

不管身在哪个领域,情商都是一种软实力,而这恰恰是大多数学校不教授的课程

  • How to Build a Startup

    创业之前,你该知道什么?新成立的小公司和大企业相比,有哪些不同之处?创业公司该怎样挣到第一桶金?这门课程告诉你怎样一步步打造自己的公司,规避风险,走向成功

  • Creativity, Innovation, and Change from Penn State

    创新不是天才灵光一现的产物,每个人都可以通过学习来提高自己的创造力!这门课教你打开思路,培养创新能力,并将它运用到自己的学习和工作中。

  • How to Change the World

    本课程表中最热血的一门课程!世界著名的公益团体92 Street Y举办的“社会公益峰会”(Social Good Summit)。该峰会集结了全世界最具创造力的企业家、作家、学者和政治领袖,大家讨论了如何用创造性思维和科技来解决全球难题

  • Competitive Strategy

    这门课实在是太有趣了,教授为了卖萌,也费尽了心思。对商业竞争策略感兴趣你会获益匪浅。

coursera.org/learn/desi
设计思维是当今商业世界中流行的新理念

数据科学

计算机



  • Deep Learning 深度学习 Google大神主讲
  • Introduction to Big Data with Apache Spark 大数据Spark入门
  • Scalable Machine Learning Spark深入
  • UNSW Computing 1 - The Art of Programming

    这门课号称“让艺术生也会爱上的编程课”,由新南威尔士大学(UNSW)开设。课程视频是现场录制的,大家可以感受到澳洲课堂的氛围

  • Mining Massive Datasets from Stanford Coursera.org

  • Introduction to Computer Science and Programming Using Python from MIT

  • Introduction to Systematic Program Design - Part 1 from UBC

  • An Introduction to Interactive Programming in Python from RICE

  • Principles of Computing from Rice

  • Web Development

    Reddit创始人Steve Huffman教你建网页,与你分享个人经验

  • Algorithmic Thinking from Rice

    这门课的教学团队由莱斯大学的三位萌教授Luay Nakhleh、Scott Rixner和Joe Warren组成。老师们爱电脑游戏,爱Python编程,讲课也很清晰

  • Introduction to Recommender Systems from Minnesota

  • Machine Learning from Stanford

    Coursera创始人之一 Andrew Ng 的课程,同时也是Coursera平台上最经典的课程之一。只要你对计算机科学感兴趣,或者对数据处理感兴趣,我就推荐你上这门课。不用担心自己没有计算机专业背景会听不懂这门课,因为和大多数导论性课程一样ML回避了大部分的数学内容。使用Octave(一种和Matlab语言相同的开源软件)的实验并不需要高级的编程能力,Matlab语言简单易懂,所以即使你没有任何编程经验也不用担心

  • Machine Learning Foundations from 台湾大学

  • Natural Language Processing from Stanford

  • Principles of Reactive Programming

    作为《Functional Programming Principles in Scala》的后续课程,继续介绍scala里的Haskell的monad,erlang的acotor,这些是构建分布式基础构建,要说scala当前最火的应用Spark,都可随见这些的身影

  • Programming Languages from UW

    让你学过之后能写出更好的程式,而且学新的程式语言更容易

  • Programming Languages

    通过build一个javascript和html的interpreter可以对计算机语言的运行方式有一个更深层次的理解

  • Pattern-Oriented Software Architectures for Concurrent and Networked Software

  • Neural Networks for Machine Learning from Toronto

    由神经网络和深度学习的宗师 Geoffrey Hinton 开设

  • Introduction to Artificial Intelligence from Google

    Udacity创始人Sebastian Thrun的履历几乎与吴恩达不分高下。在斯坦福任教期间,他开发的赛车赢得了2005年的无人驾驶汽车大奖赛,参与发起谷歌X实验室,参与领导谷歌眼镜项目。在这门课取得成功之后,他离开斯坦福,创办Udacity。

  • Design of Computer Programs from Google

    Peter Norvig是Google的研究总监,并且是美国人工智能协会及计算机协会的会员,流行教材《人工智能:一种现代方法》的合著者。加入Google之前,他是NASA Ames研究中心的计算科学部主任。

  • Algorithms, Part I from Princeton

    在这门课上,连编译器都值得你观摩学习!Robert Sedgewick教授师从图灵奖和冯·诺依曼奖获得者Donald Knuth,现在他是普林斯顿大学计算机系创始人,Adobe董事会成员。这门课的另一位教授是Kevin Wayne,他们两人合著了经典教材《算法》。Union-Find,Analysis of Algorithms,Stacks and Queues,Elementary Sorts,Mergesort,Quicksort,Priority Queues,Elementary Symbol Tables,Balanced Search Trees,Geometric Applications of BSTs,Hash Tables

  • Algorithms, Part II from Princeton

    普林斯顿大学的课程都非常傲娇地不给证书,但这两位大牛的课绝对超值:他们是《算法》红宝书的作者,其中一位还是普林斯顿大学计算机系的创始人、Adobe董事。Undirected Graphs,Directed Graphs,Minimum Spanning Trees,Shortest Paths,Maximum Flow,String Sorts,Tries,Substring Search,Regular Expressions,Data Compression,Reductions,Linear Programming,Intractability

  • Analysis of Algorithms form Princeton

    Analysis of Algorithms,Recurrences,Solving recurrences with GFs,Asymptotics,The symbolic method,Trees,Permutations,Strings and Tries,Words and Mappings

  • Algorithms: Design and Analysis, Part 1 from Stanford

  • Algorithms: Design and Analysis, Part 2 from Stanford

  • Functional Programming Principles in Scala

    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



历史人文

  • coursera.org/learn/big- 大历史
  • ChinaX from Harvard

    哈佛中国课系列由10门迷你课程组成,它将让你从社会、文化、经济、地理等多个角度全面认识中国历史,并看到西方学者研究历史的不同视角。

  • People & Networks from PKU

    将社会学与计算机科学等学科结合起来,把人群放在一个网络中,借助数学模型来分析

  • The Journey of Mathematics from 复旦

  • coursera.org/learn/plat 柏拉图

  • 秦始皇

    台大吕世浩讲授,百分之百強力推薦的好课。幽默有趣的腔调去厘清了“历史中的秦始皇”、“秦始皇的历史”,授课重点在于藉由经典历史文献《史记》本身,以一种轻松的日常话语引起大家对历史学的兴趣,扭转应试教育下给人们所建构起的枯燥的“刻板印象”。同时,本课程还会结合考古结果、古代文物等方式去展现大秦帝国的伟业

  • Classics of Chinese Humanities: Guided Readings

    课程选取《史记·项羽本纪》、《原道》、《赤壁赋》、《阿Q正传》这四部时代跨度极长、风格不一的经典文学作品作为课程的核心

  • 史記

    台大吕世浩老师不光教大家读史书,学历史,更教授一种反思文化与人生的方式。以一种如何治史的角度,即从中国古代史官的伦理道德、品格操守等视角出发去重新解构司马迁的《史记》

  • 唐诗宋词人文解读

    以唐诗和宋词作为思想资源,李康化老师在二者之间自如游走,为我们呈现了唐宋二代文人墨客的人情爱恨、官场得失、醉生梦死和感怀缱绻等主题,以全景式的角度透视了唐宋知识分子的生存况遇和思想历程。

  • World Art History:Perspective from Chinese Understanding from PKU

    “中国的眼光,现代的立场”来重新阐释“世界艺术史”的概念,并具体陈述西方艺术与中国艺术在理念和创作方法上的区别,进而通过艺术史如何建造一条各文明之间互相理解、互相尊重的道路

参考
  1. Open Learning

  2. Future Learn

  3. Open Study

  4. Open Yale courses

  5. Stanford Online

  6. 一些我推荐的和想上的网络课程(Coursera, edX, Udacity)

  7. MOOC学院(慕课)

我主要关注CS相关课程。推荐下我觉得不错的:

1. 华盛顿大学的 Programming Languages
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,也正是因为上了这门课让我从此对Coursera无比痴迷,疯狂刷课……

很多同学问这门课好像Coursera上不开了,可以直接去这门课程的主页学习:UW CSE341, Spring 2016 不知道作业系统之类的体验如何……

16-12-24更新:
这门课又可以在Coursera上找到了!地址:Programming Languages, Part A - University of Washington | Coursera

第一次使用“神的编辑器”……

2. Maryland的 Software Security
这个是正在上的,也是讲的非常好!把很多概念都串起来了,一周当黑帽,下一周换白帽,展现了计算机安全的方方面面。而且内容很新,heartbleed,MCFI之类的2014年出现的东东都提到了。这门课的deadline非常紧,作业都是限时提交的,还好上了第一周看难度不大,评分方面感觉有点bug……明明做错了都算我得分……今年是安全大热的年度,Maryland的安全系列课程有四门,感兴趣的同学可以都跟一下!

3. Princeton的 Algorithms
目前上过的最好的算法课,这位老爷爷师承高德纳,但又不像The Art of Computer Programming那么偏理论天书范……他写的算法红宝书也是广受追捧,看他上课的确是种享受,娓娓道来,各种图表动画,脉络清晰。这门课的作业也很赞,有理论问题,有面试常见问题,还有编程大作业三部分。其中编程大作业难度挺大,课题都很有趣,比较偏工程,只给一个API的框架然后自己去实现整个流程(也就是不光包括核心算法,也有文件IO,数据预处理之类的东西),每次都要做上好几个钟头。编程作业的评判也是相当严格,会考察代码风格,运行时间,消耗内存,API调用次数等等额外的东西,让我这个专业搞测试的人都有点汗颜了……说了这么多,这门课还是有个致命缺点……所有普林斯顿的课程都没有证书,连得分记录都没有……唉,本来是有望角逐第一神课的啊!

4. Stanford的 Cryptography
斯坦福的课程都特征明显,讲授内容会偏理论一些,需要不错的数学功底。作业一般不限制编程语言,每次题目都是动态生成的所以不能靠猜的……作业一般只能提交3次,所以拿高分的难度也比较大一些。这门课也讲的很好,老师语速很快,几乎不用加速……可惜我的数学实在太差了……掌握的不是很好,只记得算法里到处都是x0r,那些神奇的Oracle Padding, Timing Attack等攻击方法更是让人大开眼界,还有老师那句重复了多次的永远不要自己去设计/实现安全方面的核心算法……等着明年再跟第二部分,考虑跟Maryland的同名课程比较着学下。

5. 北大的 计算导论
目前内地大学上过的课中唯一一门觉得值得推荐的……李戈老师的确讲的很不错!不过这门是基础课程,适合大一大二或者刚转行过来的同学,所以我没上完就退了……

6. 密歇根大学的 Programming for Everybody
这门课我女朋友全部跟完了,非常适合没有任何基础的同学学习。其实编程作为一种爱好也是很正常的啊,里面有趣的东西实在太多了,锻炼脑子又收获乐趣,何乐而不为呢。Rice大学有一门Interactive Programming in Python 也是入门级别,跟这个课挺类似。可惜做作业用Code Sculptor需要翻墙……后来也是因为比较简单所以没上完。

7. 乔治亚的 SDN
这门课其实讲的比较一般吧,很多时候就是念ppt,不过好在内容很新也很扎实。由于本身就是个新课题,所以这门课每年的内容都在更新!除了讲课本身,每周还有两个业界大牛的interview作为补充,所以整体内容还是很地道的!作业其实也是比较简单,不过把Pyretic Pox Kinetic等各种SDN技术框架都让你体验了遍,是一个很不错的进入这个领域的起点哦。
配图为某次作业,基于Haskell写的NetASM,网络汇编语言!实现了一个虚拟交换机上的L2 firewall。

8. Stanford的 Compilers
恩,好难啊……我上了一周就放弃了…………我一定会回来的!!!

9. 华盛顿大学的 The Hardware/Software Interface
上面有同学说这门课讲的一般……不过我觉得还挺好的啊。很多内容都是基于经典的CSAPP,作业非常有趣,剧透一下我的解题笔记哈哈……CSAPP - Buffer Overflow Attacks 对于像我这样不是科班出身的人来说这门课是个非常好的基础补充。可能由于第一门上华盛顿大学的课实在体验太好,所以后面都有点爱屋及乌了。给予这门课强烈推荐评级!
某次作业……拆弹现场哈哈

10. Stanford的 Algorithms: Design and Analysis
斯坦福的算法课,内容上从名字可以看出来更偏理论一些,课程上很多数学推导内容,可以说是内功心法……作业相比普林斯顿的就简单纯粹很多了!毕竟核心算法基本就那么点逻辑,几行代码基本上都能很快写完……这个课的老师实在是太像纸牌屋里那个Peter Russo了(《蚁人》中的大反派!),真实分分钟出戏啊……如下图:


恩,另外上这门课时发现讨论区挺活跃的!大家都在那讨论如何优化自己的算法,时常去看看很有收获!附一个我的作业笔记:Python Algorithms

11. 台大的 计算机程式设计
其实就是讲C语言,比较基础,我女朋友上完了。作业还是挺有趣的,而且每次都会在deadline之后贴出参考代码,这个对初学者还是很有帮助的!有一个作业是讲光线射入一间有各种镜子的房间后会从哪个窗口出来的,我写了下搞了一堆if else上去非常复杂……后来看了参考答案发现可以用数组来控制一些跳转逻辑,典型的逻辑与控制解耦方法,代码复杂度一下就下来了。这种在自己动手过程中发现的道理才印象深刻啊!最后一周的作业是写个非常简单的BASIC语言解释器,让我回想起那天夕阳下用小霸王学习机写BASIC的小男孩,那是我逝去的青春……

12. 洛桑联邦理工的 Functional Programming Principles in Scala
这个是Scala的作者亲自讲的课,其实在讲FP方面我觉得是没有华盛顿大学的那门讲的好的,而且由于Scala异常丰富的特性,这门课的作业也会让人在具体实现上有些迷茫,好像跟课程内容没啥关系嘛……学完之后整理了个笔记,基本涵盖了所有内容,有兴趣的同学可以看看。注意文中有大量作业剧透,本想借此刷访问量的……可惜写得太差,唔…… Learning Scala

13. Princeton的 Computer Architecture
又是一门很不错的课,视频量大且难度专业度很高,讲各种CPU的架构与设计,配合那本教材计算机体系结构 (豆瓣) 一起看效果很好!唯一的缺点是没有证书……连作业都是pdf,全靠自觉,对我来说简直是无法完成的任务…………给个截图大家感受下……

14. Maryland的 Android系列课程
链接里的是第一门,这个课没什么出彩的地方,但是循序渐进把安卓的各种部件都讲解的很清晰,作业难度也比较低,很适合新手入门。后面还有几门课由于我不再搞mobile方面的东西了就没有再跟……不过看这个课感觉应该会很不错的!编程作业都给了框架,然后本地跑安卓的UI Automation通过上传log的方式来评判成绩。另外也有peer assessment,下载别的同学的代码来跑什么的。有一次作业里包含了拍照录像功能,然后就在截图里看到了世界各地上这门课的大叔/正太的自拍照,感慨了一下这就是mooc的魔力啊!不管你身在何方,基础怎么样,现在从事什么都可以随时加入学习,一起讨论进步,真是太美好了!

15. Stanford的 Mining Massive Datasets
最近开的新课,老中青三大帅哥齐上阵,视频量巨大无比……不过内容很新很有趣,介绍了好多从来没听过的大数据算法啊!第一周讲map reduce和page rank,听完还以为是一门很简单的小白课程,不过后面越来越精彩纷呈!最近一周直接讲了Netflix那个推荐算法大赛中大家是如何使用各种协同过滤,SVD/CUR算法配合时间序列补偿等等技术一步一步把算法的误差从0.95减少到0.87左右……当然最后要拿到大奖还是得用一锅乱炖大法…………这门课的作业感觉偏简单了点,感觉做了好多线性代数的复习题……恩,到时候挑战下optional的编程题吧!

更新:把编程题做完了,跟Algorithms里某次的作业很像啊,还有期末考试没参加,考完再来写完整感想。

15-1-12再次更新:期末考试发挥不佳,最后也就拿了94分……还是不够仔细啊。考试期间还把这门课的中文版教材:大数据 (豆瓣) 过了一遍。总体是一门导论性质的课程,基本没有要求实现那些提到的算法。如果对自己要求高的可以根据参考条目之类把所有算法都深入学习一遍,功力长进绝不一般。

16. 台大的 机器学习基石
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……

14-11-28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!

对着《统计学习方法》做作业……

17. 新墨西哥大学的 Web Application Architectures
挺好的课程,主要就是介绍了Rails开发web app,MVC架构之类。作业真是不能更简单了,不过本身也就是导论性质的课程吧,几乎没花什么时间就把目前还算比较流行的web技术架构了解了一下,很值得一上!不过如果是专门搞这个的同学估计会觉得太简单了,没啥必要跟了就。

15-1-12更新:

18. 台大的 机器学习技法
《机器学习基石》的后续,仍然是屌炸天的难度……看介绍应该主要上SVM,AdaBoost以及神经网络/深度学习。看这几个名字就要热血沸腾有没有!昨天刚完成第一次作业,竟然史无前例拿到了400分。喜极而泣啊!上课过程中有强烈的想要补习线性代数,统计学的冲动……不知道大家有没有什么好的书本/教程推荐啊?

19. Johns Hopkins的 Data Science - Specializations
目前见过开课频率最高最规律的课了……可能是因为很短(都是一个月)而且有9门之多的缘故吧。难度较低,12月一个月就搞定了4门,不过月底开始忙起来了,加上机器学习技法,估计这个月能上一门就不错了……课程基本都是用R语言,比较系统地教授数据科学中的整个流程,比如获取数据,清理数据,做初步分析(各种绘图),可重复研究(看上去也就是完善的文档记录)要点等。后面也会涉及到统计,回归分析,机器学习之类偏数学的内容。几位老师貌似都是搞生物医学统计方面的。个人对使用R语言有些不太满意……现在不都是Python大法好了吗……9门课都是每月都有开,所以时间上来不及的时候可以退掉等下个月的……

20. 密歇根大学的 模型思维
第一次上中文版的课,以前觉得自己英语还是挺不错的,基本不用看字幕都可以很顺利地跟下来,现在有了中文字幕发现差距还是有的,基本可以全程2倍速(除了翻译有瑕疵的时候)……这门课算是我上的第一门跟计算机方面关系不大的课,真是轻松无比有种看美剧的感觉啊。当然内容还是非常不错的,有一周就讲了《思考,快与慢》中提到的几种理性偏差精华版哈哈。而且实用性也不错,上过课我还真的潜移默化会在平时决策时搞个表格/决策树什么的东西来算一下……各种背景的同学都可以上,给予强烈推荐评级!

15-2-10更新:
最近工作压力大,业余时间少了很多……然后Coursera最近开课的数量开始井喷,已经完全没法每门课都体验下了……好多好课都想上啊!看看能坚持几门吧。

21. Illinois的 Heterogeneous Parallel Programming
当年看王越写的Mac OS背后的故事系列时对异构编程充满了向往,不过本人C/C++基础很差,所以这门课选了也只是放在那……搞高性能科学计算的同学们可以关注下!

22. Illinois的 Cloud Computing Concepts
哈哈,难得选上一门跟工作实际相关的课程啊。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。必须要重点跟一下了!

15-4-13更新:
完成了CCC的第一部分,这门课的很多方面跟Mining Massive Datasets非常像,老师上课基本上就是讲解各种分布式算法,毕竟是一步一步讲算法过程,比看书应该吸收快一些。然后就是简单介绍各种算法的应用。涵盖的内容还是相当丰富的,MapReduce,Gossip/Membership,P2P系统,KV存储,分布式时序问题,大名鼎鼎的Paxos等等都有涉及,对拓宽知识面,了解分布式的一些基础原理很有帮助。作业难度不大,美中不足的是唯一的一个编程作业用的是C++……完全不会啊……目前在跟第二部分的课程。

23. Illinois的 Pattern Discovery in Data Mining
本科时上过印象最深的一门课就是数据挖掘了,当时就知道了这个著名的Han, Jiawei和他的经典教材。这次终于有机会听一下他本人的授课了,不得不感慨这就是技术改变生活啊!

15-4-13更新:
可惜没有足够的时间,这门课没有跟而选择了Cloud Computing那个Specialization。由于这2个系列都出自Illinois,而且对云计算那个课的印象不错,以后有空应该还会回来学的!

24. Brown的 线性代数
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!

15-4-13更新:
这门课我非常喜欢!讲解,作业都很吸引人!尤其是对学到内容的应用部分,给人相当直观的感受!比如用学到的知识去做照片视角的变换,应用于加密解密系统等。要是本科时的线性代数能这么讲该多好!美中不足的就是对于数学原理部分介绍还是比较粗暴的,可能可以结合 理解矩阵 | 我爱计算机 这篇文章一起看看会有所帮助。

25. 巴黎高等师范的 Statistical Mechanics
一看是个不认识名字的大学,查了下才知道是法国第一名校……听了第一周的蒙特卡罗方法,对法式英语很不习惯……而且对这个领域之前没有任何了解,他上来直接这么讲感觉让人有点云里雾里的……不出意外估计不会跟多久吧。

15-4-13更新课程:

26. 南京大学的 软件测试
这是我的本职工作了……之前看了几个北大的公开课总感觉老师年纪都好大,讲课毫无激情,内容也比较陈旧。最近看了这个课的介绍部分,感觉内容很新,跟行业结合挺紧密的,而且老师也比较年轻,第一印象不错。课程还专门搞了个Mooctest系统来帮助大家学习实战,极具诚意,值得推荐!

27. EPFL的 Principles of Reactive Programming
Scala课程的第二部分,还是由Scala之父亲自操刀。鉴于目前Spark如此火爆,有时间还是要跟一下的。另外Berkeley在edX开了两门Spark相关的课,看介绍是用其Python接口来教学的,不过跳票好久了啊…… Introduction to Big Data with Apache Spark

15-6-29更新:
工作太忙中途放弃了Scala的这门课,视频和作业难度一如即往的大,个人感觉更偏实战一些,应该是市面上最好的了解学习Scala的课程了!如果重开的话再跟吧。最近倒是把edX的那门Spark课上得差不多了,等全部完结再来写总结。

15-9-29更新:
有好一阵子没有上课了,而且之前Coursera也很久没有推出新的让我感兴趣的课程……于是就刷了2门edX的课,也一并放在这里吧。

28. UC Berkeley的 Introduction to Big Data with Apache Spark
与Databricks合作的课程,课程安排设计合理,讲解非常清晰顺畅,有种在看新闻播报的感觉,应该是花了大量时间准备+录制的。主要就是介绍了时下非常火爆的Spark的工作原理,大数据的一些概念介绍。作业主要是问答题和Lab,这个Lab的体验是相当的好啊!用Vagrant拉下虚拟机来就直接搭好Spark环境,然后用IPython notebook来写作业,感觉交互性,展示的美观程度完全不输Rmd!作业内容还是比较接近实战项目的,整体难度中等,对着PySpark文档写作业基本毫无压力……

29. UC Berkeley的 Scalable Machine Learning
上一门课的后续,更多偏向了机器学习的内容。不过感觉深度一般,Scalable估计主要就体现在能用Spark来做类似MR的大规模并行处理了,在算法细节上的优化介绍和机器学习原理性的东西介绍很少。时间也太短了点……感觉意犹未尽。多来几周的内容就好了!

edX的证书:

今天看到有人在知乎说Coursera怎么都是收费课程了,我上去转了圈发现有大量课程更新啊!而且不少也采用了edX,Udacity里那种学校和业界知名公司合作的形式……看来又可以一阵猛刷了。

30. Illinois的 Cloud Computing Applications
这个课是云计算系列课程中的第三门,视频量出奇的大……最近实在没时间,到现在我第一周的视频都还没看完。不过目前看内容感觉挺不错的,云计算,大数据各种内容包罗万象,讲解内容也还是有所深入,并不是蜻蜓点水一笔带过的那种。后续应该至少会把所有的视频跟完。

15-12-10更新:
Coursera改版之后把重心放到了“专项课程”上,最近主要关注了下Data Science下面的几个专项。

31. 华盛顿大学的 Machine Learning Specialization
目前上过体验最好的Specialization也是体验最好的机器学习课程!对初学者友好度令人感动……被台大的课虐怕了的同学可以来感受一下。只要有非常基础的Python,线性代数经验就能顺利上手,课程内容有趣,讲解到位,正回馈多多,很容易坚持下来。目前完成第一门课是一个Overview,把后面几门的主要内容都过了一遍,同时展示了Dato(这门课的合作商)强大的GraphLabCreate框架。作业难度低,而且趣味性及实战性比台大的作业好不少,轻轻松松就实现了一个深度学习神经网络有木有!不过如果是有经验的从业者,估计这个系列难度会有点过低了……

32. UC San Diego的 Big Data Specialization
这个系列也不错,主要介绍Hadoop系的那些东东,配合Cloudera的VM来讲解,布置作业。上完前3门,MapReduce,HDFS,Hive,Pig,HBase,Spark,Splunk(这门课的合作商)都在作业中有了直观的使用体验,当然基本没有什么难度……从没接触过Hadoop生态圈的同学可以通过这个课快速了解下。

33. 华盛顿大学的 Data Science at Scale Specialization
Specialization (自动链接失效了?)
虽然名字看起来很牛,不过给我感觉是这三个专项课程中最差的一门了。上完两门,最后一门弃了。内容偏理论,讲解略枯燥,上完感觉收获不大。

另外还有很多新的CS方面的Specialization:Computer Science
有不少Python,Java和前端开发方面的课程,感兴趣的同学可以follow下。

16-12-24更新:
34. 多伦多大学的 Neural Networks for Machine Learning
16年是人工智能和深度学习大红大紫的一年,这门课又是来自宗师级人物Hinton,必须得上啊!上之前最好是已经有“传统”机器学习的基础,否则需要补习很多课程中没有解释的各种概念……这个课应该是12年制作的,在当时看来绝对是极其前沿的内容,Hinton老师带着大家各种读论文,甚至还有没发表的研究成果,感觉更像是一门研究生级别的课。作业难度不大,编程作业用的是Matlab,稍微有点遗憾……要是用TensorFlow之类的多好!当然12年那时还没有开源TF……老爷子的英语跟其它美语老师的风格很不一样,喜欢看英剧的朋友们有福了 :)

35. 斯坦福大学的 Probabilistic Graphical Models
这又是一个领域宗师亲自上的课,跟吴恩达的cs229一起算是Coursera的看家宝了!概率图模型本身是传统机器学习里比较高级的方法,只可惜现在风头都在深度学习那了……课程本身内容非常丰富,也分了表达,推断,学习三个部分来上(否则就要称为一个近20周的大课了)。就讲课来说个人认为比Hinton讲的要更好,比较具体,会有推演和举例。作业我只做了问答题,有两个可选的编程作业没有额外花时间去做了。强烈推荐搞这个方向的同学跟这门课。

36. EPFL的 Scala Specialization
这个其实就是之前Martin的Scala课程,另外加了2门并发和Spark组成了一个专项课程。第二门课貌似被阉割了一些内容,有点遗憾。整体上课体验还是不错的,编程作业很有挑战性!Scala本身随着大数据和Spark框架的崛起也变得越来越流行,反正我本人用了几天Scala做项目原型后就再也回不去Java了……哈哈哈,必须向广大JVM平台开发者安利下!

37. 密歇根大学的 Applied Data Science with Python
这个系列课程我没有上,因为本身对Python,numpy,pandas,sklearn之类都已经比较熟悉了。不过对于想从事数据工作的人来说,都可以跟一下这个课入个门。Python本身学习曲线很低,掌握之后的生产率提升又很明显,性价比相当高!看了下课程内容安排都挺合理,根据我之前上密歇根大学的其它课程经验来看应该不会差。欢迎有上过此系列课程的同学提供反馈。

38. 优达学城的 深度学习
这个是Udacity的课程,其实就是Google出品的TensorFlow tutorial……比起刚开始这个课的内容上已经有所完善了,但总体来说还是一个走马观花的课程,比较适合有一定机器学习基础的人初次体验深度学习来上。作业内容就是TensorFlow项目里的一些example,用Jupyter Notebook写,语言用的自然是最好上手的Python binding。无论是作业还是问答题都没有评分,全靠自觉。如果想系统学习深度学习,还是更推荐斯坦福的cs231n和cs224d这两个课。

更新2个小tip
1. 如何免费参加专项课程?
首先看开课的大学,然后打开 Coursera - Free Online Courses From Top Universities 找到这所学校,点进去就能搜到对应的课程了。打开课程,轻松enroll!目前我还没看到必须付费才能跟课的。
2. 有些课程的作业必须付费才能提交?
可以尝试用下Coursera的mobile app,我之前有一门课就全都是在app上提交作业通过的,不知道后来Coursera有没有封了这条小路……


最后必须炫一下证书集了,我上课的最大动力啊……
为什么?