You similarly do not know me, not a solitary little, Wrenchbiscuit. One reaches comprehend the actual sensation of the folks concerning this entire voting mess – hearing them is precious. There were wealthy individualsrushessay research paperin Jesus’ evening.From a modern perspective, this form of function is exceptionally substantially important. Formerly, production was restricted. For a few, when you’ve got arms and a couple units of the army on you, that’s enough to consider energy. Every one of these lines are written in brief couplets that offer a continuity of s ...继续阅读 (8)

You really should maintain comprehensive notes, and recall that you just’re not only required to compose a particular article, there will be others, therefore be thorough notes that may help you in additional writing. There is never a damaging complaint in reference to writing. Composing need not really be a madness anymore knowing how to allow it to be simpler to write.Writing a great post isn’t much different to writing a college essay. Essay writing is not actually a simple career. Additionally it is like sewing. Some premises are likely not really accurate for many people that ...继续阅读 (17)

更新了一下github上“Coursera Archive”项目的相关课程链接，如果在Coursera新课程平台上有的，就更新为新平台链接，如果没有，就保留课程图谱上的链接，供大家参考。从目前更新的链接来看，有的课程得到了保留，也有的直接不复存在，譬如机器学习的相关课程, 台大林軒田老师的两门机器学习课程就没有了，但是大神Geoffrey Hinton的“面向机器学习”的神经网络课程貌似又复活了，Coursera新课程平台上显示的是2016年9月份开课，大家可以拭目以待。又例如自然语言处理的相关课程，只有 Michael Collins 大神的自然语言处理课程丢失，其他3门课程在新课程平台上均有所保留，情况貌似没有那么糟。另外斯坦福大学的两门算法设计与分析课程，刚刚开课，感兴趣的同学可以直接去上课了。最后附上 “Coursera课程下载和存档计划” 相关索引，仅供查询和参考：Coursera Downloader 下载工具Coursera课程速查表机器学习 & 自然语言处理 & 推荐系统 & 数据挖掘相关公开课计算机科学基础公开课其他课程资源注：原创文章，转载请注明出处“课程图谱博客”：http://blog.coursegraph.com本文链接地址：http://blog.coursegraph.com/coursera课程下载和存档计划更新及索引 ...继续阅读 (72)

本期整理了手头剩下的其他课程，限于个人精力有限，不整理归类了，请自取。这些公开课资源一些来自于之前课程图谱群内朋友的或者微博上的朋友的分享，另外一些这里做了下载补充，主要针对Coursera旧课程平台的课程进行备份和分享，对于一些已经迁移至新课程平台的课程，希望大家直接去Coursera新课程平台上去上课，这样会有更好的学习体验。最后特别说明的是，课程网盘资源仅供个人备份学习使用。关于“Coursera课程下载和存档计划”，请参考：Coursera Downloader 下载工具Coursera课程速查表机器学习 & 自然语言处理 & 推荐系统 & 数据挖掘相关公开课计算机科学基础公开课以下课程资源备份，相关信息我们也会同步到“Coursera Archive”项目上去：29. 计算机科学入门课程:Computer Science 101链接:http://pan.baidu.com/s/1dEXhOU9密码: 6efk30. 社交网络分析:Social Network Analysis链接:http://pan.baidu.com/s/1kVheUMV密码: pr7d31. 台大概率课程：機率链接:http://pan.baidu.com/s/1mis8w8C密码: gqun32. 科学计算：Scientific Computing链接:http://pa ...继续阅读 (117)

本期整理了CS领域的基础课程，包括算法，数据结构，操作系统，计算机体系结构，计算机网络，编译原理，自动机，数据库等相关的14门课程资源。这些公开课资源一些来自于之前课程图谱群内朋友的或者微博上的朋友的分享，另外一些这里做了下载补充，主要针对Coursera旧课程平台的课程进行备份和分享，对于一些已经迁移至新课程平台的课程，希望大家直接去Coursera新课程平台上去上课，这样会有更好的学习体验。最后特别说明的是，课程网盘资源仅供个人备份学习使用。关于“Coursera课程下载和存档计划”，请参考：Coursera Downloader 下载工具Coursera课程速查表机器学习 & 自然语言处理 & 推荐系统 & 数据挖掘相关公开课以下是按几个类别整理的相关课程资源，相关信息我们也会同步到“Coursera Archive”项目上去：算法&数据结构相关课程:15、斯坦福大学 Tim RoughgardenAlgorithms: Design and Analysis, Part 1（算法设计与分析上）该课程在课程图谱上的5个评价都很高，不过对应的的Coursera旧平台主页已经消失，新平台课程主页已经启动，貌似是7月11号开课，感兴趣的同学可以关注：https://www.coursera.org/learn/algorithm-design-an ...继续阅读 (282)

周末对之前保存和下载的Coursera课程做了一下整理和归类，先送出机器学习、自然语言处理、推荐系统和数据挖掘相关的12门课程资源。这些公开课资源很多来自于之前课程图谱群内朋友的或者微博上的朋友的分享，这里做了一些补充，主要针对Coursera旧课程平台的课程进行备份和分享，对于一些已经迁移至新课程平台的课程，希望大家直接去Coursra新课程平台上去上课，这样会有更好的学习体验。最后特别说明的是，课程网盘资源仅供个人备份学习使用。关于“Coursera课程下载和存档计划”，请参考：Coursera Downloader 下载工具Coursera课程速查表以下是按几个类别整理的相关课程资源，相关信息我们也会同步到“Coursera Archive”项目上去：机器学习相关课程:1、斯坦福大学 Andrew Ng机器学习 (Machine Learning)该课程已经在Coursera新的课程平台上发布（https://www.coursera.org/learn/machine-learning），在线的课程资源依然会得到保留，优先推荐在线学习，可以做练习，可以提交作业，这里分享的百度网盘资源包含两个版本，来自于之前大家的分享：链接:http://pan.baidu.com/s/1pLCe31p密码: tjfg2、华盛顿大学 Pedro Domingos机器学习 (Machine L ...继续阅读 (576)

基于课程图谱的Coursera爬虫过了一遍目前Coursera旧平台的课程数据，提取其中几个有用信息作为Coursera课程下载的速查表，大家可以基于coursera-dl和课程短连接（Session Slug)下载相关的课程，具体下载方法可参考上一篇文章：Coursera课程下载和存档计划（一）。另外新建了一个 Github 项目：Coursera Archive，提供Markdown和Excel两个版本的list。之后计划将相关的网盘信息也汇总上去，欢迎大家一起参与下载和分享。总计516个课程，具体信息可参考下表：Course NameCourse Source UrlSession SlugContraception: Choices, Culture and Consequenceshttps://www.coursera.org/course/contraceptioncontraception-002Introduction to Computational Arts: Processinghttps://www.coursera.org/course/compartsprocessingcompartsprocessing-001Introduction to Computing 计算概论Ahttps://www.coursera.org/course/pkuicpk ...继续阅读 (186)

上周三收到Coursera平台的群发邮件，大意是Coursera将在6月30号彻底关闭旧的课程平台，全面升级到新的课程平台上，一些旧的课程资源（课程视频、课程资料）将不再保存，如果你之前学习过相关的课程，或者有心仪的课程，Coursera建议你将这些课程资源下载下来备份。说实话，自从Coursera这一两年逐渐进行“商业升级”以后，我已经很少在这个平台上学习公开课了，反而是edX的一些课程更吸引我，特别是课程质量，后者显得更用心很多。不过作为最早的MOOC平台Coursera，曾经诞生了很多经典课程，要是这些课程真的随Coursera平台的切换而丢失，实在可惜。这里曾经整理过一批“公开课可下载资源汇总”，很多来自于大家的贡献和分享，不过这也是两三年前的事情，一些课程网盘资源已经失效，这封邮件促使我开始检查这些网盘资源，特别是来自Coursera平台的课程资源。之前有些课程资源没有下载或者没有网盘资源，以为只要有Coursera账号，就可以随时登陆上去在线观看就可以了，也没有下载的欲望，现在不同了，例如斯坦福大学Dan Jurafsky和Christopher Manning的自然语言处理课程，例如一直没有开课却可以preview观看的大牛Pedro Domingos的机器学习课程，下载和备份是必须的。工欲善其事，必先利其器，针对Coursera的下载工具有很多，包括一些浏览器插件， ...继续阅读 (48)

又到了一年的开学季，几大MOOC平台又有不少质量很高的课程轮番推出，本文将对9月已经或者即将开设的偏向计算机科学类的课程进行一个简单的选择和汇总，各位可以从中选取自己感兴趣的课程。Coursera:1. 杜克大学的Data Analysis and Statistical Inference本课讲授比较基础的统计学，但不同于传统的统计学内容，本课将很大一部分精力用在锻炼学生的实际动手能力。部分课程练习是在一个叫“DataCamp”的平台上完成的，力求学生能够通过实际练习解决现实中的问题。2. 斯坦福大学的Automata本课属于比较传统的计算机科学理论课程，讲授了计算理论和复杂度方面的内容，讲师是个传奇人物，对纯粹的计算理论感兴趣的朋友不要错过这门课程。3. 加州理工学院的 The Caltech-JPL Summer School on Big Data Analytics本课不同于一般的课程，由一系列的讲座组成，讲述了数据分析领域的一些常用概念，属于比较偏向实务的课程。本课没有限制时间，也没有作业和证书。4. 普林斯顿大学的Algorithms, Part I普林斯顿的数据结构是一门很有口碑的课程，本课的内容作为普林斯顿大学翻转课堂的材料，课程的内容和作业和该校校内基本一致。对于算法和数据结构感兴趣的朋友，这门课是非常不错的选择。唯一遗憾的是课程不提供证书。5. 香港中文大学的 ...继续阅读 (76)

近期MOOC的内容呈现出爆炸式的增长，各式各样的课程让人应接不暇。本文将对各大平台4月份预计比较热门的课程进行简单的汇总，各位可以根据自身的需求挑选合适的课程。Coursera平台：1. 美国西北大学的Everything is the Same: Modeling Engineered Systems将于4月6日开课。本课主要讲述一些简单的物理工程实例，对物理学、工程学感兴趣的朋友可以关注。同时这门课程中会穿插Matlab和Python的内容，适合懂得一点编程的朋友。2.马里兰大学的Exploring Quantum Physics将于4月7日开课，本课讲述的是量子物理。目前讲述量子物理方面的课程还不多，这门课或许是个不错的选择3. 约翰霍普金斯大学的Getting and Cleaning Data将于4月7日开课。本课属于约翰霍普金斯大学 Data Science Specialization(“微专业”)的一部分4.约翰霍普金斯大学的R Programming将于4月7日开课。本课属于约翰霍普金斯大学 Data Science Specialization(“微专业”)的一部分，R语言日益成为数据分析领域的首选工具，本门课程可以作为对这个工具入手的入门课程。5. 约翰霍普金斯大学的The Data Scientist’s To ...继续阅读 (96)

注：很多同学以为这篇文章是课程图谱写得，所以不得不借用有光同学的宝地做个补充说明：还记得去年@要有光LTBL同学的“自学CS总结” 码？，前几天邀请有光同学在课程图谱博客上写一下这一年的MOOC学习之路，然后这篇文章就出炉了 “近一年上的MOOC总结＋其他”, 看完后我只有一个问题：还有什么是这些MOOC学霸们不想学的？以下荣耀属于有光同学先是课程介绍后面是FAQ，最后是关于认知失调的瞎扯，可以随便选一个开始看，或者直接分享。基本上是20多门课吧，CS的应该不到一半。另外由于我语文学得不好所以这些评价都非常散乱而且全都是我个人的意见。没有注明则全部是coursera上面的。这些是上完了的：1，Computational Neurosience：计算神经学，学到后面发现我非常喜欢这个领域，怎么说呢，让我有点想读这个领域的PhD的那种喜欢。。。神经网络就是从这里出来的，但是神经网络和人脑除了scale的差距还有其他的差距，这门课都讲到了，印度老师很逗，另一个女老师酷酷的。PA会用一点octave但是基本上非常友好。最后还涉及了一点Brain Computer Interface这种很炫酷的东西。2，Intro to Data Science：数据科学入门，相当不错的入门课，一上来先定位，后面的东西也都相当实用并且达到了期望，虽然对我来说比较新鲜的就是最后两讲一个是Data Visual ...继续阅读 (53)

鉴于近期与计算机网络和信息安全方面有关的新闻层出不穷，课程图谱为各位汇总了目前（2014年初）MOOC平台与相关领域有关的公开课程。计算机网络1. University of Washington的Computer Networks：@wzyer：这门课是现今所有mooc平台上最全面的一门介绍计算机网络的课程。课程以网络的OSI七层模型为主线，全面覆盖了支撑现有互联网的各种基础架构和协议。其中又有重点地讲解了 TCP/IP，HTTP，802.11等常用基础协议，目的是使所有上完课的同学，都能够对于数字信号如何在网络上传播有一个清晰的认识。就我自己上完课的感受来说，这门课完全能够完成这个任务。不过，如果从讲解和交互性上来说，这门课还是难以与一些精品课程相媲美，只能算是一般水平。老师对于各个问题的讲解基本遵循了“提出问题-》解决方案-》应用实例”的顺序，所举的小例子也足够简单清晰，所以不会出现难于理解的情况。但是从交互性和趣味性上说，有意思的讲解不多，也没有什么特点突出的、有趣的内容来让人加深理解。因此上课的时候常常让人觉得乏味。个人认为这一点以后还有很大的改善空间。其实说这门课程很无趣也并不准确。整个课程里还是时常会有有趣的事情发生，比如空中飞来飞去的小花盆，比如在老师背后扮鬼脸的吃货小萝莉。好吧……也许有人会喜欢这个。不过这个确实……确实和主题关系不大。只这能算是为课程增添一点有趣 ...继续阅读 (38)

数据分析是如今非常热门的话题之一，课程图谱为此简单整理一下目前（2014年初）在MOOC平台上有关数据挖掘方面的公开课程。Coursera1.  Johns Hopkins University的Data Analysis该课通过R语言讲授数据分析的技巧：@Cloga在路上：很好的一门课程，用R为工具讲了数据分析挖掘的一些算法和实例。2. University of Washington的Computational Methods for Data Analysis该课为课堂录像，通过MOOC的形式进行组织，讲师Nathan Kutz讲课生动、幽默，但是该课不足之处是课程不提供证书激励且几乎没有课程工作人员参与讨论，属于自助性质的课程。3. University of Washington的Scientific Computing：科学计算是很多工程应用领域的基础课程，该课的讲师同样为Nathan Kutz，课程形式与上一门Computational Methods for Data Analysis基本一致。4. University of Toronto的Statistics: Making Sense of Data：@Mavlarn008：就像这门课的标题“making sense”一样，这门课最好的地方就是让你对统计有”感觉”。虽然讲的比较简单，但 ...继续阅读 (30)

之前有朋友在课程图谱的QQ群里(群号：244689946)询问过是否能够对经济学/金融领域的公开课课程进行一次汇总。在进行了相关资料的收集和整理以后，课程图谱将目前MOOC平台上有关经济/金融方面的课程进行简单的整理。鉴于目前有大量的相关课程，本篇挑选了比较重要的一些进行罗列，希望能够给大家一个比较完整纲领.经济学领域微观经济学：1. 宾夕法尼亚大学的Principles of Microeconomics2.UCIrvine的The Power of Microeconomics: Economic Principles in the Real World3.伊利诺伊大学香槟分校的Microeconomics Principles@ototsuyume：总的来说这门微观经济学是不错的课程，即使只完成quiz也能拿到证书。假如时间多又想锻炼一下英语的话也可以去做project，每个project都完成了后据说证书上有特殊的标识。不过这门课没有ppt，老师提倡的做法是反复观看你不懂的那部分的视频，看到懂为止，这就是mooc的好处，问题在于对于时间不多的人来说，这是十分花费时间的过程以上几门都是比较传统的微观经济学课程，主要都介绍了“供给－需求”，“资源分配”，“竞争”等等比较经典的微观经济学概念，各位可以根据自己的情况选择一门进行学习。4.斯坦福大学的Game Theory@wzye ...继续阅读 (42)

2013年，MOOC开始进入人们的视野，2014年将是MOOC正式全面爆发的一年。2014年一月已经确定会有多门课程即将开设，鉴于内容之多已经可以用“狂轰滥炸”来形容，课程图谱为大家进行简单的梳理，大家根据自己的需要挑选心仪的课程吧介绍的重点主要还是以计算机科学和数学相关的课程为主：Coursera平台：1.斯坦福大学的 Cryptography i，开课时间：1月6日这门课程在 Coursera 上开课次数非常高，据说现在已经开到第9轮：@ffffffoouddddd： 过几天要开始新的一轮了，感觉完成还没多久。不过之前都没做编程题，这次得把编程题做了。这门课理论性很强，到后面基本上都没有 in-video quiz 了。这门课是分类在 CS: Theory 下的。期末考试有点难，因为和之前的作业很不一样。@Candy的爸爸: Stanford的密码学线上课程，主讲Dan Boneh非常给力，语速很快，是密码学界的大牛。每周的课程内容很多，主要讲了密码学的原理，包括流密码、对称密码、非对称密码，加密认证、完整性算法等。课程内容很值得推荐。我花了非常多的时间来学这门课。准备上7月份的Cryptography II。(注：Cryptography II其实已经跳票多次了，虽然官网上已经确定明年春季会开，不过是否还会跳票至今还是未知)2. 伊利诺伊大学香槟分校的Heterogeneou ...继续阅读 (79)

良好的基础是成功的一半。在如今这个时代，数学成为人们社会运行中不可缺少的组成部分，拥有良好的数学基础就等于为自己创造了更多可能，使得人们可以有足够的资本在这个变化繁杂的社会里来调转方向。大学里有三门数学课是绝大部分专业的学生必修的，分别是：微积分、线性代数、概率统计。课程图谱本次就为这三门课罗列一下目前（2013年）几大MOOC平台收录的相关课程。微积分公开课1. 俄亥俄州立大学的Calculus One是一门口碑非常不错的课程，讲师表情丰富、讲解投入，深得学员的欢迎：@基佬的愛__ 同学评价“这门 Calculus One 内容比较基础，没有讲拓扑，没有涉及多变量函数，所有的讨论都是在 R 上进行的，差不多等于国内工科高数上的简化版。Jim Fowler 讲课很清楚，耐心很好，推导从来不跳步骤，很显然的步骤也写出来（其实我上过的所有的数学系教授教的 MOOC 的都是这样的），有时候我都有点不耐烦了，所以你跟着他上下来肯定能把这部分内容掌握好。我觉得学过一些函数的高中生甚至初中生就能听懂。印象中每周都会有一两个 lecture 是在室外进行实验。Jim 还提供了一本自己写的教材，教材写的要比他上课讲的严格一些，他上课讲的比较直观、稍欠严谨，可能是希望这门课的受众更广的原因，我建议看完 lecture 把对应的教材也看一遍就完美了。还有一个课程配套的网站 http://mooculu ...继续阅读 (54)

机器学习目前比较热，网上也散落着很多相关的公开课和学习资源，这里基于课程图谱的机器学习公开课标签做一个汇总整理，便于大家参考对比。1、Coursera上斯坦福大学Andrew Ng教授的“机器学习公开课”：机器学习入门课程首选，斯坦福大学教授，Coursera联合创始人Andrew Ng老师的课程，课程图谱上多达400多人关注，20余条课程评论，绝大多数同学认为这门课程比较适合入门，以下选择其中几位同学的课程评论：@ototsuyume 同学评价：非常好的一门入门课程。很多人诟病作业的代码给得太全，但我认为作为一门入门课程，编程作业设置得十分好，各种机器学习的作用能很直观地展示出来，这样很能激发学习兴趣。试想一下，假如不给你任何框架代码让你从头开始写，写完后得出的结果是一堆用来提交的无味的数据，对于一名初学者来说，这多么打击积极性。这门课程极其简化了各种数学的证明，类似svm跟pca中间的求解过程都讲得很简略。要求的数学基础是低得不能再低了，所以即使是毕业几年后概率矩阵忘得差不多的人都能看懂。除去初学者之外，这门课程也很适合工作中需要用到一些机器学习但不打算深入研究的程序员。@极度视界 同学评价：这个必然 5 星，很棒的入门课程；Ng老湿把编程作业设计到极为简单，而数据集并不单调，垃圾邮件分类/手写体分类等。学此课的同学，应该尝试丢掉Ng老湿给的框架，自己写一套算法，才好。这课我得 ...继续阅读 (425)

这篇文章大半年前看过，原作者要有光LTBL同学也在课程图谱的群里，这两天群里讨论的时候想到了这篇文章，还花了一点时间扒了出来，所以征得作者有光大神的同意，转发和备份到这里，顺便给课程做了一个内部链接。以下系转载：首先这只是我个人的总结，希望能提供大家一些好的建议或者想法，至于具体的可实施性和可推广性就不做任何保证了。。。只是汇报一下我学了这些课，而且做一些个人的评价，并不代表着就等同于CS的学位了。。。额，操作系统编译等等都没上过这是必然不能比的。。。我只是上了这些课，而且这些课都属于CS的范畴而已。现在也只不过是拿到了offer所以汇报一下，肯定还要继续学的。。。如果确实准备通过自学CS来找工作，那么最好先确保有足够的时间，能力和毅力。大忙人，作业写不完天天赶ddl的，数学恐惧症，编程恐惧症或者重度拖延症基本可以点叉了。而且请至少留出一年时间来学习吧。我的背景本科是药学和心理，MS是Columbia的Biostatistics，然后工作拿到了。。。加州某小IT公司（也就是说你们大部分不会知道名字的公司）的offer，package勉强可以跟CS MS comparable这样。不过鉴于这里面有极大的运气成分所以没有任何可推广性和借鉴价值。然后我就进入正题说自学CS了。我的背景算是统计吧，然后这样的话是要往machine learning的方向转，完全没必要我也不愿意做纯码农or ...继续阅读 (72)