开源计算机科学课程-The Missing Semester of Your CS Education

带有视频讲座的计算机科学课程

带有视频讲座的计算机科学课程通过这些课程，你可以获得从顶级大学和教育机构的专家直接传授的知识和技能。一些主要领域的课程示例：计算机科学入门：包括MIT、哈佛大学和斯坦福大学的课程。数据结构和算法：涵盖了UC Berkeley、普林斯顿大学和MIT的课程。系统编程：如CMU和Stanford的课程。数据库系统：包括加州理工学院和UC Berkeley的课程。软件工程：如UC Berkeley和康奈尔大学的课程。人工智能和机器学习：包括哈佛大学、MIT和斯坦福大学的课程。 | #教程 #计算机科学

一份面向计算机科学基础及全栈开发、深度学习和自然语言处理的定制化计算机科学课程清单(学习资源集)

一份面向计算机科学基础及全栈开发、深度学习和自然语言处理的定制化计算机科学课程清单(学习资源集) 作者语：作为一名拥有物理学背景的机器学习软件工程师，我觉得缺乏计算机科学学位是我长期成长的一个限制因素。为了正面解决这个问题，我利用我在网上找到的最佳资源为自己设计了这门课程，重点关注 CS 基础知识以及全栈开发、深度学习和自然语言处理。有通用知识课程和项目课程。通用知识课程用于将大脑中的知识索引到一个有组织的系统中。面对新问题时，至少知道要查找哪些相关信息。项目课程是真正的学习过程。边做边学是学习的唯一途径。如果你对这个课程的创建哲学感兴趣，我写了一篇关于它的文章： | #计算机科学

计算机科学资源集锦作者语：

计算机科学资源集锦作者语：在学习计算机科学的过程中，我以书籍、论文、讲座视频、博客文章和播客的形式积累了重要领域的资源。我将它们用作参考（例如，每当我遇到相应领域的任务时）并研究了其中的一部分，但（因为我在大学学习物理和数学，而不是计算机科学）从未有机会深入研究它们。书签、书名和对 State-of-The-Art 知识参考的模糊回忆分散在我的 Goodreads、YouTube、Notion 列表中，直到我决定编制一个列表并一一浏览资源。我认为列举这些并获得出色工作的完整列表也可能对其他人有用。因为学习这些是一项严肃的工作，与其他具有 CS 资源的列表不同，我的列表不关注列表阅读的特定功能（例如免费，如 ossu/计算机科学课程），也没有尝试成为“完整”课程。我将收藏分为两部分：基础知识（下面的列表）是“经典”资源的“简短”列表，我有机会与之交谈的优秀工程师向我推荐最多。它专注于该领域最重要的战略概念，并努力对在该领域工作所需掌握的基础知识进行全面概述。进一步阅读包含更多指向短博客文章的链接、来自互联网的文章、更具体的资源。此列表包含更多我在浏览互联网时发现并在某些时候发现有用的资源。该系列的灵感也来自（并在某种程度上基于）| #计算机科学

大多数与人工智能相关的课程都是作为计算机科学 (CS) 课程的一部分提供的。2021 年，北美 CS 学士新毕业生总数为 33,

大多数与人工智能相关的课程都是作为计算机科学 (CS) 课程的一部分提供的。2021 年，北美 CS 学士新毕业生总数为 33,059 人，是 2012 年的 4 倍。美国大学新毕业的计算机科学博士生中，专攻人工智能的比例从2020年的14.9%和2010年的10.2%跃升到2021年的19.1%。更多的女性正在进入这个领域。计算机科学学士学位毕业生中的女性比例上升到 22.3%，延续了过去十年的更广泛趋势。 8⃣ 开源的AI 人工智能相关的 GitHub 项目总数稳步增长，从 2011 年的 1,536 个增加到 2022 年的 347,934 个。 9⃣ 训练模型的高环境成本具有超大规模参数的AI模型会排放大量碳排放。最严重的是 GPT-3，产生了502吨的碳排放。

MIT 6.0001《计算机科学与Python编程导论》开放课程(2016)

MIT 6.0001《计算机科学与Python编程导论》开放课程(2016) 本课程适用于编程经验很少或没有编程经验的学生。它旨在让学生了解计算在解决问题中可以发挥的作用，并帮助学生，无论他们的专业如何，都对自己编写小程序的能力充满信心，从而使他们能够实现有用的目标。该课程将使用 Python 3.5 编程语言。这是一个半学期的课程。成功完成 6.0001 的学生可以继续学习 6.0002 计算思维和数据科学导论，该课程在下半学期授课。目标提供对计算在解决问题中可以发挥的作用的理解。帮助学生，包括那些不打算主修计算机科学和电气工程的学生，对他们编写小程序以实现有用目标的能力充满信心。定位学生，以便他们可以竞争研究项目并在具有编程组件的科目中表现出色 || #计算机科学

斯坦福《CS231A计算机视觉：从3D重建到识别》课程资料