伯克利(伯克利CS的本科生課程質量都很好,抽時間看看。)
斯坦福
MIThtml
(伯克利課程都有)python
向量微積分 vector calculus(math53)
線性代數(math54 math110 or EE16A+16B)
機率論(CS70 or stat 134)git
CS189/289 Introduction to machine learning 機器學習github
CS281: Advanced Machine Learning面試
UCB CPSC 540 也是機器學習 哥倫比亞大學 https://www.cs.ubc.ca/~nando/540-2013/lectures.html算法
Nando de Freitas 教授的機器學習課程清單 https://www.cs.ubc.ca/~nando/teaching.html Nando de Freitas 教授Youtobe的主頁上有他的教程視頻shell
CS231 斯坦福深度視覺識別 Fei-Fei Li數據結構
MIT David Silver講的強化學習dom
CS294-112 伯克利強化學習機器學習
http://joanbruna.github.io/stat212b/
加州大學伯克利分校統計系Joan Bruna(Yann LeCun博士後) 以統計的角度講解DL。
斯坦福大學 Richard Socher 主要講解天然語言處理領域的各類深度學習模型
課程評價:
目前上過三個學校的課 Berkeley CS本科生的課不得不說從各個方面都是一流的。由於做爲一個工科 (especially CS) 大校,基本全校都在學碼。本科生除了college of engineering下的EECS項目(which is really hard to get in),還有L&S學院下的CS專業。並且declare CS難度逐年陡增。
做爲一個轉專業狗,我很慶幸本身有機會選了不少優質的本科生的課 給本身 (hopefully) 打下了很好的基礎。這裏CS優質課程基本都是本科的(AKA 硬課) 每門upper-division課基本都有300-500人 lower-division課甚至有600-1000人,如著名的61系列(由於沒有declare專業的人基本都會選)每門課都會配備不少TA,TA也很是用心,回覆問題十分即便細緻,course logistics are well organized,還有discussion section十分有用,基本會把課程重點都強調一遍。相對的,研究生的課基本都是研究導向的,不會花不少時間在detail上,會討論不少前沿的科研問題。若是基礎很差,基本學不到什麼。由於Berkeley CS的graduate program基本都是phd和極少數ms,因此默認你們基礎都很好。我的認爲若是基礎很差 直接來上graduate的課學不到什麼。
做爲一個非CS的MS,由於本身項目十分flexible,因此有一半的課程能夠隨便選 因而全選了CS課。在Berkeley期間學了61C, 161, 162, 170, 189/289, 280, 281。能夠說每門課都頗有用 學到了不少。
由於本科學過基本算法和數據結構還有各類語言,就沒有上61B
下面是部分課程介紹:
61C machine structure, 從C, assembly到CPU設計全過了一遍,還有spark, OS basics,systems的入門。照理這課應該是CS的入門課 可是我是在學了不少高級概念之後再來學 感受會有不少不同的理解。課程量巨大,一個project設計一個CPU(用logic gate),一個project用C寫一個program that translates assembly into machine code,另外一個project實現高效矩陣運算(openMP, SIMD)。
162 OS 號稱CS神課之一,工做量巨大,一個學期3個homework,1個巨型project(implement an OS, 參考stanford OS project)。3個homework每一個基本至關於別的課的一個project(implement a HTTP server, implement a shell, implement malloc etc)全部都是C寫的
170 算法 另外一神課。偏理論,做業全是證實和pseudo code,沒有真正寫碼,可是幾乎涵蓋全部面試內容(although後半學期全在講NP completeness各類證實,randomized algorithm)
189 ML,任務量也很大,上課和考試基本都是理論,做業是用python implement各類ML model from scratch包括neural net, random forest
我的感受project的質量都很好,course staff設計的很用心,考試也有必定難度(相似T大本科生考試,會出一些怪題,十分考驗對基礎知識的掌握,基本每次平均分只有50/100左右,雖然最後會curve)
以上針對EECS系,別的系(應該)相對會水一些。 仍是十分羨慕Berkeley CS的本科生的 有這麼好的教育 並且還物美價廉(公立)
國內本科過來交流...天真直接選了 61c,170,164,164...第1、二週簡直就要死掉了...因而默默退掉了162和164...