【长期加分贴】介绍和点评你上过的公开课

The Analytics Edge (MIT)
Computing for Data Analysis (JHU)
Statistical Learning (Stanford)
Convex Optimization (Stanford)
Introduction to Computational Thinking and Data Science (MIT)
Mathematical Biostatistics Boot Camp 2 (JHU)
Machine Learning (Stanford)
Model Thinking (Umich)

1. 课程的基本信息：课程平台，开课学校，课程全名，开课时间，课程链接。
课程平台：Coursera
开课学校：UMich
课程全名：Programming for Everybody (Python)
开课时间：2014/7/2.
课程链接：https://www.coursera.org/course/pythonlearn
2. 课程难度，作业量，每周花在这门课的时间，以及你的基础(是初学者？还是本来就是你的专业内容？)
这个课对我来说难度适中。。挺好的。每周仨小时吧
我是上过几门CS的基础课，所以 选这门主要是为了学学Python，因为最近比较火
3. 各种感想、收获、课程内容介绍、你对这门课的评价等等~~这个就自己发挥啦（请具体！）
每周的那个采访挺有意思，有Piazza和JavaScript的创始人等等。课堂上的问题和老师的点拨也挺好的！！！
4. 如果让你重新学过这门课，你会在学习方法上，背景提升上会有什么样的改进(选答)
会更加注重老师 的 讲课内容，非常适合初学者。和前面童鞋的感想一样：若只是为了学Python该去上Udacity的CS101或者Rice的那门

5. 这门课和其他你跟过的课，用过的资源或者是学校上过的课有什么区别？(选答，如果你还跟过其他类似的课的话)
至今只上过这一节。

6. 给以后打算学这门课的同学一些建议（请具体！可包括任何方面）

非常适合初学者。若已经掌握一门编程语言该去上Udacity的课或者Rice的那门，听说比较深！！！

1. 课程的基本信息：课程平台，开课学校，课程全名，开课时间，课程链接。
coursera上Stanford开的machine learning，开课时间已经不记得了，课程链接https://www.coursera.org/course/ml

2. 课程难度，作业量，每周花在这门课的时间，以及你的基础(是初学者？还是本来就是你的专业内容？)
课程不难，我是Computer engineering的 上这门课之前对machine learning基本没有什么了解，只有大学数学里的基础我觉得就没有太大的问题，虽然有推导但是并不是很难，完全可以看懂。量的话不算大，每周抽一天我觉得就差不多了。作业试用octave做的，开源的matlab，比较容易上手，课程里也单独抽了一节讲octave的基本用法。作业的话做起来还是蛮有趣的，印象中有一次是写识别数字0-9的程序，当时觉得还是十分的酷炫的。

3. 各种感想、收获、课程内容介绍、你对这门课的评价等等~~这个就自己发挥啦（请具体！）
很适合入门的课程，但是同时也不会深入太多，让你对machine learning会有一个整体的印象。andrew ng毕竟是大牛，讲课的话也能让人十分明白，大牛的课程真的不容错过。但是machine learning是个大坑，光靠这一门课只能触及冰山一角。

4. 如果让你重新学过这门课，你会在学习方法上，背景提升上会有什么样的改进(选答)
暂时想不到

5. 这门课和其他你跟过的课，用过的资源或者是学校上过的课有什么区别？(选答，如果你还跟过其他类似的课的话)
学校的machine learning还没上。。。
6. 给以后打算学这门课的同学一些建议（请具体！可包括任何方面）
作业一定要认真写！！！听课看PPT虽然懂但是脑子里还是一团浆糊，写了作业会让你对这一节课的认识达到一个新的高度，非常值得！！！

1. 课程的基本信息：课程平台，开课学校，课程全名，开课时间，课程链接。
课程平台：Coursera
开课学校:  Standford
课程全名:  Algorithms  Design and Analysis- Part 1
开课时间:  coursera 上定期的就会开课，part1大概是在4~6月，part2大概是在6~8月
课程链接：https://class.coursera.org/algo-004
  
2. 课程难度，作业量，每周花在这门课的时间，以及你的基础(是初学者？还是本来就是你的专业内容？)

我本科是学CS的，不过作为**一枚，一开始上这课还是会觉得稍有难度。不过后面就好多了，主要是要适应这老师的语速~后面写作业写着写着会很high~

作业量还好，一般是 (一个question set + 一个programming question ) / week 总共是 6 weeks

每周大概要花10~12个小时，包括了看lectures还有做作业的时间

3. 各种感想、收获、课程内容介绍、你对这门课的评价等等~~这个就自己发挥啦（请具体！）

其实这门课我一开始是放弃过的，这老师的语速一开始真是没法应啊~有种在听SSS的感觉~ 后来看见coursera上又开了，第二次才跟完~
不过这门课很有用是真的，这并不是说求职啊或什么特别实际的用处。对我来说，最大的用处就是让我开始喜欢编程了，而且很多算法之前就算学过也不理解，以前的作业都是抱大腿好嘛~
调出来正确答案真的炒鸡开心~
建议之前对CS不太感兴趣的妹子试一试哦~

4. 如果让你重新学过这门课，你会在学习方法上，背景提升上会有什么样的改进(选答)

  我觉得英语听力太重要了！！！（我是渣渣，别拍）
  其实很多算法都是学过的，虽然会有那么一点不一样，但是伪代码啊逻辑啊什么的都是一样的啊，可是我第一次放弃就是因为太痛苦了，听着这老师子弹似的语速，真是被虐得妥妥的~

5. 这门课和其他你跟过的课，用过的资源或者是学校上过的课有什么区别？(选答，如果你还跟过其他类似的课的话)

我其实还选过 Princeton 的algorithm， 不过因为这个课不给certificate，我就没跟下去了~（动机好浅薄有没有~）
因为两个课都算是上过，这里来个对比：
1、内容难度：明显是Princeton的比较难，老先生讲的可轻巧了，作业一打开就愣住了，看了1小时的题目愣是没想出怎么写~相比之下Standford的就简单多了，比较像是课后小练习，题目很小，但会有些trick需要自己注意~

2、覆盖面上，我觉得两门课差不太多，因为都会有些课后阅读资料需要自己去看~

6. 给以后打算学这门课的同学一些建议（请具体！可包括任何方面）
   
  亲们，如果你还没考TOEFL，那么拿这门课顺便练听力绝对是不二法则，省去下载SSS了有没有~
  亲们，如果你已经考了TOEFL，并且感觉自己听力进步很大的话，拿这门课来检验一下，差不多每个发音都听出来就真的差不多了~俺同学说，在国外上课也基本都是这个语速啊~IBT的听力都是调慢的啊~
  恩，亲，这门课，你值得拥有！ （大神别拍~）

要求包括以下内容：
1. 课程的基本信息：课程平台，开课学校，课程全名，开课时间，课程链接。
课程平台： coursera
开课学校：National Taiwan University
课程全名： 中国古代历史与人物——秦始皇
开课时间：貌似一年开两次？我之前看见coursera上开过两次了~
课程链接：https://www.coursera.org/course/chinesehistory

2. 课程难度，作业量，每周花在这门课的时间，以及你的基础(是初学者？还是本来就是你的专业内容？)

说起来这课程算是没有任何难度的，因为毕竟大家也都学过历史。
我没有去做作业，但这门课的每一个lecture我都看了，每周大概花2~3个小时吧~

3. 各种感想、收获、课程内容介绍、你对这门课的评价等等~~这个就自己发挥啦（请具体！）

我觉得这门课很好，原因在于它的切入点很不错。我们以前学历史，都是流线式的，一上来就是拿年代划分，从古到今一个一个说。但这门课最大的特点是它的切入点是人性。它告诉你，历史也许不像理工科那样实用，但学史使人明智。历史的发展其实都是一样的，也许我们有时会觉得现在这物质发展水平就说明以前和现在完全不同了啊，但其实，人性是不变的，所以不管外在的物质世界怎么发展，很多历史上的事件还是会一再重现。
恩，我还向周围很多朋友都推荐了这门课~
  
4. 如果让你重新学过这门课，你会在学习方法上，背景提升上会有什么样的改进(选答)

当时上这门课的时候还在跟别的算法课，所以就没有做这门课的作业，如果再上一次的话，会抽时间写一下作业吧，也是对自己思考过程的一个总结。

5. 这门课和其他你跟过的课，用过的资源或者是学校上过的课有什么区别？(选答，如果你还跟过其他类似的课的话)

没有上过其他类似的课~

6. 给以后打算学这门课的同学一些建议（请具体！可包括任何方面）

虽然是学CS妹子，但仍有一颗文史心，对历史尤其很感兴趣，当时选这门课也是兴趣使然。
其实我是建议理工科的同学都看看这门课，其实也就一周的课程也就一部电影的时间啊，而且才8周~
走过路过不要错过啊喂~

我不是来刷楼的~╮(╯▽╰)╭~我不是分比较低嘛，很多申请的帖子都看不了，就想攒点分什么的。我也没别的啥信息可分享，唯一的就是公开课跟了很多，大多是计算机+文史类的~所以我就来分享顺带攒分啦~

1. 课程的基本信息：课程平台，开课学校，课程全名，开课时间，课程链接。
课程平台：Coursera
开课学校：Standford
课程全名：Algorithm: Design and Analysis, Part 2
开课时间：貌似每年的6~8月会开这个课，一般是紧接着Part 1
课程链接：https://class.coursera.org/algo2-003/lecture

2. 课程难度，作业量，每周花在这门课的时间，以及你的基础(是初学者？还是本来就是你的专业内容？)

其实我感觉part2 的难度和part 1 差不多诶，不知道是不是因为现在自己还没跟完（恩，我之前是把lecture都下下来了，现在才开始跟~目前是到week3~）
作业量就是 question set + programming assignments(这个一般都会分成两个或者三个小问题) / week
因为我现在是每天都在看这个，一天大概8小时吧，早上看lecture( 有些advanced 的啊，optional 的啊，我是挑着看的)，一天做2个programming吧~
之前上过part1(去年上的 = =)，所以对这个老师的讲课风格啊，作业的风格啊，论坛讨论啊都比较熟悉，所以进度就比较快~

3. 各种感想、收获、课程内容介绍、你对这门课的评价等等~~这个就自己发挥啦（请具体！）

其实我是觉得自己技术太渣了，然后又想出去念CS的master。虽然没有神马科研理想，只想当个码农混口饭吃，但代码还是得写的嘛~就像我再part1的分享里面说的，我其实很感谢这门课，我以前虽然没有讨厌编程，但其实对编程是爱不起来的~学校的大作业啊神马的我都是能抱大腿就抱大腿~这门有人说它很难，有人说不难。我自己是觉得多看几遍，你肯定就能弄懂的。主要是你不很反感编程，就肯定能找到乐趣。不是有句话是这么说的嘛，有时候你没兴趣只是因为没有从中获得成就感~而成就感这东西就像滚雪球，会越滚越大的~
说一个比较心酸的经历吧，我之前不是觉得这门课的老师说话快嘛，part1 - week4有个作业我死活没弄明白，就跑去请教大神同学，大神同学说你先把视频给我看看，我说，这老师说话挺快的~他说：哦，我觉得还好~然后他把语速调快了2X ，10分钟的视频，5分钟扫完了，然后花了半小时跟我讲这个算法（T T 大神，求轻虐~）

4. 如果让你重新学过这门课，你会在学习方法上，背景提升上会有什么样的改进(选答)

现在还在跟着，之后跟完再来更~

5. 这门课和其他你跟过的课，用过的资源或者是学校上过的课有什么区别？(选答，如果你还跟过其他类似的课的话)

这个在Part1那里有和Princeton 的algorithm 比较过~这里就不赘述了~

6. 给以后打算学这门课的同学一些建议（请具体！可包括任何方面）

1、 手边可以备一本《算法导论》，恩，中文版的就可以。
2、 不懂的地方多google~恩，discussion forums是个好地方,你遇到的问题很可能大家都遇到了~（什么栈溢出啦~用什么数据结构比较省事儿啊~test case 明明通过了，为什么一到作业就卡住 ？之类之类的）
3、 视频什么的一遍看不懂没啥，因为里面没有具体的code,连伪代码都是老师手写的（= = 像鬼画符一样的伪代码）所以多看几遍才理解真的是炒鸡正常的，别因为这个就弃课了啊~

再来一记~~今天的作业还没写完~别的明天再添了~

1. 课程的基本信息：课程平台，开课学校，课程全名，开课时间，课程链接。
课程平台：Coursera
开课学校：University of Michigan
课程全名：Internet History, Technology, and Security
开课时间：Jun 1st  2015 (貌似是每年的暑假档会开课)
课程链接：https://www.coursera.org/course/insidetheinternet

2. 课程难度，作业量，每周花在这门课的时间，以及你的基础(是初学者？还是本来就是你的专业内容？)

这课是没有编程作业的，纯粹的互联网发展史了解课程。
作业其实都很简单，有点像是历史课的作业一样。
每周花的时间基本也就是看lecture的时间吧，每周大概3小时~
因为我是学CS的，对互联网的发展什么的比较感兴趣，所以就选了这课。

3. 各种感想、收获、课程内容介绍、你对这门课的评价等等~~这个就自己发挥啦（请具体！）

这门课有两大特点：
一是：老师好逗~讲课的语调就让人觉得这老师萌萌哒~ 每一周的lecture后面他都会放一个视频，里面是他去了某个地方和当地的学生（上这门课的学生）的交谈什么的~
二是：lecture并不是纯PPT，会有当时事件的当事人的一个采访（有时会是老师直接采访，有时会是youtube上的一个链接视频）
         比如说，在讲到World Wide Web 的诞生的时候，就会有Robert Cailliau 的一个采访，看起来就会觉得还震撼的，（膜拜大神~）
        再比如说，在讲到 Amazon诞生的时候，就讲到Jeff Bezos 的一个采访~有种还原历史的感觉~
         噢，里面还提到了网景公司哦~（对，就是被微软挤掉的那个浏览器公司~）
   之前其实看过吴军的《浪潮之巅》，还挺受触动的，（但大神同学表示很不屑~觉得有这时间还不如看kunth 大神的书~╮(╯_╰)╭~）
   如果你这门课感兴趣的话，也强烈推荐你看吴军的《浪潮之巅》~

4. 给以后打算学这门课的同学一些建议（请具体！可包括任何方面）

其实像这种非编程类的CS课，跟完无非就是靠兴趣~因为其实就算你了解了互联网历史也不能代替刷题啊对不对~
还是强烈推荐大家去看看这门课的，就当是课后休息了，还顺带拓宽了自己的眼界神马的~

1. 课程的基本信息：课程平台，开课学校，课程全名，开课时间，课程链接。
课程平台：Coursera
开课学校：Johns Hopkins University
课程全名：R Programming
开课时间：每个月都会有
课程链接：https://class.coursera.org/rprog-009

2. 课程难度，作业量，每周花在这门课的时间，以及你的基础(是初学者？还是本来就是你的专业内容？)

我的基础：CS**一枚，平时常用的语言是java,可能编程语言之间都是相通的吧，语法上明白了就很好弄懂了。
课程难度：quizzes 比较简单，几乎是看过一遍lecture 就可以一遍答完的~也可能是这门课是入门的吧，题目比较简单；但是编程作业相对没有那么简单（可能是我太弱了吧~），有些地方还是需要回头多看几遍，特别是数据库基础比较弱的童鞋~
作业量： 1quiz + 1 programming assignment
花的时间：我一般上午看课做作业，大概三天可以完成一周的作业和看完视频


3. 各种感想、收获、课程内容介绍、你对这门课的评价等等~~这个就自己发挥啦（请具体！）

其实这门课真正的编程不多，不会涉及到很多算法，一般就是一些简单的逻辑运算（有点类似数据库原理）对数据进行分析~
其实是想去CMU的BIC，看了BIC官网的课程介绍，我就想给自己扯个相关背景，再不济也可以说自己对Computional biology超级感兴趣,还专门去找了coursera上的课来看呢，所以就搜了JHU的好多相关课程。一开始先上的practical machine learning，但里面的数据处理模型什么的都是用R语言，我之前连R语言是什么都不知道~囧~写作业都不知从何下手~所以就先上了这门R Programming，这门课也不长，只有4 week, 而且上手很快，网上的相关帮助文档也很多。

4. 给以后打算学这门课的同学一些建议（请具体！可包括任何方面）

写作业的时候无意中搜到了一个好资源 http://tryr.codeschool.com/levels/1/challenges/1 这个是O'REILLY 赞助的一个R语言学习网站，有点通关打怪兽的感觉 （= = 其实我没怎么玩过游戏~）页面设计得很萌~8个challenges 涉及的内容都很基础,但也足以使你对这门语言有一个大概的感觉了。跟一遍下来也就2小时~强烈推荐哦~它还有别的编程语言哪，ruby, javascript ~~

我也来一发吧，不知道有没有人提到过这个课

1. 课程的基本信息：课程平台，开课学校，课程全名，开课时间，课程链接。
课程平台：iTunes U (163网易公开课也有,很多地方都有)
开课学校：Harvard
课程全名：CS50 - Introduction to Computer Science
开课时间：随便去看哈哈，这个课很火
课程链接：https://cs50.tv

2. 课程难度，作业量，每周花在这门课的时间，以及你的基础(是初学者？还是本来就是你的专业内容？)

我的基础：我是一枚非CS专业的妹子
课程难度：我觉得蛮难的，基本上第三周的作业记得发下来有600行代码....然后有种我怎么这么笨，果然哈佛的学生聪明之感，后来在课程主页发现还有两个小课帮助做作业的，后来做起来就还好，不过经常还是有做不出来的感觉
作业量： 一周一assignment
花的时间：从第三周开始，做一个作业需要大量的时间花费，需要看70-80页的材料，然后代码也需要敲蛮久的


3. 各种感想、收获、课程内容介绍、你对这门课的评价等等~~这个就自己发挥啦（请具体！）

这个老师非常有个人魅力，然后不知道真是我太笨还是怎么回事，一个introduction的课也是可以上的我跪了。。。。
也可能是我花的时间还不够多吧
但是如果谁想入门C，我推荐这个课
跟着做，然后至少在学的那一段时间会非常印象深刻的


4. 给以后打算学这门课的同学一些建议（请具体！可包括任何方面）

一定要上课程主页去看助教讲的总结和帮你写作业的课，不然真的会哭，觉得自己智商巨低.....

要求包括以下内容：
1. 课程的基本信息：
课程平台 coursera
开课学校 Duke University
课程全名 Data Analysis and Statistical Inference
开课时间 每年3-5月 ， 9-10月
课程链接
https://www.coursera.org/course/statistics
2.
课程难度：属于基础入门级的课程
作业量：每周有1个quizz 一个 lab assignment, 期中考试，期末考试，还有一个小的project， 用r 做一个统计分析
每周花在这门课的时间  包括听课程内容和做作业 在7、8个小时左右
以及你的基础 我曾经在学校里上过类似专业的课程，但时隔已久，已经有些不记得了

3. 各种感想、收获、课程内容介绍、你对这门课的评价等等~~这个就自己发挥啦（请具体！）
这门课的设置我个人的感觉是深入浅出，非常的系统和完整，是对统计学基本概念一个很好的梳理。
课程内容 包括 probability, distribution, hypothesis test, GOF TEST, ANOVA, linear regression, model selection
同时每阐述一个概念，都会有现实生活中的例子，很好理解。
以前我一直都觉得统计学很难，但是同样的内容这门课让我学起来很轻松。
老师的讲解很到位，脉络非常清晰。强烈推荐给想对统计学有基本了解的同学。


4. 如果让你重新学过这门课，你会在学习方法上，背景提升上会有什么样的改进(选答)

5. 这门课和其他你跟过的课，用过的资源或者是学校上过的课有什么区别？(选答，如果你还跟过其他类似的课的话)
这门课虽然比较初级，但是非常全面和系统。对于理解更高阶的统计学知识有帮助

6. 给以后打算学这门课的同学一些建议（请具体！可包括任何方面）
这个课程可以花49美金取得一个签名证书，如果想要得到证书的同学一定要尽早办理，有好多同学都是到饿最后才想拿证书，但是无法办理了。