登录网易通行证
使用网易通行证(含网易邮箱)帐号登录
提交您的投诉或建议
视频画面花屏
视/音频不同步
播放不流畅
分享给朋友:
扫描分享给微信好友和朋友圈
扫一扫分享给微信好友和朋友圈
通过代码可以让这个视频在其它地方上播放！
复制FLASH代码
复制HTML代码
复制页面地址
使用公开课APP下载视频
扫描二维码 手机继续看
扫描二维码在手机上继续观看，
还可分享给您的好友。
没有公开课客户端？
登录后才能查看我的笔记
暂时没有笔记!
确定删除笔记？
即将播放下一集，请您保存当前的笔记哦！
对字幕纠错要登录哦！
内容不能少于3个字
本课程的两位协调教师Margaret Swisher和Barbara Myslik对课程做出介绍。克服公众演讲焦虑加州大学戴维斯分校开设的一门是针对研究生程度的学生公开演讲方面的课程。在本集课程介绍中两位教师分别结合自己的亲身经历讲述了开设本课程的缘由。以及使用的教材、课程的组成，包括后面课程中的客座教授的教学背景等相关信息。
本节课程由来自Kaiser治疗中心的婚姻家庭理疗师Sharon Sausto Lasser为大家讲解焦虑概述。主要包括如下内容：焦虑是什么？什么导致焦虑？都有什么症状？什么情况下会产生焦虑？有何应对的疗法？以及其他一些可以帮助控制焦虑的方法。
来自UC Davis的传播学教授Michael Motley为同学们讲述如何减轻公共演讲焦虑。在这节课中，Motley教授解释了演讲中交流导向和表演导向的不同。也给出了如何降低焦虑的一些方法。Motley教授同时是《战胜公共演讲恐惧》一书的作者。
本节课程客座教授是来学生心理咨询服务中心的Thomas Roe，他的专长是对研究生压力和焦虑的治疗，以及生物反馈疗法。本节课从中他将讲述一些缓解压力的常规方法及技术手段。以及在UC Davis校内可以使用到的一些资源。在本课程的后半部Barbara Myslik为大家讲述了如何避免演讲中的一些常见错误，以及公共演讲的四个C理论：交流、清晰、控制和信心。
本节课程由Barbara Myslik为大家讲解组织演讲的不同方法。有很多组织演讲的方法，最好的方法由听众决定。如何能让听众记住你演讲的重点？如何影响你的听众？都可以在本课程中得到解答。
本节课程由Barbara Myslik为大家讲解如何组织演讲中的信息。课程中使用了一位同学的具体演讲举例。（本节课程视频不完整）
本节课程由Barbara Myslik向大家讲解如何有效地使用演讲辅助。包括使用PowerPoint。内容涵盖了什么时候应该使用视听辅助？有什么常见错误以及如何避免？如何通过视听辅助更好的向听众传达你的信息以及更容易记住所讲的内容。
关于演讲及PPT 的几个小tips
1 一定要有备用方案，免得在视听设备出问题后，演讲无法进行
2 演讲的时候不要对着PPT讲，记得要对着观众讲，有眼神交流等
3 PPT 是给观众看的，不是给演讲者准备的
4 PPT不要用大段文字，要让PPT 简介，有趣，易记
5 在不需要PPT的时候，演讲可以不用PPT
[第8课]计算机视觉辅助的好坏丑
本节课程着眼于演讲辅助的技术方面。Fernando Socorro，来自UC Davis的IT专家，在本节课程中讨论计算机视觉辅助，包括PowerPoint以及Mac系统的Keynote。Fernando演示了制作好与坏的不同幻灯片，还给出了一些通过视觉辅助和听众交流的最有效的方法。
Charles Bamforth，加州大学戴维斯分校食品科学与技术系教授。他的专长是啤酒酿造。在本节课程中 Bamforth 教授为大家讲解如何面向非学术听众阐述复杂概念，包括方法和举例。其中一个例子是他以听众没有化学及物理学知识背景为前提，解释了盐如何溶解于水。
学校：加利福尼亚大学
讲师：Margaret Swisher,Barbara Myslik
授课语言：英文
类型：心理 演讲 国际名校公开课
课程简介：本课程旨在帮助研究生和博士后们做好在各种听众面前进行优秀的演讲的准备。本课涉及的公众演讲技巧适用于各领域的学者和研究人员。公众演讲的这些要求是常见的研究生在研究的各个领域。讲者包括经验丰富的教师成员在公开演讲，以及加州大学戴维斯分校的通信学者迈克尔杂色，其在公开演讲中问题的研究已经获得了国家的声誉。
扫描左侧二维码下载客户端【长期加分贴】介绍你上过的公开课
精华主题学分
高级农民, 积分 1034, 距离下一级还需 3966 积分
在线时间 小时
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：网易公开课
开课学校：MIT
课程全名：算法导论
开课时间：有年头了
课程链接：
老师：Charles Leiserson & Erik Demaine
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？)
上学的时候学过算法，不过听了这门课后发现自己当时学得明显不够深入。
基本上2天1节课，会跟着老师一起思考，老师也是从基础讲起，循序渐进，不过没有啥quiz和assignment.
另外学习这门课的话，最好有一些概率和数分的基础，不然老师讲证明的时候听着会有点吃力。
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
两个老师都讲得很好，并且都是伴着数学证明由浅入深，但是由于年代比较早，老师都是手里拿着讲义在黑板上做版书，所以听起来效果肯定不如身临其境或者有ppt的动态显示来得接受得快。不过总体如果跟一直跟下来，还是会有收获的。这门课我学了两遍，第二遍收获更大。
后面会跟沙发提到的Coursera里Princeton的Algorithms
<p id="rate_25" onmouseover="showTip(this)" tip="感谢分享！&大米 + 3 升
" class="mtn mbn">
<p id="rate_16" onmouseover="showTip(this)" tip="期待继续分享，多次分享加成奖励！&大米 + 20 升
" class="mtn mbn">
<p id="rate_67" onmouseover="showTip(this)" tip="感谢分享！&大米 + 50 升
" class="mtn mbn">
精华主题学分
在线时间 小时
本帖最后由 mhbkb 于
12:27 编辑
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：网易公开课
开课学校：MIT
课程全名：线性代数
开课时间：有年头了
课程链接：
老师：Gilbert Strang
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？)
本科是数学专业，当时学的是高代，所以想再学一下线性代数，就学了这门课，不用各种证明的赶脚就是好(==大牛勿喷)。
工作日在公司看天中午看一集，跟了两个月，当时脑子里都是矩阵啊、线性相关啊啥的。
网易上的公开课基本都没啥作业或者说录视频的时候都没有把布置作业和quiz放到视频里，不过大家上课认真听，收获也能不小啊。
最好上学时学过高代或线代再听这门课，不然容易有盲点，或者手里能有本教材跟着听，听听看看教材这样便于理解。
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！）
Gilbert老爷爷还是很和蔼的，虽然这门课挺boring的，他偶尔能出个经典段子 &I will not prove it, since life is short&, 学生指出的一些小的mistake他也能谦虚接受还说&好了，你平时成绩是A&。
上课讲得内容还是比较入门的，一些很大的知识点一两节课也就跳到下一节课了，入门或者温习很适合学这门课。
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)
如果再学这门课，会将上课时老师提到的一些例题再做一遍，这样理解得更快些，毕竟没啥quiz.
不好意思没注意17楼有介绍了Gilbert的线代了&& 这里比较全
<p id="rate_25" onmouseover="showTip(this)" tip="感谢分享！&大米 + 3 升
" class="mtn mbn">
<p id="rate_16" onmouseover="showTip(this)" tip="我也是数学本科，正在看这门课！&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
快下班了，再来一个好久之前跟的一个公开课。
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：网易公开课
开课学校：斯坦福
课程全名：从生物学看人类行为
开课时间：有年头了
课程链接：
老师：Robert Sapolsky
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？)
12年下半年准备T时，新X方的老师推荐的，因为那时T考试听力有好多的生物学的题目。
不需要基础就可以学，不需要写啥作业，一共25集，每集时间较长，一般都100分钟左右。当时工作忙，每天晚上回来坚持看半集，断断续续地三个多月才看完。
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！）
Robert Sapolsky教授一看就是智商极高的人，上课板书啥的都是左手，讲着讲着就会蹦出一个小老鼠、小篇幅的例子来，使得课堂不那么枯燥。听了5 6讲的时候不太坚持得下去了，因为当时的主要目的是为了提高英语能力，听得的时候有好多专业名词必须对着字幕看才能听懂，后来又被课堂内容吸引，就咬着牙坚持下来了。
从课程内容的条件来说，还是不错的，能看到无论啥物种都是义无反顾地为了维护自己的种群、家族、后代不惜一切代价，甚至是牺牲自我(有点主观了，毕竟不是这方面专业的，从自我感受来谈的)，所以如果有大把时间不知道干啥，可以学学这门课的，还挺拓展视野的;
如果是想提高英文能力的话，特别是准备G T的同学来说，不太适合这门课，战线太长，但是有想长期提高英文水平打算的话，也可以用空闲时间来学习这门课。
<p id="rate_16" onmouseover="showTip(this)" tip="thanks for sharing&大米 + 60 升
" class="mtn mbn">
精华主题学分
在线时间 小时
又闲的蛋疼来混分了。。
1. 课程的基本信息：
课程平台：Coursera
开课学校：Stanford
课程全名：Probabilistic Graphical Models
开课时间：4/8/2013 （貌似很久没更新过了- -|||）
课程链接：
课程难度：4/5
作业量：当时开课的时候有两个选项，一个基础是跟完quiz，还一个提高是跟完作业
每周花在这门课的时间：quiz为止5小时左右（其实记不清了），作业在此基础上加8~10小时每周（matlab初学者请自行+2~5小时）
以及你的基础：CS，research其实不是完全相关，当时matlab基础还可以，比初学稍微好点
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！）
适合对PGM做一个很general的了解，几乎常用PGM都会说到，也会介绍一些PGM里面很经典有用的算法（概率传播、HMM、MRF、CRF之类的）。
据说和stanford上课的难度差不多，这是一门研究生基础课（或者本科生进阶课），所以不是闹着玩的工作量/难度，概率不好可能会更难受。
对于PGM已经比较熟悉但是希望多了解理论的同学不建议上，这门课对你来说将是一个PGM浅尝辄止的review，不涉及太多的“为什么应该这么训练PGM”的回答（着重是怎么做）
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)
仔细看video，弄清楚之后好好弄明白programming assignment怎么做以及怎么错的。。
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)
上了这门课就没计划在Stanford再选了，不过据说形式差不多（这句话的置信概率约50%），不过我见过一些书面作业，还是比MOOC版本深的。。
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）
如果想做作业体验一下实现PGM乐趣的话，建议选课前先学一点matlab，不然整个课的作业会感觉很overwhelming，会丧失学习动力和乐趣的。
另外如果只是想了解一下的话，好好做quiz也能学会不少东西。
<p id="rate_16" onmouseover="showTip(this)" tip="thx~求继续介绍！&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
我也来凑一句~
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：Udacity
课程全名：Intro to Computer Science
开课时间：随时都开放
课程链接：
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？)
挺不错的CS的入门课，使用Python，主体目标是设计一个网络爬虫，还算有趣，去年暑假的时候学习的，
对于零基础的话，一个半月应该差不多能完成。之前自己有些编程经验，每周大概4,5个小时吧。作业量适中，看个人水平~
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！）
和Coursera的方式很不一样，基本上是即时的交互，即时的反馈，从体验上来说更胜一筹，而且你在看视频的过程中会不断的
强化已经学过的知识，所以印象会很深。这门课也可以算得上是python的入门课，对于没有CS背景的同学来说是非常合适的。
课程设计也很巧妙，最终把所有知识串联起来，一个小小的搜索引擎就完成了~
4. 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)
还上过MIT的《计算机科学与编程导论》，也是用的python，难度稍微深一些，作业强度还是挺大的，每周都要看pdf的材料，
作业都是和实际应用有关，涵盖各个方面，感觉也还行，就是作业完成不能及时反馈，只能自己检查了~
5. 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）
首先，对于没有基础的同学来说，如果打算学那就不要有心里上的负担吧，跟着老师一步步走，循序渐进，应该是没有任何问题的，
因为每一次的test之后老师都会仔细讲解为什么，而且讲的很详细。另外，学CS还是要多动手写程序吧，碰到卡壳的地方还是自己
<p id="rate_25" onmouseover="showTip(this)" tip="感谢分享！&大米 + 1 升
" class="mtn mbn">
<p id="rate_67" onmouseover="showTip(this)" tip="感谢分享！&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
本帖最后由 王了个帅 于
17:20 编辑
在几个平台也上过几门课看过些视频，今天先分享一门吧
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：Udacity
开课学校：Udacity. Peter Norvig and Sebastian Thrun
课程全名：Intro to Artificial Intelligence (CS271)
开课时间：self-paced（也是我认为udacity比coursera好的地方）
课程链接：/course/cs271
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？)
课程难度还算可以，如果前期修过Udacity 的Stat 101 并且对 bayers rule 和概率有一定基础的话应该还是不难的。
由于是self-paced，所以可以根据自己的时间抽空学习，而且讲解后一般都紧跟练习题，这样对概念可以有实践。
当时大概是花了一个月的时间，每天2个小时左右修完。
我的基础不好，只是初学者，之前学过CS101，Stat101，有python的基本经验。
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！）
这门课总体来说还是不错的，内容不是特别深，但是覆盖面广，是一门很好的入门课程。
有些很有意思的内容，比如HMM and filters, robotics, computer vision, bayers network.
两位老师都是大牛，但是个人感觉Seb的讲解偏实践，更容易理解，而Peter的讲解较为抽象，相对来说理解要难一点。
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)
一定要跟课做笔记，然后多复习，把基础打实才能更进一步。
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)
Udacity 的课一般都是讲解紧跟题，这样刚刚讲过的内容就可以应用到练习中，这种方式相对很不错。但是由于人的记忆规律，还是要时常复习。
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）
学这门课前对python，概率有一定的了解为佳。当然也可以随着课程的进行补充自己的知识漏洞。
有的概念比较抽象的（Peter确实是牛人，但是有的概念对初学者来说还是有些晦涩）可以反复看录像，然后自己消化。
如果卡在一个地方，可以停停，或者先迈过去。学习是一辈子的事情，自己的知识体系早晚都要建立，贵在坚持。
最后祝所有的朋友都能在这门课中有所收获！！！
<p id="rate_16" onmouseover="showTip(this)" tip="thx~&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
再来分享一门今天晚上刚刚完成课程，Udacity 的Intro to Data Science
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：Udacity
开课学校：Udacity. Dave Holtz
课程全名：Intro to Data Science
开课时间：
课程链接：
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？)
课程难度中级吧，如果之前有些SQL 和Python （尤其是pandas）的基础的话应该还不算太难。
同时顺带说一句有本书叫 Python for Data Analysis 挺不错的，有兴趣的同学可以研究下。
另外最后一个project 是 Hadoop and MapReduce的，是个人感觉最耗时间的，不过三个ex做下来也积累了不少。
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！）
这门课总体来说也还是不错的，虽然内容不是特别深，但是作为一门引导课程还算合格。
可能是由于刚开课的原因，grading system 偶尔有些小的bug，后期应该会修正。
这门课的作业都比较practical，做完了能有些进步。
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)
建议稍微有点SQL 和Python 背景的同学学习，否则可能会感觉太快。如果重新学一次还是按部就班，踏踏实实。
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)
课程的作业还不错，虽然不是特别深，但是也可以让学生对Data Scientist 的工作内容有一些了解。
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）
建议稍微有点SQL 和Python 背景的同学学习，否则可能会感觉太快。
有的时候可能卡在一个练习上也不要放弃，也不要着急，多发帖和一起学习的同学讨论。
如果有关于课程方面的其他问题，可以单独联系我，我会尽力解答。
<p id="rate_07" onmouseover="showTip(this)" tip="多谢~注册了这门课，但还一直没时间上&大米 + 10 升
" class="mtn mbn">
<p id="rate_67" onmouseover="showTip(this)" tip="谢谢你的介绍！&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
本帖最后由 rsun 于
23:54 编辑
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: 开课学校: Stanfrod U课程全名: introduction to computer science |programming methodology开课时间: 网上给出了所有课程资料，随时都可以跟，自己把握进度课程链接:
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？)
课程难度：入门级，但是作业量非常大，如果是非科班，一周20h以上。老师语速非常快，我听力算比较好的了，不看字幕勉勉强强能听懂一半，剩下一半自己看书领悟。我的基础是C程序在非科班里面算高手。
3. 各种感想、收获、课程内容介绍、你对这门课的评价等等~~这个就自己发挥啦这是我这辈子至今为止上过的最好的一门课，这个老师是我至今为止遇到的最好的老师，没有之一！备课堪称完美，讲课水银泻地没有一个停顿，几乎没有一句废话，讲的非常清楚。由浅到深逐步介绍java，非常合理的作业练习，让你巩固课堂内容。这是大S的CS课录像，个人觉得比coursera上的课程质量要高出一些。课程就是由零基础，给你讲java，一开始听机器人的编写可能云里雾里，但是他只是一个介绍，让你产生兴趣。第三节课大概，后，才是正式的内容。地里原来跟过，大家的反应跟我差不多。强烈推荐大家跟下来！
4. 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)暂时只跟过Princeton的algorithms。首先声明，algorithms的老教授上课很辛苦，我很感激他，课件作业也很认真，收获颇丰。但是如果要比较的话，个人感觉，备课，人格魅力，上课不打瞌睡，吸引学生兴趣等等，mehran完胜。可能是算法本身就难懂，再加上我有C程序的基础去学的java，总觉得斯坦福的书比Princeton的更容易懂
<p id="rate_700" onmouseover="showTip(this)" tip="这个老师之搞笑～～～～～&大米 + 5 升
" class="mtn mbn">
<p id="rate_25" onmouseover="showTip(this)" tip="感谢分享！&大米 + 3 升
" class="mtn mbn">
<p id="rate_16" onmouseover="showTip(this)" tip="感谢分享！再接再励！&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
不想复习的午后是水介绍帖的好时间。今天来絮叨絮叨hinton大神的课。
1. 课程的基本信息：
课程平台：Coursera
开课学校：University of Toronto
课程全名：Neural Networks for Machine Learning
开课时间：10/1/2012 （貌似又是一个很久没更新过了的课- -|||）
课程链接：
课程难度：3/5
作业量：一般
每周花在这门课的时间：quiz一小时一般都能搞定，不熟matlab估计2小时吧
以及你的基础：CS，相关research但是research基础没什么关系
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！）
基本上是一门神经网络方向百科全书式的课程，hinton大神是这方面做了很多年了，带出的学生（Yann LeCun为首）都已经是NN方面独当一面的大牛了，他在NN上的资历应该不言自明。整门课基本上涵盖从perceptron算法开始的一系列计算机科学史上基于神经网络的思想，对AI问题的主要进攻，包括很多很有启发性的经典模型。在课程的最后，hinton还会介绍一些近年来deep learning的发展，包括一些近年来（应该说当年了）多伦多大学（他们组以及他的前学生Ruslan Salakhutdinov）、蒙特利尔大学（Yoshua Bengio）、NYU（Yann LeCun）在deep learning研究中取得的一些比较有趣的进展。
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)
仔细仔细再仔细地看video，上课其实讲了很多很有用的知识，很多quiz错了都是因为video没认真看。。
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)
没上过相关的科目，感觉一般学校不会开这种课专门介绍一个理论上尚不成熟的领域，所以这门课应该是不错的deep learning入门（当然还有Stanford的UFLDL教程系列）
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）
感兴趣deep learning的话可以考虑了解一下。。
<p id="rate_16" onmouseover="showTip(this)" tip="太感谢了，求UFLDL介绍&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
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：UCB
开课学校：UCB
课程全名：CS 61B Data Structures
开课时间：1月22号到5月7号(每年秋季和春季都有，不知道夏季有没有了)
课程链接：课程官方主页链接：
& && && && &&&Youtube链接（fall 2006）：
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？)
课程难度: 个人感觉讲的还是比较基础。而且是用JAVA讲的，省去了操作指针带来的麻烦。
作业量: 几乎每周一次作业，一共十次，还有三次项目和大量阅读。
所花时间：每周大概花10个小时左右： 3个小时视频，4个小时写作业，3个小时阅读资料，因为官方大纲上每次课结束后都有大量的资料要读，而且读那些资料是一个非常好的补充。强烈建议大家跟着读。教材网上都能下到。
背景基础：本人国内CS专业（非牛校），基础很差，就不多说了，国内的本科教学大家也很清楚的。
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
各种感想：这门课是我真真正正理解数据结构的第一门课，老师在讲这个课的时候讲的非常清楚。 基于以下几个理由，我在这里强烈的推荐给大家：1. 这门课老师讲课的时候手中有一份讲义，那个讲义从06年到14年在内容和顺序上几乎没有变化，所以你可以选择听06年的（youtube链接），也可以听14年的，官方主页上的链接。讲课内容没有太大的区别，但是学生问问题环节差别就很大了。06年估计很多人刚接触JAVA，所以问的问题很基础，非常适合初学者去听，14年感觉大家对JAVA都很熟悉了，所以问问题的难度有点大，有经验的想加强的可以去听听。2. 这门课老师上课节奏把控的很好，可以说没有半句废话。每讲10分钟左右会让学生问问题，正好可以让你喘息一下。3. 这门课老师是写板书的而不是用PPT，这我非常喜欢，节奏很舒服，不会快。4. 这门课老师上课是按照讲义讲的，那份讲义能在官网上下到，几乎是100%的copy了老师上课讲的内容，如果你上课的时候没有听的太明白，这份讲义可以作为一个很好的补充。5. 也是最重要的，这门课有schedule，完全和UCB一样，所以你可以按照官方网站上的schedule去跟，该due的时候把作业写完，比单纯online的课程更容易坚持下来。
各种收获： 收获前面也说了，让我重新认识了一遍JAVA，重新认识了数据结构在计算机里的用途。
课程内容介绍：不多说了，直接看schedule，什么都明白了。
评价：如果这门课满分10分话，我打11分。强烈推荐给每一位同学，尤其是想转专业的同学。
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
我最开始是先打印讲义，然后边听课边在讲义上记笔记。 后来发现这样记住的东西太少了，所以改为先听课，边听边记笔记，下来复习的时候再打印讲义看看什么地方不清楚。感觉这样效率更高点
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？
我上学期在匹大（upitt）信息学院也在上过数据结构，感觉老师上课废话很多，讲的东西很少，也很不清楚，后来听了UCB的发现牛校就是不一样。老师上课讲课效率高，讲的也很清楚。
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）
第一，动手记笔记，好好把笔记保存好，以后面试绝对能用上。
第二，一定要写作业，如果半个小时还没有思路，请谷歌。
第三，项目一定要做，写代码和调试是学习数据结构最快的方法。
第四，不要再问转专业该怎么办，学什么。放下问题，先把这个视频听完，踏踏实实的学完，相信你自己都能知道接下来该怎么学了。
<p id="rate_342" onmouseover="showTip(this)" tip="感谢分享！&大米 + 2 升
" class="mtn mbn">
<p id="rate_982" onmouseover="showTip(this)" tip="感谢分享！&大米 + 3 升
" class="mtn mbn">
<p id="rate_49" onmouseover="showTip(this)" tip="感谢分享&大米 + 3 升
" class="mtn mbn">
<p id="rate_82" onmouseover="showTip(this)" tip="感谢分享！!!!!!!&大米 + 3 升
" class="mtn mbn">
<p id="rate_60" onmouseover="showTip(this)" tip="欢迎来一亩三分地论坛！&大米 + 3 升
" class="mtn mbn">
<p id="rate_23" onmouseover="showTip(this)" tip="欢迎来介绍你知道的情况&大米 + 10 升
" class="mtn mbn">
<p id="rate_995" onmouseover="showTip(this)" tip="刚刚开始学感谢推荐！&大米 + 3 升
" class="mtn mbn">
<p id="rate_19" onmouseover="showTip(this)" tip="深度感谢！自己没太多分，但是给个权限范围.&大米 + 2 升
" class="mtn mbn">
<p id="rate_67" onmouseover="showTip(this)" tip="太详细了，必须顶啊！！！&大米 + 150 升
" class="mtn mbn">
精华主题学分
在线时间 小时
本帖最后由 JessicaVans 于
09:40 编辑
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: Columbia University
课程全名: Financial Engineering and Risk Management （Part I & Part II 全部跟完）
开课时间: Part I
（6 weeks）
& && && && & Part II
（6 weeks）
课程链接: https://www.coursera.org/course/fe1
& && && && & https://www.coursera.org/course/fe2
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？)
课程难度：最好对各类金融产品种类及关联有基本的了解，概统稍有了解。授课内容清晰直接，重点明确，进度适中，多公式（基本的概统），另配有模型构建方法的讲解，并提供参考模型，论坛很活跃，有问题基本可以通过看讨论贴解决。
Part I 会从基础的讲起，如远期、期货、互换、固定收益、信用衍生品等衍生品构建方法、二叉树模型、MBS等等。
Part II 会讲portfolio、CAPM、statistical biases、Gaussian copula、CDO and risk managemet等。
课程建议配书 David G.Luenberger - Investment Science，我个人直接用的 John Hull - Options, futures, and other derivatives
作业量：本人金融专业，每周看课件及做作业花费10小时左右时间（大部分消耗在调模型上）基本的Excel就可以完成，如果VBA和matlab用的好更赞。
若没有基础也没关系，多花点时间耐心看share出来的模型，每个细节专心研究，并配合JohnHull的OFOD bible，会有很大的提升。
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
论坛活跃，课件简介清晰，提供参考模型都是非常赞的部分，自己再配合工具书学习，效果很好。
4. 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)
学校学习过衍生品课程，感觉Coursera FERM这门课的实操是个亮点，每次都要自己调模型，对产品的细节理解更加深刻。
<p id="rate_67" onmouseover="showTip(this)" tip="感谢分享！&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
本帖最后由 venomtian 于
21:59 编辑
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：EDX
开课学校：H
课程全名：HSPH-HMS214x Fundamentals of Clinical Trials
课程链接：
开课时间：14 Oct 2013
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，只是听课做作业的话每周2-3h，我本来就是学医的，但听下来感觉老少皆宜
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
应该有些统计的同学毕业后去医药公司做SAS Programmer，那么这门课可以让你熟悉临床试验相关的知识，很多临床试验里提到的名词，ARM, ENDPOINT, OUTPOINT, STUDY POPULATION, REFERENCE POPULATION, REGIMEN, DSMB, INFORM CONSENT, EFFICACY, BASELINE等等，都有详细的解释，实乃医药行业sas programmer居家必备。另外，H大的老师平时上课都是西装领带么。。。
这门课最大的优点在于给出了很多引用次数上四位数的参考文献，很多都是改变某个疾病治疗方案的经典临床试验，对于想在这个行业混的童鞋，读一读应该很有收获。
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
这门课会有几个讨论的项目，当时比较忙错过了，有时间的话应该参与一下的，这样应该能学到更好。
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？
cousera上最近开了一门课，，叫Design and Interpretation of clinical trials, 现在进行到第四周，这门课讲的更笼统写，很多概念没有edx上讲的细，适合有点基础，比如听完edx这门课的同学跟。
6. 给以后打算学这门课的同学一些建议
如果有时间，尽量把里面给出的参考文献打印出来好好看看，当然这样的话估计一周得要10+小时。
<p id="rate_67" onmouseover="showTip(this)" tip="感谢分享！&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
本帖最后由 random2000 于
11:50 编辑
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：Cousera
开课学校：University of Washington
课程全名：Programming Languages
开课时间：2013 fall
课程链接：
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？)
掌握一门编程语言，java, c/c++, python...
难度不是很大，每周大概2-3小时的video， 每天3 - 5 小时不等的编程时间，还有两个exam。
据说和实际University of Washington 的课程一模一样。
我是有一点基础，学过java, c++, data structure..
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
讲的十分的好，比起基础课，这个课有很多PL的理论知识，感觉这种理论知识对于学习新语言上手有很大帮助。因为你学习了基本现在流行的各种semantics。
如果时间合适的话，感觉还是很值得学习的
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)
感觉学的时候对于概念性的问题不是很上心，如果再学，那些概念一定好好记住，现在很多概念都是听着熟悉，其实忘记什么意思了-.-
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)
我感觉最好的是老师真的讲的好，和他本身学校的课一样也是一大优点。
video中有很多code的例子，基本他讲课是 先介绍一个概念，然后再通过写实际的例子让你理解概念。
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）
video一定要好好看，记住那些概念，因为以后学其他语言的时候可以用到。
老师的例子都很经典感觉，作业也都用到了学到的东西，所以如果发现作业做不出来，一定要再好好看video，因为作业会用到的东西他都讲过了..
<p id="rate_67" onmouseover="showTip(this)" tip="谢谢你的介绍！&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
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 Washington
课程全名：Programming Language
开课时间：9/2013 - 11/2013
课程链接：
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？)
本科生高级课/研究生课程，需要一定基础，面向对象编程+面向过程编程。
难度中等以上，作业多且难。 每周所花时间根据个人程度的不同而不同，个人每周15h左右。
本人：数学本科，学过c/c++,cs背景很少。
会系统讲述编程语言内部的概念， 比较functional programming 和 object-oriented programming
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
会系统讲述编程语言内部的概念， 比较functional programming 和 object-oriented programming
会学习三门语言：ML, Racket and Ruby.
本门课需要花一定时间。当时上课的时候，我学校还有很多作业，重叠在一起了，时间比较紧张，还好总算跟下来了。
4. 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)
<p id="rate_16" onmouseover="showTip(this)" tip="感谢分享。楼上说能3-5小时搞定作业的是大神.&大米 + 60 升
" class="mtn mbn">
精华主题学分
在线时间 小时
来凑个热闹，刚做intro to computer network这个课的编程作业觉得很赞!
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。
平台:stanford openEDX
课程全名:introduction to computer network
开课时间:Jan 21th，刚刚结束不知道什么时候再开
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？)
一直都是EE，无计算机网络方面基础，课程难度中低(和stanford算法课比)，讲的也是主要内容，没课本详细
自己也是半路赶起，差不多一个Unit看完所有视频+做完Quiz大概4～5个小时，只有一个编程作业，用C完成简单路由功能，差不多500多行，非常赞！
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！）
课程本身很基础，适合完全新手了解计算机网络各种层各种协议和思路，每个Unit会请一个该领域的大牛客座讲座
StanfordEdx就是有一点比较蛋疼，视频在线总是看不了，只有下下来看但没有字幕
课程亮点就是那个Simple Router的作业了，那个是stanford cs144原生课程的4个Lab之一，做下来对我这种新手收获挺大的！
还有课程论坛维护的很不错，基本上很快就会有Instructor回答你提出的问题，有一次还被课程作者Philip Levis回复好激动～
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)
希望下次再开这门课，stanfordEdx能把cs144 4个Lab的提交和在线评分都开放出来～
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）
很基础！如果有大神想要具体了解某一个方面就不必看了，Lab可以做做
<p id="rate_25" onmouseover="showTip(this)" tip="感谢分享！&大米 + 1 升
" class="mtn mbn">
<p id="rate_67" onmouseover="showTip(this)" tip="感谢分享！&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
本帖最后由 orpheus 于
07:09 编辑
1. 课程的基本信息：
课程平台: iTunes U (但是实际上我有大部分是在youtube上看的。。。)
开课学校: Stanford
课程全名：Developing iOS 7 Apps for iPhone and iPad
开课时间：学年秋季
课程链接： （iTunes U的链接：）
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？)
这一门课的前提要求是要有学习C语言或者比如java Python这些object-oriented 编程语言的背景，个人觉得学过C语言对理解这门课很有帮助，因为里面大量使用了指针一类的东西。
作业量嘛。。。。我会说我是上完课以后才知道教授把作业的code贴到哪里的吗？量大概是一周左右一个小的project，主要是写一个小app实现课上所讲的一些内容
每周花在这门课的时间的话，这么说吧，这一门课是9周，每周两节，每节课一个小时左右，要每周跟的话其实量不算太大。
只是我看的时候一心图快，所以每天刷得跟狗一样，后面实在没有办法了就跳过了视频里面教授上机操作demo的部分
基本上是初学者的姿势看的这门课，看的时候C++的课才上到一半，连指针都没怎么讲到，指针方面的东西还是很早以前自己看书的时候瞎糊弄的，感觉似乎有点印象就继续听下去。
但是个人的感觉是一定要有C的基础！！
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！）
我是春假的时候花了一个星期在宿舍里面闭门修炼看完的，大概是五六天左右。
结果就是每天九点起床开始看，除了中途做个午饭晚饭，一直看到晚上一点，除去做饭的时间，估计一天十一个小时泡在这门课上，其实回过头想想还是真的挺疯狂的。。。。
请大家一定不要学我，心急真的吃不了热豆腐。。。。。
知道这门课是在网易公开课上面，但是只有前四节课的中文翻译，后面的几集网易版不清楚是否有英文字幕。
然后自己又懒没有去字幕组翻中文字幕，所以后面的部分都是在youtube上面看的。
youtube带了英文字幕（虽然有的时候字幕的节奏不对，所以后面也就没有开字幕）所以想要继续学得各位可能要转向其他的平台。
这里必须提一下iTunes U上面的感觉还是不错的，提供了每一节课的ppt的pdf下载，同时可以下到高清的课程视频（又是因为懒所以没有下。。。。）
然后说一下这一节课的内容吧。
这节课的内容真的是非常新，它是2013秋季的课，那个时候iOS 7才发布没太久，甚至还没有正式推出，这里不由得感慨一下stanford课的刷新速度。
个人觉得9周每周两小时还是有点赶，iOS里面各种各样的class还是挺多的，用法很多，导致教授讲的速度非常快，有的时候ppt直接跳了5 6页。
教授上机示范代码的时候非常快，甚至到了课的后期教授已经不打完整的代码，也不怎么在课上解释用法，直接copy已经写好了的代码，然后让大家回家自己慢慢读。
然后再就是说一下，在iBook上面能找到这一节课对应的书 ，书对应的练习（不是课上用到的code）代码放到了github上：
并不清楚是不是就是上课的时候他们用到的教材，因为这本书现在还并不是完整版，依然在更新章节。
但是如果要上这门课的话，强烈建议先把相关章节看了。再说一次，前车之鉴，我是看完全部视频才意识到有这么一本书的存在的。。。。
最后让我默默感慨一下，本人在一所默默无闻的文理学院读书，所以真的不知道大U是怎么个授课方式。
看完视频以后发现大学校厉害的学生多，但是同样的，就是教授刷课的速度快，而且预设了“上课的学生都知道很多相关概念”这样的立场。
教授上课的时候不止一次问到全班“大家懂不懂xxx概念”，要么是看到全班一半人举手，就说“好了看起来大家都很清楚xxx是什么我们就不讲了”，要么直接自言自语说“当然啦你们都是stanford这个一定知道的blablabla”。。。
教授还真的是完全不顾及我们这些初学者的面子。。。个人修炼真的太重要了。。。。
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)
个人的感觉就是，这节课如果有时间的话我会慢慢再搞一次。
前期准备没有搞好，上课的时候是直接去youtube上搜得相关的视频来看的，所以一开始都不知道iTunes U上面有课件的pdf以及每周的作业要求，也不知道在stanford的相关课程网页上附了作业要用到的code。
然后又因为担心春假过后忙了就没有时间再看了，而且也不知道自己长期坚不坚持得下去，所以春假就非常悲剧地窝在宿舍看课程视频。
虽然数量上是刷完了，但是估计质量上也就是和Xcode objective-C iOS打了个照面，对相关的概念有了初步的印象，估计以后还是要找书出来慢慢读，然后把视频在认真看一遍。
我现在的水平也就是个入门级，上了一门python的入门课，现在在上C++，上到一半跑去看这个，脑子还是不太灵光。。。
（我有相当严重的强迫症，就是记笔记的时候ppt上的概念一定要写得非常详细，有一节课光是抄+理解ppt上的内容就搞了我两三个小时，一定不能学我= =）
如果要在网上上课，一定要把它当做一门真正的课来上，也就是课前把书买好，把syllabus读一下，然后每节课之前至少翻下书认识一些新的概念，然后课后做作业+复习。最好是要刷出上课的节奏感。
虽然上公开课最大的一个问题就是很难坚持，但是还是希望上这门课的各位一定要坚持下去。因为再怎么说，作为一门手机程序开发的课，东西还是挺接地气的，做出来的成果也非常意思！
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)
如果单纯作为一门编程语言课来说的话，其实和学校上过的课差不多，但是教授跳过了objective c的各种基本语法，大部分的时间都是用来讲iOS里面各种class的用法、功能的实现之类的，还是非常pratical的，着重强调写代码，而不是相关的理论什么的。
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）
参考4的回答，强调几个关键词，看书，看ppt，写作业，节奏感
<p id="rate_426" onmouseover="showTip(this)" tip="perfect&大米 + 10 升
" class="mtn mbn">
<p id="rate_25" onmouseover="showTip(this)" tip="感谢分享！&大米 + 1 升
" class="mtn mbn">
<p id="rate_79" onmouseover="showTip(this)" tip="权限不够&& 但是一定想支持一下好棒！.&大米 + 3 升
" class="mtn mbn">
<p id="rate_67" onmouseover="showTip(this)" tip="简直给力！！！&大米 + 50 升
" class="mtn mbn">
<p id="rate_16" onmouseover="showTip(this)" tip="真有心&大米 + 150 升
" class="mtn mbn">
精华主题学分
在线时间 小时
本帖最后由 Dream 于
04:57 编辑
1. 课程的基本信息：
课程平台: coursera
开课学校: Duke U
课程全名: Image and video processing: From Mars to Hollywood with a stop at the hospital
开课时间: 已经有两期了，我跟的是那期，之前的是2013年开的，
课程链接：，，，
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？）
初学者，无基础
前半部分是入门级别【参考书籍：&Digital Image Processing, 3rd edition& by Gonzalez and Woods】，经典的图像处理知识基本都会讲，但是没讲傅里叶变换
后半部分主要是讲偏微分方程在图像处理中的应用【参考书籍：Guillermo Sapiro, Geometric Partial Differential Equations in Image Analysis, Cambridge University Press】
作业有选择题以及编程题，编程题目选做
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！）
适合初学者，同时对数学要求也有点高
老师本人在论坛很活跃，很负责，从这点来看，给五星给本课
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)
多专研课程的后半部分
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)
总体来说，这门课跨度比较大，从最基础到高级的应用都有涉猎
跟这个课的同学可以跟这个课：，二者在内容上有所重叠，但是这个课教学思路清晰，也很紧凑。
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）
a. 多参加论坛讨论，合理利用
b. 视频播放可快可慢，根据自己节奏
其他参考资料：
1. MATLAB and Octave Functions for Computer Vision and Image Processing
2. 和机器学习和计算机视觉相关的数学
3. 计算机视觉
<p id="rate_67" onmouseover="showTip(this)" tip="感谢分享~&大米 + 90 升
" class="mtn mbn">
精华主题学分
在线时间 小时
管理员说回复在这里不会沉~~
分享一下最近在上的 程序设计实习，主要就是学C++，coursera平台，北大提供。
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
课程全名：程序设计实习
开课时间： ？
课程链接：
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？)
我是学应用数学的，有一点编程基础，平时基本用R, Matlab，相对于CS大神来说还是码渣一个。这个课程应该算中级偏上，针对有一定C基础的人，所以不能算是C++入门吧。如果你觉得所有编程入门课上来都讲variables，loops，if/else 这些太无聊，那这门课应该适合你。每周最花时间的是编程，基本上是周六一整天（6-8？）。
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！）
这个课上来就是开始讲C++类定义，构造/析构，变量scope，运算符重载，都是我没有听说过了。所以上下来对于面向对象或者C++应该有一个不错的认识。编程project有时候会很坑爹，经常提交不过，不停debug，有时候会很frustrated。但是accepted之后那个成就感啊~~
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)
我学过一些基本的JAVA，上了这个课以后至少能了解很多C++的特性，比如指针，引用，const和final的区别，等等，收益很大。
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)
目前我还没看到别的C++的公开课，一般都是学python之类。我觉得大部分课如果是针对教一个语言，上来肯定都是variables，循环，条件这些，其实有点无聊。这个课直接跳过这些，因为你学C的时候肯定已经知道这些东西了
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）
有C背景最好，有过面向对象的知识最好。但是也不是说一定要。这个课是介绍C++的特性。
如果有关于课程方面的其他问题，可以单独联系我，我会尽力解答。
<p id="rate_67" onmouseover="showTip(this)" tip="帮你把那个贴删了好了==&大米 + 80 升
" class="mtn mbn">
精华主题学分
在线时间 小时
本帖最后由 sky420 于
07:44 编辑
1. 课程的基本信息：
课程平台：coursera
开课学校：standford
课程全名：Introduction to Statistic Learning
开课时间: Winter 2014
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？)
课程难度个人感觉是Introduction level，很多证明和公式推导都被忽略了，让人不是很能明白为什么就可以用这个公式来求解，所以课下自己还要去看书。 而作业量比较少，而且感觉真的是Introduction，我感觉rob和trevor主要是想给大家建立一个statistic learning的思维模式，很多quiz和assignment都会涉及到bias和variance这些初级但是又极其重要的问题上，不过这也确实让我形成了这种思维方式，每当遇到一个新算法或者自己做算法改进的时候就会习惯性的思考variance和bias的balance问题。每周花在这门课的时间我自己没有仔细算过，但加上看视频的时间也就3个多小时吧，后面难一点的内容稍微看了看书，但总体来说还是挺短的。我个人的基础一般，只上过两门统计课，不过我觉得没有任何基础的人上这课应该问题也不大，因为就是introduction，但是如果真的想把statistic leanring弄明白，不看elements of statistic learning(ESL)那本书是不行的
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！）
个人感觉这门课的最大特点就是内容多而且全，但是不深，比较适合入门，可以让你在较短时间内对statistic learning有个比较系统的认识，还是比较推荐的，因为我个人就是从一个对statistic learning什么也不懂的人，到对这个领域有初步到了解了，outlie和framework已经形成。但是光完成这门课是仅仅不够的，还需要自己去做公式推倒和R programming的练习。
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)
因为毕竟是introduction level的课，如果有时间多做作课后的练习，会对提高r programming有帮助。个人还是比较推荐ESL这本书，如果能边听课，边弄明白理论推导（ESL），而且陪上R Programming（ISL）的练习，那毫无疑问效果是最佳的。
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)
上过ng的machine learning,觉得都不错，但个人感觉ng讲的更清楚。不过这门课的PPT还是做的相当不错的，而且有r section，里面的code都可以直接下载，对r的学习很有帮助。
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）
综合来说还是一门比较值得一上的课，但是因为trevor和rob两个人自身都比较牛，所以在他们看来很容易intuitive的东西，对我而言并不是这样，也许是我个人学习习惯的原因，如果我不知道一个公式的推导过程，就很难理解或者记忆，而这门课恰恰就是把所有的公式推倒和证明全部都忽略了。BTW，trevor说话讲的是英式发音，我在美国读书，一开始听的不是很习惯，不过比印度老师好多了！
<p id="rate_16" onmouseover="showTip(this)" tip="感谢分享～&大米 + 90 升
" class="mtn mbn">
精华主题学分
在线时间 小时
本帖最后由 小钗 于
21:09 编辑
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: Yale University
课程全名: Financial Markets
开课时间: 2.17
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？)
课程难度：基本零基础吧，任何具备金融常识的人应该都能听懂（本人数学本科）。里面涉及到数学的部分也挺简单，重理解，轻推理。但知识面很大，是典型的以广度为导向的课。每周花4个小时学习足够。
作业量：非常少，每周一个quizz, 10道选择题，轻松搞定。
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
学完以后对整个金融市场有一个框架性的理解。无论是股票债券保险房地产还是衍生品市场。。。学完以后大概就知道每个市场里的猪是怎么跑的了，而且对每个市场里有哪些猪，这些猪的相貌和性格，以及他们的祖宗，还有历史上的名猪，以及捅出漏子来的病猪都可略知一二。Robert Shiller教授深入浅出，列举的案例不仅有趣而且耐人寻味，帮助你从更感性的角度去体会那些数学参数，比如当初上投资学CAPM学完就忘的节奏，听Shiller教授讲完以后真的是刻骨铭心啊。另外每周一次的 lecture 也很赞，邀请的都是业内的前沿人士，很涨姿势。每周还有专门向Shiller教授直接提问的时间。总结四个字，轻松实用。
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)
我会搜集更多身边的问题拿到组里讨论,受益匪浅。
<p id="rate_67" onmouseover="showTip(this)" tip="谢谢分享，漏了2个问题其实==&大米 + 40 升
" class="mtn mbn">
<form method="post" autocomplete="off" id="fastpostform" action="forum.php?mod=post&action=reply&fid=128&tid=81136&extra=&replysubmit=yes&infloat=yes&handlekey=fastpost"
onSubmit="
// TODO Howard 11/3/2015
var sbtn = $('fastpostsubmit');
sbtn.disabled =
sbtn.innerHTML = ' 回复发表中... ';
sbtn.setAttribute('background', sbtn.style.background);
sbtn.setAttribute('bordercolor', sbtn.style.borderColor);
sbtn.style.background = '#C7C7C7';
sbtn.style.borderColor = '#8B8B8B';
var form =
// --product--
var isValid = fastpostvalidate(form, null, 0);
if(!isValid) reoverBtn();
return isV
// --product--
// --testing--
//setTimeout(function() {
// var isValid = fastpostvalidate(form, null, 0);
// if(!isValid) reoverBtn();
//}, 2000);
// --testing--
您需要登录后才可以回帖
回帖并转播
回帖后跳转到最后一页
一亩三分地推荐 /5
地主Warald亲手做你的申请，针对你的背景和目标，考虑申请、学习、就业、移民等系列问题，制定申请策略。
“offer”指全额奖学金，免学费全免+每月工资，Berkeley, CMU, JHU, UIUC, Gatech, UMich, UCLA, Columbia，欢迎观赏。
电子工程、计算机、统计、金数金工、化工等, Stanford, Berkeley, CMU, Cornell, Yale, Columbia, Chicago, Duke, UPenn, UIUC, Brown, UMich, JHU等
有留学、申请、找工、职业规划上的难题？先上论坛提问！
论坛考古也帮不上忙，发帖得到的回答仍然不够？电话找Warald来解答！
WARALD新书上市啦：《你不知道的美国留学》清华大学出版社，各大电商发售
Powered by