凌动魅力

Tag: MOOC

倒数第238天

清华大学微积分MOOC质量很高,相应的,题的难度也高,第一章数域与集合的题俺居然都不会做了,之前的微积分课程在前面根本没提高欧拉公式。

积累词汇1553个。

倒数第240天

临近五一劳动节,距离校还有1个月左右的时间,终于要离开这个困扰了3年的地方了。

时间很紧迫,按照计划,第一轮的高数要在6月前完成,那俺只有1个月的时间来学习大半门课。

之前想拿Couresa上的微积分基础当作复习再听一次,但网速十分不理想,缓冲半天,影响学习,遂重新在学堂网上找到了清华大学的微积分课程,中英双语授课,十分高大上,比普通MOOC的高数课细致许多,强烈推荐大家学习。

完成词汇1483个。

环球MOOC平台整理

鄙人整理的海内外各大MOOC平台,不断更新,欢迎补充!其中有的国际MOOC对国内用户并不友好,需要翻墙。由于各省市有地区差异,遂不单独标注需要翻墙的MOOC了。
9月25号更新 1课

国内MOOC平台

中国大学MOOC

爱课程网携手网易云课堂打造的顶尖高校在线学习平台。

慕课网

专注做好IT技能教育的MOOC。

MOOC学院

果壳旗下的在线MOOC平台,号称聚集了超过50%的MOOC中文用户。

学堂在线

国家教育部MOOC研究中心官方合作平台,和国内外知名大学都有合作。

课工厂

隶属于北大青鸟,教授IT类职业技能课程,主要包括编程基础、移动应用开发、PHP编程、web前端、网络营销和电子商务等。

明德在线(台湾)

台湾的综合MOOC,只有繁体中文。

育网教育开放平台(台湾)

国立台湾交通大学打造的MOOC,国内的交通大学也在内。

国际MOOC平台

Academic Room

包含哈佛大学、麻省理工学院、耶鲁大学、哥伦比亚大学、史丹佛大学、加州大学柏克莱分校、杜克大学和卡内基美隆大学提供的1000+个上课视频。

Allversity

偏向应用和基础速成。

Coursera

目前影响力最大的MOOC平台,由美国斯坦福大学两名计算机科学教授创办。旨在同世界顶尖大学合作,在线提供免费的网络公开课程。合作院校包括斯坦福大学、密歇根大学、普林斯顿大学、宾夕法尼亚大学、佐治亚理工学院、杜克大学、华盛顿大学、加州理工学院、莱斯大学、爱丁堡大学、多伦多大学、洛桑联邦理工学院 – 洛桑(瑞士)、约翰·霍普金斯大学公共卫生学院、加州大学旧金山分校、伊利诺伊大学厄巴纳 – 香槟分校以及弗吉尼亚大学。

Eliademy

北欧在线教育编辑平台是由芬兰的创业公司CBTec制作了一个在线教育平台,提供免费的基于云端的工具,给需要在网上进行教学的师生;是北欧最大化简约、优雅、时速的教育编辑平台。

EdX

由麻省理工学院、哈佛大学、加州州立大学柏克莱分校领导的非营利组织,免费提供涵盖多个领域的大学课程给全世界的人使用。

FUN

法国综合MOOC平台。

FutuRelearn

由英国12所大学联合发起的一个MOOC,发起人包括利兹大学、伦敦国王大学、伯明翰大学和英国远程教育组织等在内,欲打造成为世界范围内的英国高等教育品牌。

iversity

德国综合MOOC平台。

Khan Academy 可汗学院

在2006年由印度孟加拉裔美国人Salman Khan所创的非营利组织。中学和大学基础课程都有。

Miriada X

西班牙语综合MOOC平台。

My Open Courses

印度的大型MOOC平台,英语。

Neodemia

巴黎的一个合作MOOC平台,英法双语。

Open2Study

由澳大利亚私人远程在线教育机构,澳洲开放大学创建。

OpenupEd

欧盟MOOC平台,课程建立在开课大学自己的网站上,其中大多数是自适应模式。课程按照学科和语言分类。不管你学的语言有多么生僻,是阿拉伯语、波兰语、斯洛伐克语还是希伯来语,你都能在上面找到适合你的课程。许多课程还支持两三种语言。

Udacity

由David Stavens、Mike Sokolsky和赛巴斯汀‧索恩所创,其目标在于使教育民主化。

Redunx

西班牙语和葡萄牙语MOOC平台。

Schoo

日本最大的MOOC平台。

Spanishmooc

西班牙语学习平台,让用户根据自己的外语水平选择不同难度的课程。

Universarium

俄罗斯MOOC平台。

Veduca

巴西的MOOC平台,葡萄牙语。

WizIQ

一个在师生之间,用于双方在线协作 / 教学的网络工具。通过这个跨越地区的平台,学生和其家长可以方便的搜索到指定条件的教师、家庭辅导者。之后,教师、家庭辅导者也可以通过这个平台来对学生进行一些教学和课外辅导的工作。同时,这也是一个师资力量的搜索引擎,良好的地区性信息,可以让学生在本地找到合适的生活中的教学者。

Crypt4you

西班牙Politechnical University of Madrid。第一个西班牙文的MOOC。

特色MOOC平台

A Gentle Introduction to Python

创新结合「机械MOOC」和开放式课程网页、Codecademy的随堂测验和练习题、OpenStudy的学习小组以及Peer 2 Peer 大学的邮件系统。

First business mooc

商业MOOC。

FX academy

外汇交易贸易mooc平台。

IOC Athlete MOOC

国际奥委会MOOC,内容和体育相关。

Massive Open Online English Course

面向第二语言学习英语的MOOC。

MRUniversity

经济学MOOC。

NovoED

斯坦福大学建立的平台,以商科课程为主。课程有英文字幕,专业性较强。

Poynter’s News University

新闻业MOOC平台。

openHPI
信息技术MOOC平台,德英双语。

职业技能学习

1课

一个国际化的IT课程学习社区,由国人开发,主攻编程教学,愿景是让编程更简单。项目初期有幸去Google做了展演,微信公众号:wow1ke

adobeknowhow

Adobe公司旗下的在线课程网站,有免费课程,但更多的是收费课程,适合设计师和影视工作者。

Code Avenger

英语,主攻Web语言,界面赏心悦目,课程既有趣又极具深度。

codecademy

交互的方式学习编程,免费。

learn系列

英语,含Py/Java/C/PHP/JS/Shell/C# 等一系列语言,界面简洁,在线IDE。

Mozilla Developer Network

英语,面向Web开发者的知识分享平台,内容众多。

microsoft virtual academy

微软虚拟学院,课程极为丰富,几乎涵盖IT所有领域。

w3school

领先的 Web 技术教程 – 全部免费。

 alison

英语,来自世界顶级出版物公司的在线课程,和之前介绍的网站不同,alison提供的主要是实用职业技能,号称有5百万世界各地的用户。

考研日记D28 英语六级

CET-6这个月就要考了,之前还没来得及复习,今天开始上【考神团队】的复习视频,语言这门学科除非培养出了语感,不然语法知识隔一段时间再去看就比较陌生了,现在倒过头来把高中的知识过了些。

有的高校在MOOC上的教学方法还挺先进的,模块化教学,把大学物理拆分成了相对论、量子物理等内容,模块内还有必修和选修~这样学生可以根据自己的兴趣组合出自己的一门学科,每个模块的测验和考试独立相互独立。

如果每个高校都能这样模块化教学,那不仅能减少学生的负担,跳过不愿学的,把精力放在感兴趣或擅长的地方,积极性会更高!

考研日记D1 CS学生的数学学习

浏览了电子科大几乎所有的CS专业,对考研数学的要求都是301,和数学专业的难度一致。

国内高校的CS专业会教授如下几门数学课程:

  • 高等数学(微积分)
  • 工科数学分析
  • 离散数学
  • 线性代数
  • 概率论与数理统计

高数和工科数学分析通常不会同时出现,俺翻阅了两门课的目录,绝大多数重合,都是函数、极限、导数、微分、不定积分、定积分、微分方程,连学习的顺序都一样!难度上感觉工科数学分析的难度要小一些,中国大学MOOC上今天这门课刚开。

俺在网上检索了“CS学生数学应该学到什么程度”,下面直接援引果壳上前辈的回答

本人是数学系的, 但其实真正的爱好是计算机. 当年报志愿的时候不知听谁说了句, 学计算机, 想搞软件就去学数学, 想搞硬件就去学物理, 然后就报了数学. 在数学系, 感觉思维确实受到了训练, 但所学的课程却大多与计算机没什么”直接”联系. 要真的搞计算机, 还是需要自己多折腾计算机的课程, 还有多实践. 其实我觉得在计算机中用到数学, 主要是设计,选择和分析算法的时候会用得到.如果你只是想”设计”好的程序, 可能并不需要太多数学. 但是要是想成为计算机科学者或工程师, 恐怕还是要学一学数学的.

首先谈谈应用比较广泛的基础课:

像大家提到的微积分, 线性代数,概率论,数理统计, 随机过程什么的都是基础中的基础, 在各个学科中都有着广泛应用的.

微积分除去作为 “基础” 的作用不谈, 在用计算机建立模型的时候常常会用到.

线性代数就更有用了, 像著名的 page rank 就是特征值理论的一个重要应用. 很多问题最终都能化为求解线性方程组问题(例如, 用有限差分法或有限元法解偏微分方程, 用最小二乘法求最佳逼近,等等). 线性代数知识还常在机器学习或数据挖掘中被用来降低数据的维度. 还有很多其他的应用.

概率论,数理统计,随机过程在最近的人工智能的各个领域则是非常重要的基础, 很多机器学习算法都是基于统计模型的, 像 Bayes 统计什么的应用极为广泛(例如垃圾邮件过滤.)

离散数学和数值分析什么的和计算机的关系就比较容易看出来了. 离散数学不同的书选取的内容不大一样, 不过一般都有逻辑阿, 图论阿, 有的还有自动机什么的, 一看就和计算机关系紧密. 数学理论大多是抽象的, 想在计算机上用就离不开数值分析了; 用数值方法解一些无法求出解析解的方程也很有实用价值.

再谈谈和不同专业相关的数学知识:

像是信息安全, 编码方面的, 数论知识自然不可缺少, 建议多学一些代数知识, 也包括代数几何啊什么的. (复变函数什么的都是基础啊….)

像是(离散)算法方面的, 可以学学 Knuth 的具体数学, 另外还得学些运筹学, 图论, 组合数学什么的.

像是图形处理方面, 恐怕就需要很多几何知识了, 学几何这玩意代数和分析都得好, 像解析几何, 射影几何, 微分几何, 黎曼几何, 代数几何, 拓扑学呀都在这个领域用的上. 还得熟悉样条理论, 曲线与曲面的表示啊等等.

图像处理, 也需要不少数学. 最近利用偏微分方程,反问题啊来研究图像处理的很热门. 还有傅立叶分析, 小波分析呀都很有用.

人工智能相关的话, 得把概率, 统计, 随机过程什么的学的更深入一些.

总结来说就是俺刚列出的那几门课,尽可能学!另外,俺最近在网易云课堂上发现了一批空前强大的计算机专业课程,简直欣喜若狂,如果能早点有中国大学MOOC,想必俺今天的计算机水平又是另一番光景~

课程表

咳咳,牛皮不吹大了,老老实实学习去。

Copyright © 2017 凌动魅力

蜀ICP备15003767号-1 Up ↑