我参加的MOOC
Machine Learning
Coursera上的开山大课，由创始人 Andrew NG 授课。这门课重实用技术和算法，目的是学生上完课之后就能做项目解决问题，而对于理论则介绍的较少。非常适合零基础的程序员，可作为机器学习的入门课。
Scalable Machine Learning
非常实用的一门课程，使用Spark开发大规模的机器学习算法，比如LR，PCA等。这是Databricks（开发spark的公司）和伯克利共同开的一门课程，作业是使用ipython开发，非常清晰，循序渐进，非常适合没有相关工程经验的人学习和了解机器学习的pipeline整体情况。
Discrete Optimization
终于过了这门课，真的很辛苦也很有意思，老师是个逗逼很风趣很牛X。课程形式也很独特，一开课就把所有的视频和作业都放出来，只要在课程结束之前完成就通过，学生可以根据自己的时间来安排学习进度。作业是5个 NP-Hard 优化问题，分别是背包问题、地图着色、TSP，后两个是比较接近实际的优化问题：机构设施选址和车辆路由。每个问题又有6个子部分，每个部分规模逐个增加，越来越难。每个部分0-10分，根据solution的质量评分，所有部分都拿到7或者至少3个10其他都是3就能获得证书，拿到满分是很困难的。有意思的是，这门课讲了3种优化方法：Constraint Programming、Local Search和Linear & Integer Programming，每种方法都能解决上述作业，各有优劣，学生可以按照自己熟悉的方法解题，满分的solution往往都是几种方法的混合。作业不限制编程语言和类库，只要能找到最优结果就行。作业还有排行榜，把大家的计算结果进行排行，有时候你吭哧吭哧优化了半天，自以为不错，但是发现和别人的差距超级大。
这门课的视频量和作业量都很大，每周大约十几个小时的编程，有时候我会思考一个作业好几天，很辛苦也很有乐趣，就像老师在视频里讲的：It’s going to be a lot of fun and a lot of work, But a lot of fun。 所以过了这门课我还是很有成就感的。
课程的视频我已经备份下来，留作以后参考。百度网盘
Cryptography I
密码学，这门课由斯坦福的密码学大牛Dan Boneh授课，Boneh教授语速较快，没有废话，全是干货。课程密集介绍了 Stream Ciper/Block Ciper(3DES,AES)/消息完整性/公钥加密等密码学领域的大量知识，以及它们的适用场景，弱点及破解方法。Homework难度适中，有意思是其中的Programming Assignment往往是破解标准的加密算法，解出密文。整个课程是自包含的，需要的数学知识老师都在课程里面做了介绍。总的来说这门课非常的好，值得花时间去学习，每个重视安全的程序员都应该学习下这门课。
Image and video processing
杜克大学的课程，这门课对图像视频的处理讲的比较全面，主要分为2部分：前4周是图像的基础知识，包含JPEG压缩算法、直方图、增强或修复等等。后5周内容则比较的前沿，偏微分方程、前后景分离等等。前4周我还能跟上，但是后5周则完全的lost了，老师是杜克大学图像实验室的负责人，英语有点口音，但是非常的客气，记得每节课结尾老师总是说“See you next video”，开头总是说“Hello, welcome to back”。。。值得一提的是这门课有果壳翻译的中文字幕，很适合英语不太的好的同学来刷，不过我的经验是很多地方只看中文不能完全理解图像领域的很多术语和概念，还是看英文理解的比较透彻。这门课虽然有点难，但是课程作业比较简单，基本上都是选择题，编程作业是可选的，使用matlab来进行图像处理。
blog comments powered by Disqus