课程发布 02-19
Missing Semester 2026 冬 IAP
Missing Semester IAP 2026
MIT 2026 年独立活动期（IAP）开设课程的讲座录像播放列表，共 9 讲，内容包括 Shell 与命令行环境、开发工具、调试与性能分析、Git 版本控制、打包与发布、Agentic Coding、代码质量等。适合想补齐命令行与开发工具链实用技能的人。
全部资源
课程精选。
排序：最新收录 · 推荐14 条精选
课程发布 01-02
CS50x 讲座
CS50x Lectures
哈佛大学 CS50 计算机科学导论课程的 YouTube 播放列表，共 13 讲，从 Scratch、C 讲到 Python、SQL、HTML/CSS/JavaScript，强调正确性、设计和风格，面向有或没有编程经验的学生。适合零基础或想系统过一遍编程与计算机科学基础的人。
课程
UC Berkeley CS189/289A：机器学习导论（2026 春）
这是加州大学伯克利分校 CS189/289A 机器学习导论课程 2026 年春季学期的课程网站，由 Jennifer Listgarten 和 Alex Dimakis 授课，页面包含日程表、讲义材料、讨论课与作业链接。课程安排显示第 1 周从“引入与机器学习问题界定”开始，随后涉及数据工具、机器学习机制与术语、聚类与概率复习等主题，并配有推荐阅读、讲义 PDF 与视频以及作业。适合想系统学习机器学习基础的人参考课程内容。
课程发布 2024-01-26
MIT：以数据为中心的 AI 导论（2024）
MIT：Introduction to Data-Centric AI（2024）
MIT CSAIL 于 2024 年 IAP 开设的“Introduction to Data-Centric AI”课程网站，页面称这是首个关于数据为中心 AI（DCAI）的课程。课程主张除改进模型外，改进数据集本身往往也是提升实际机器学习表现的最佳途径，并把数据改进从依赖试错与直觉的手工做法变成系统性的工程学科；内容侧重监督学习（如分类）中用于发现和修复数据问题、构建更好数据集的算法，强调实用而非模型数学细节，目的是缓解“垃圾进、垃圾出”问题。日程列出了数据为中心与模型为中心 AI、标签错误与置信学习等主题。
课程
MIT 6.438：推断算法（2014 秋）
这是 MIT OpenCourseWare 上 2014 年秋季开设的研究生课程 6.438 的课程页面，由电子工程与计算机科学系的 Devavrat Shah 教授讲授。课程介绍称其是研究生层次的统计推断原理入门，所涉概率模型以图表示方式定义，内容构成机器学习、信号处理、人工智能、计算机视觉与控制等方向工作的共同基础。页面列出课程所属主题（算法与数据结构、概率与统计、可视化等）以及可用资源类型，包括讲义笔记、习题集和考试。适合具备概率统计基础、希望系统学习图模型统计推断的研究生或相关方向学习者查看。
课程
MIT 6.231：动态规划与随机控制（2015 年秋）
MIT OpenCourseWare 上 6.231《Dynamic Programming and Stochastic Control》的讲义幻灯片页面，课程由 Dimitri Bertsekas 教授讲授，属电子工程与计算机科学系研究生课程，2015 年秋季开设。页面提供完整讲义 PDF 及分讲次幻灯片，例如有限时域问题讲座涵盖动态规划导论与示例、反馈的意义、最优性原理与通用动态规划算法、状态增广、确定性有限状态问题与逆向最短路径等。课程材料还包括考试及解答、习题集和视频。适合学习动态规划与随机控制理论的人使用。
课程
加州大学伯克利分校 EECS127/227A：优化模型（2026 春）
这是 UC Berkeley EECS 127/227A 2026 年春季课程主页。页面提供本学期、2024 年春季和 2022 年秋季的讲座录像链接（不同学期内容并非互相覆盖），以及由往届教学团队编写、本学期将持续更新的课程讲义。阅读材料标注使用两本教材的缩写：CEG 指 Calafiore 与 El Ghaoui 的《Optimization Models》，BV 指 Boyd 与 Vandenberghe 的《Convex Optimization》。页面还链接了线性代数复习课幻灯片，并给出课程日历，第 1–2 周内容涉及最小二乘、向量范数、Gram-Schmidt/QR 与最小范数解等，另附讨论课题目与解答 PDF。适合想了解优化模型课程进度与配套资料的人阅读。
课程发布 02-21
临床数据的学习、可视化与部署（HST.953）
Clinical Data Learning, Visualization, and Deployments（HST.953）
MIT OpenCourseWare 上的一门研究生课程页面，2024 年秋季开设，由 Marzyeh Ghassemi、Leo A. Celi、Adam Rodman、Ned McCague 授课，隶属电子工程与计算机科学系及健康科学与技术系。课程简介说明它讨论在医疗场景中落地机器学习所需的实践考量，先关注利用真实回顾性医疗数据的稳健、隐私与公平的机器学习，随后涉及以实用性为目标的可视化等内容。页面列出的资源类型包括讲师见解、问题集、编程作业和阅读材料。
课程发布 08-18
AI 工程实验室（24 周 AI 工程自学课程）
Zorost Intelligence AI Lab 发布的一套免费、自定进度的 24 周 AI 工程课程仓库，采用 MIT 许可，无需注册。内容覆盖 Python、机器学习、LLM、RAG、微调、Agent 与 MCP，以及 Azure、Vertex、Bedrock 和 Databricks 等平台，包含 43 个可运行的 notebook 和一个贯穿全程的案例研究。README 提供克隆安装步骤，并指引编程或 AI 新手先阅读 START-HERE.md。
课程发布 08-12
AI 编码工作流：从云端到本地
AI Coding Workflows: From Cloud to Local - DeepLearning.AI
DeepLearning.AI 学习平台上的一门课程页面，内容与同名的另一条链接一致：以 Claude Code 为基线，讲解如何为更小的模型组织工作、切换编码智能体、接入不同模型与提供商，并从云端过渡到混合与完全本地的工作流，同时评估成本、速度和使用指标方面的取舍。页面正文主要为平台使用提示（查找 notebook 工具文件、重置工作区等），未给出更多课程细节。
课程发布 10-17
斯坦福 EE292R 面向科学的 AI 与数据 | 2026 年秋季 | 视网膜中的计算模型
Stanford EE292R AI and Data for Science | Autumn 2026 | Models of Computation in the Retina
这是斯坦福课程 EE292R“面向科学的 AI 与数据”2026 年秋季学期的一讲录像，讲者是斯坦福神经生物学教授 Stephen Baccus。该讲围绕早期视觉系统中可机制解释的计算模型展开，带有计算神经科学与机制可解释性方向的标签。
课程发布 08-27
datawhalechina/zero-to-sglang
SGLang 与 Datawhale 合作的 LLM 推理课程仓库，提供英文与简体中文版本。课程内容依次为理解 LLM 推理、从零实现一个 mini-sglang、阅读真实 SGLang 源码并提交第一个 PR，仓库标签包含 cuda、kv-cache、inference-engine 等。