1、哈佛计算机科学简介
计算机科学知识企业和编程艺术的介绍。
课程描述
这是哈佛大学向专业和非专业人士（无论是否有编程经验）介绍计算机科学和编程艺术的知识型企业的 CS50x。CS50x 是 David J. Malan 教授的入门级课程，教授学生如何以算法方式思考并有效解决问题。主题包括抽象、算法、数据结构、封装、资源管理、安全、软件工程和 Web 开发。语言包括 C、Python、SQL 和 JavaScript 以及 CSS 和 HTML。问题集的灵感来自现实世界的生物学、密码学、金融、取证和游戏领域。CS50x 的校内版本 CS50 是哈佛最大的课程。
在 9 个问题集（即编程作业）和最终项目上获得满意分数的学生有资格获得证书。这是一门自定进度的课程——您可以按照自己的时间表参加 CS50x。
https://pll.harvard.edu/course/cs50-introduction-computer-science
2、哈佛的Python和JavaScript的网络编程
本课程接续 CS50 的内容，更深入地探讨使用 Django、React 和 Bootstrap 等框架使用 Python、JavaScript 和 SQL 设计和实现 Web 应用程序。
https://pll.harvard.edu/course/cs50s-web-programming-python-and-javascript?delta=0
3、哈佛-从零开始的编程简介
课程描述
介绍使用 Scratch 进行编程，这是一种可视化编程语言，有抱负的程序员可以通过拖放图形块（类似于拼图块）来编写代码，而不是键入文本。Scratch 是在哈佛大学计算机科学入门课程 CS50 开始时使用的，它是在麻省理工学院媒体实验室设计的，使没有编程经验的学生能够设计自己的动画、游戏、互动艺术和故事。本课程使用 Scratch 向学生介绍编程的基础知识，这些基础知识不仅可以在 Scratch 本身中找到，还可以在传统的基于文本的语言（如 Java 和 Python）中找到。主题包括： 函数，即执行任务的指令；返回值，即函数提供的结果；状况，通过哪些程序可以决定是否执行某些操作；循环，程序可以通过循环一次又一次地执行操作；变量，程序可以通过变量记住信息；和更多。最终，本课程为学生后续的编程课程做好准备。
https://pll.harvard.edu/course/cs50s-introduction-programming-scratch?delta=0
4、哈佛CS50课程的理解技术
课程描述
这是 CS50 为那些（还）不认为自己是计算机人的学生介绍的技术。本课程专为那些每天使用技术但不一定了解其幕后工作原理或在出现问题时如何解决问题的人而设计，它填补了空白，使您能够更有效地使用技术和排除技术故障。通过有关硬件、互联网、多媒体、安全、编程和 Web 开发的讲座，本课程使您能够掌握当今的技术，并为明天的技术做好准备。
https://pll.harvard.edu/course/cs50s-understanding-technology-0?delta=0
5、哈佛C50与Python的人工智能简介
课程描述
人工智能正在改变我们的生活、工作和娱乐方式。通过启用自动驾驶汽车和推荐系统等新技术，或改进医疗诊断和搜索引擎等旧技术，对人工智能和机器学习专业知识的需求正在迅速增长。本课程将使您能够迈出解决重要现实问题并为您的职业生涯做好准备的第一步。
CS50 的《Python 人工智能简介》探索了现代人工智能基础的概念和算法，深入探讨了游戏引擎、手写识别和机器翻译等技术的诞生。通过实践项目，学生可以将图搜索算法、分类、优化、强化学习以及人工智能和机器学习中的其他主题融入到自己的 Python 程序中，从而了解它们背后的理论。在课程结束时，学生将获得机器学习图书馆的经验以及人工智能原理的知识，使他们能够设计自己的智能系统。
https://pll.harvard.edu/course/cs50s-introduction-artificial-intelligence-python?delta=0
6、斯坦福大学计算机科学101课程
CS101 是一门自定进度的课程，面向零经验的受众教授计算机科学的基本思想。计算机可能看起来非常复杂，但实际上，计算机仅以几种简单的模式工作。CS101 揭开了这些模式的神秘面纱，并将其变为现实，这对于当今使用计算机的任何人都非常有用。
在 CS101 中，参与者通过简短的“计算机代码”进行游戏和实验，以生动地展现计算机的功能和局限性。一切都在浏览器内运行，因此无需下载或安装额外的软件。CS101 还提供了当今计算机的一般背景知识：什么是计算机、什么是硬件、什么是软件、什么是互联网。任何有能力使用网络浏览器的人都可能在本课程中取得成功。不需要任何计算机科学经验。
https://online.stanford.edu/courses/soe-ycscs101-computer-science-101
7、斯坦福大学Machine Learning（机器学习） 专项课程
通过机器学习专修课程突破人工智能。掌握基本的人工智能概念，并在人工智能专家Andrew Ng的3门课程中发展实用的机器学习技能。
https://www.coursera.org/specializations/machine-learning-introduction
8、麻省理工学院的计算思维和数据科学简介课程
6.00.2x 将教您如何使用计算来完成各种目标，并为您提供计算问题解决中的各种主题的简要介绍。本课程面向具有一定 Python 编程经验和计算复杂性基础知识的学生。您将花费大量时间编写程序来实现课程中涵盖的概念。例如，您将编写一个程序来模拟机器人吸尘器清洁房间，或者对患者体内病毒复制和药物治疗的群体动态进行建模。
9、Google机器学习速成课程
本课程通过一系列课程教授机器学习的基础知识，其中包括 Google 研究人员的视频讲座、专门为 ML 新手编写的文本、算法实际操作的交互式可视化以及真实案例研究。在学习新概念的同时，您将立即通过编码练习将其付诸实践，这些练习将引导您在开源机器智能库 TensorFlow 中实现模型。
https://learndigital.withgoogle.com/digitalunlocked/course/machine-learning-crash-course
10、IBM使用 Python 进行应用数据科学课程
在这些数据科学课程中，您将学习如何使用 Python 语言来清理、分析和可视化数据。通过我们的指导讲座和实验室，您将获得解决有趣数据问题的实践经验。对于想要使用 Python 解决现实世界问题的数据科学爱好者来说，这是一条内容丰富的学习路径。在深入研究 Python 中的机器学习、大数据和深度学习之前，请务必采用此学习路径来巩固您的 Python 数据技能。
https://cognitiveclass.ai/learn/data-science-with-python
