最强学习资料：国内多所重点大学课程攻略

也许每一历经过理工学院职业生涯的人单厢有这样的体会：曾不懈努力搜集各种专业课程数据资料，但在学完两门专业课程之后却会发现陈述了很多重点项目文本。每三代后辈归纳出的实战经验也经常因为随处发扬而逐渐陈述消亡。

为了减少景丰纯，让他们不再孤立无援，来自浙江理工学院、北京理工学院等亚洲地区院校的COBOL们发动了专业课程数据资料民营重新整理工程项目。现阶段每家理工学院的专业课程数据资料重新整理已构筑了自己的中文网站，在 GitHub 上累积了大批 Star。

那些文本不仅是教科书的印刷版，也

现阶段那些工程项目已经包涵了绝大多数计算机系统科学方面的专业课程。

其实说到专业课程全攻略共享资源方案，大家可能单厢想到复旦开放源码的工程项目，它从微积分、物理、计算机系统、生物化学和其他通识科课起程如是说大批专业课程全攻略与数据资料。复旦的共享资源工程项目现阶段包括 50+的主轴，如下表所示展现了其中一些：

复旦共享资源工程项目门牌号：https://github.com/QSCTech/zju-icicles

机器自学数据资料另一家强

作为最先构筑起来的专业课程全攻略共享资源方案之一，复旦的开放源码工程项目主要就是「全」。但是对于机器自学自学者来说，那些数据资料极少深入细致到 ML 核心理念专业课程，它们还是比较广泛的计算机系统学科专业数据资料。因此，他们这里主要就如是说上海交通理工学院的专业课程全攻略，它包涵 ML 领域的大批主轴。

华东师范大学的资源适于了解机器自学相关的自学内容与主轴，每一个专业课程文档下都有 PPT、参照教科书、工作台和讲义等。

工程项目门牌号：https://github.com/CoolPhilChen/SJTU-Courses

如上很多主轴都是学机器自学该了解的，不论是面向对象打造编程功底、最佳化方法打造机器「自学过程」，还是人工智慧或机器自学等直接相关的主轴，他们都应该有所了解。

例如在 CS385 机器自学中，作者如是说了讲师和专业课程主页等标配文本，同时也提供了教科书、PPT 和工作台下载。教科书也就是大名鼎鼎的《模式识别与机器自学》（Bishop, PRML）和《机器自学》（周志华），专业课程 PPT 则从最简单的线性模型到 EM 演算法涉及主要就的 9 个主轴。

CS385 还提供了 5 次家庭工作台，每一次家庭工作台都包涵多个问题，不过他们暂时没发现有解题方案。上海交大家庭工作台的风格如下表所示：

对了，机器自学这门课是大三下自学期开的，感兴趣的读者可详细看看那些数据资料。

当然，这个工程项目其它主轴也非常详细，例如最佳化方法，除了前面提到的几种资源，它还额外提供了课堂手写讲义。如下表所示展现了最佳化方法中的手写「课堂讲义」，梯度下降的收敛性分析。

此外，整个工程项目对在校生有更大的帮助，通过前面那些资源可以了解专业课程大致文本与方向，复习的时候也有更多的数据资料。例如在密码学这个主轴中，该工程项目还提供了期中考试的复习材料，那些材料归纳了密码学的核心理念概念。如下表所示是一些信息熵的概念，机器自学中也经常用得上：

其他亚洲地区专业课程

除了前面如是说的专业课程资源，小编还发现了其他几所院校的专业课程资源，如北大、中科大和清华。

北大专业课程资源收录了专业课、公选课、英语课等多类不同专业课程。以专业课为例，作者进行了详细的分类，如人工智慧、人工智慧概论、抽象代数和数理逻辑等。部分文本最近一次更新是两天前。

北大专业课程资源工程项目门牌号：https://github.com/lib-pku/libpku

现阶段，该 Github 工程项目已经有 1.2 万左右的星标，3800 左右的 Fork。

中科大的这一专业课程资源工程项目收录了中国科学技术理工学院众多专业课程资源的讲义，归纳，实战经验等学生自己原创的文本。

中科大工程项目门牌号：https://github.com/USTC-Resource/USTC-Course

此外，从大一上到大四上，清华理工学院计算机系统系专业课程全攻略工程项目按照学期重新整理了该校计算机系统系的专业课程资源。中山理工学院同样重新整理了期末考试的往年试卷、复习数据资料等辅助文本。专业课程资源再多，学到才是自己的，建议读者们根据自己的需求有针对的进行自学。

最后，知识的发扬是一个长期任务，欢迎大家继续作出贡献！