跳到正文
xiaofu OS
首页
关于我
◐
☰
课程目录
格物之境
/
CS 学习指南
/
全部学科
/
入门与数学
SUBJECT
入门与数学
从工具、编程导论与数学基础出发,为后续系统、算法和 AI 学习打底。
开发者工具
开发者工具:Missing Semester
课程聚焦传统计算机课程较少系统讲授、但日常开发反复使用的工具。适合作为伴随型课程:学到一个工具,就在自己的项目中用起来。
Pro Git
Git 官方维护团队成员编写的开源版本控制教材。
GitHub Skills
在 GitHub 仓库中完成短任务,练习协作、Actions 与项目工作流。
计算机导论
Harvard CS50x
CS50x 面向有无编程经验的学习者,课程从 C 的底层细节逐步过渡到更高层工具。它适合希望得到完整导论和持续练习的人;如果只想快速学会一门语言,可先选更短的入门材料。
Nand2Tetris
课程的价值在于纵向贯通,而非覆盖每个领域的工业级细节。12 个项目分为硬件与软件两部分,适合边做边记录每层接口与不变量。
微积分与线性代数
MIT 18.01
单变量微积分公开课程,包含讲授、练习与复习材料。
MIT 18.02
多变量微积分公开课程,可作为优化、物理与机器学习数学背景。
MIT 18.06
MIT 18.06 的讲授强调几何直觉、矩阵运算和应用联系。OCW 页面标明其为 Fall 2011 版本,并提供自学材料;课程页面也说明微积分是 MIT 学籍先修要求,但学习线性代数概念本身并不要求微积分。
离散数学
MIT 6.042J
面向计算机科学的离散数学课程,以证明、计数、概率和图论为核心。
Berkeley CS 70
离散数学与概率论课程,适合作为算法和理论计算机科学的数学基础。
概率与优化
Harvard STAT 110
STAT 110 适合希望系统学习概率的人,尤其适合算法、统计和机器学习方向。建议先练习计数与条件概率,再进入随机变量与期望,避免只背公式。
Stanford EE364A
凸优化课程入口,适合已有线性代数与微积分基础的学习者。