斯坦福计算机系本科生人工智能方向课程资源

Version 1.2 By Liu Xiaozhen Updated on 2017/2/23

2016年8月我研究了一下斯坦福计算机系本科生人工智能方向的课程设置，最近整理出了相关资源作了汇总。本文侧重自然语言处理方向，遵循 CC BY-NC-SA 3.0 协议。若有意补充完善其他课程信息或报告错误，欢迎在此批注。

毕业要求

2016-2017 AI Track Program Sheet

课程解读

基础课

• 数学 (26学分＋)： 微积分(MATH41 & 42)、计算数学基础(CS103)、计算机科学家的概率导论(CS109)、两门选修

• 科学（11学分＋）：力学、电磁学、一门选修

• 社会中的科技（略）

• 工程基础(13学分＋)：抽象编程(CS106B/X)、电子学导论(ENGR40)、一门选修

核心课程 （15学分）

• 计算机组成与系统 CS107/107E
• 计算机系统原理 CS110
• 算法设计与分析 CS161

AI Track 进阶课程（25学分，至少7门）

• 人工智能原理及技术 CS221
• Track B 课程中选两门：CS223A, 224M, 224N, 228,229, 131/231A
• Track B 课程中再选一门，或Track C课程中选一门（略）
• 三门选修：Track B/C 或其他计算机系课程中选

学习资源

本列表去除了与AI不相关的通识课程和最基础的微积分等，选修部分是自己研究了可选课程后选择的。总的来说，如果你把这些课全学完，就达到了专业课程部分的要求。Stanford可选的课程很多，在Program Sheet中已有列表，恕不一一列出。

基础与核心课程

部分无视频课程添加了来自Coursera, edx 或 MIT OCW 对应课程的链接。

• CS103 计算数学基础: 最新课程, MIT课程(含视频)
• CS106B 抽象编程: 课堂录制, 最新课程
• CS107 计算机组成: 最新课程, MIT课程, MOOC on edX
• CS109: 计算机科学家的概率导论: 最新课程, MIT课程, MOOC on edX
• CS161 算法设计与分析: 课堂录制, 最新课程, MOOC on Coursera
• CS110: 计算机系统原理: 最新课程, MIT课程(含视频)
• EE263: 线性动态系统导论（选修）：课堂录制, 最新课程 （注，此处原为MATH113, 根据Quora上Stanford的学生推荐，这门课对于AI Track更有帮助）
• CS157: 逻辑与自动推理（选修）：最新课程, MOOC on Coursera
• ENGR 62 最优化导论（选修）：最新课程, MIT课程

AI Track 进阶课程（自然语言处理相关）

• CS221: 人工智能原理及技术：最新课程
• CS224N: 自然语言处理（选修Track B）课堂录制, 最新课程
• CS228: 概率图模型（选修Track B）: 最新课程, MOOC on Coursera
• CS229: 机器学习（选修Track B）:课堂录制, 最新课程
• CS224U: 自然语言理解（选修）: 课堂录制（部分）, 最新课程
• EE376A: 信息论（选修）: 最新课程, MIT课程(含视频)
• CS124/LING180: 从语言到信息（选修）最新课程