52nlp

Make something people want; A blog for fools written by fools

北京 海淀区

感兴趣的主题: 机器学习 足球 机器翻译 数学 NLP 计算广告学 自然语言处理 公开课 在线教育 创业 精益创业 游泳

16个粉丝

52nlp 的课程评论

52nlp 评论了课程: StatLearning: Statistical Learning

2014-04-14 18:51

拿到了这门课程的证书,简单做一点补充。统计学习和机器学习到底有什么区别?学完这门课程最大的感受就是统计学习更强调从统计的角度来看问题和结果,当然这算是废话。打个比方,如果看目录,这门课程和其他的机器学习课程有很多重复相似的章节,但是也各有所侧重。一般的机器学习课程在介绍线性回归或者逻辑回归的时候会告诉你如何做预估以及预估的结果,而统计学习还会加一个置信区间,从统计的角度告诉你结果的可靠性...当然,这仅仅是一点区别,这门课程涵盖的范围很广,每周的课时量也还行,需要花很多时间,我个人由于介入的时间靠后,并且时间上投入的不是很足,勉强凑够了学分,所以有些内容理解的也不是很深刻。另外,把这门课程剩下的视频下载下来放到之前所存的网盘了,大家可以收藏保存:http://pan.baidu.com/s/1gd5hNdL

52nlp 评论了课程: Design of Computer Programs

2014-02-26 09:18

战战兢兢,如履薄冰的完成了这门课程,也是我在Udacity上耗时最长的课程,不过毕竟是Peter Norvig大牛的课程,同时作为Udacity的联合创始人,这门课真心不错。每个单元都围绕一个或多个有意思的问题展开,基本上是问题驱动式的编程,很多时候自己用笨拙的方法解决完一个问题后,再看Norvig大牛的答案,常常有原来可以如此简单而优雅的Python解决方案。不过课程难道确实很大,但是内容很厚实,非常非常推荐,比较适合有一定编程及Python基础的同学来尝试。

52nlp 评论了课程: StatLearning: Statistical Learning

2014-02-06 15:27

这门统计学习课程和凸优化课程节前备受大家关注,不过春节的缘故,我暂时放了放,节后回来选课时发现这门课程比较复合我的口味,参考教程是《An Introduction to Statistical Learning with Applications in R》,授课老师也是这本书的作者,并且电子版官方免费提供:http://www-bcf.usc.edu/~gareth/ISL/。同时时间还没有错过,老师们比较人性的考虑了大家可能有一些特殊事情耽误课程的问题,统一把作业截止时间调整为2014年3月21号,只要这个时间之前完成作业,都可以算数。

另外之前在“公开课可下载资源汇总” 帖子下有同学询问这门课程的视频下载情况,所以顺手把目前4讲的视频下载了下来(其实注册课程后,每个课程视频下都有下载链接),统一放到百度网盘上了:Stanford Statistical Learning 2014,需要的同学可以考虑收藏,回头完成这门课程之后再来写课程点评。

52nlp 评论了课程: Computing for Data Analysis

2014-02-06 14:41

这门课程确实可以称得上是R语言的入门课程,不过对于我这个R门外汉来说很实用,4周的课程也很短,权当R语言热身,同时混了一个马年第一张证书。不过比较期待14年Coursera上约翰霍普金斯大学的数据科学系列课程,这个系列课程的工具用以R语言为主,也有一门专门的R语言编程课程,看来马年要R了!

52nlp 评论了课程: Mathematical Biostatistics Boot Camp

2014-01-05 13:15

轮次:
这门“生物统计学数学训练营”的课程已经开了第五轮,我跟的这一轮课程是2013.11.18号开课的,总共7周;下一轮课程是2014.3.3号,开课频率很高,感兴趣的同学可以关注。

背景:
本科数学系,研究生和工作后搞的计算机相关的方向,但是时刻能感受到概率统计非常有用,而自己这方面并不扎实。所以回补统计学课程是我在这一轮MOOC大潮中最想干的事情。

内容:
这门课程出自 Johns Hopkins University(约翰斯•霍普金斯大学),课程还提供认证模式的学习方式(付费),授课老师是Brian Caffo。课程主要分为4大模块,13节课程,包括基础的概率基本概念,期望,随机变量,条件概率,似然率,贝叶斯定理,置信区间,Bootstrapping等等,覆盖的知识点很多,而这只是这门课程的第一部分,第二部分课程“Mathematical Biostatistics Boot Camp 2"也将于2014.1.6开启新的一轮课程,将介绍假设检验,Fisher准确检验,卡方检验以及非参数检验等等更高级的统计学知识点。

作业:
总共有4个Homework和4给Quiz, 如果想拿到证书,Quiz是必须做得,至少需要拿到70%的分数,如果拿到90%以上的分数,记为优秀,而Homework可选,当然老师是鼓励完成这些家庭作业的。

社区:
很少去社区看问题,好像在Coursera上还没有养成这个习惯。

感受:
之所以给这门课程打3.5分,就是觉得课程内容不错,但是老师讲课太平淡了,总感觉放一张PPT,然后就对着读或讲了,和Udacity上两门统计学课程的学习感觉有天壤之别,感觉还是很传统的那种上课模式,学习效果也打很多折扣,常常做作业的时候对着PPT来重新温习。另外课程偶尔会用R演示一下计算过程,这个上课前没有注意,不过不影响这门课程的学习。

52nlp 评论了课程: Elementary Statistics

2013-11-09 19:26

轮次:
Udacity的课程是自主节奏的,随用随上,可快可慢,做完所有的测验达到一定的分数比例就可以拿证书,比较自由,没有Coursera或者edX上课程轮次或者小学期的概念。

背景:
虽然本科是数学系的,但是当年概率和统计学得有点迷糊,以应付考试为主。读研和工作后虽然时不时的用到一些知识点,也以临时报佛教为主,虽知统计学很重要,但是没有整体的统计学感觉。趁着MOOC这股热潮,先后回顾和学习了Udacity的统计学入门课程ST101:Introduction to Statistics和可汗学院的可汗老师概率和统计学课程:Probability and Statistics,两门课程都属于预热型的入门课程。

内容:
这门课程出自San Jose State University(圣何塞州立大学),课程貌似还提供学校认可的证书学习方式(付费),虽然Udacity主页上列着三位主讲老师,但是真正主讲的是最后一位美女老师Katie Kormanik,课程讲得非常不错。课程主要分为6大模块,16节课程,包括统计学方法介绍,频率分布,数据可视化,正态分布,中心极限定理,统计推断,假设检验,t-检验,相关,回归和卡方检验等,基本覆盖了统计学的主要内容。

作业:
Udaicty的课程以短视频为主,这门课程也以短视频为主,多在一分钟左右,超过分钟以上的视频都不多,并且80%左右的视频都配有相应的视频练习,同时每节课程之后安排有一节作业多个练习来回顾之前学习的内容,同时还有期中和期末考试练习,练习的量也很大。很喜欢Udacity这种短视频+大量练习驱动的学习形式,对于学习的知识点很容易通过练习和作业来强化认知,我认为这才是MOOC的未来。

这门课程的作业主要是通过Google Doc上的Excel和Python完成的,前者是老师教授的方法,并且很多作业的数据她都放在了google doc上,所以用着用着也就习惯了。以前不太喜欢用Excel,这一次真正感受到Excel还是很有用的;后者是自己用来做一些作业时用的,有时候比较偷懒,就写一个python小函数来算答案。

社区:
有时候一些没有看得太明白的问题或者做错了的题会去看一下相应的问答,问答社区里的回答很不错,帮我解惑了很多疑惑的地方。

感受:
学习完这门统计学课程之后感觉自己对统计真正有些感觉了,以前在工作中用到假设检验,卡方测试以及P值的时候,都很糊涂,现在清楚很多,并且学会了通过查t分布表,F分布表,卡方分布表来解决实际问题,同时也学会了用老师提供的一个网站http://www.graphpad.com/来在线计算P值等统计数据,感觉很实用。接下来,我还会继续找一些更深入的统计学课程来学习,感觉统计学也越来越有意思了。

52nlp 评论了课程: Learn to Program: The Fundamentals

2013-10-11 16:54

这门课程总共只有7周,比较适合Python入门,每周视频课程的总长度也不长,作业和编程练习的难度也不大,两位讲课的老师轮番上阵,比较喜欢用在线的Python可视化编辑工具Python Visualizer来观察程序的执行步骤,这个在线工具的却不错。如果有Python基础,这门课程会很轻松,可以用来混个证书。

52nlp 评论了课程: 计算广告学

2013-08-17 10:56

当时在清华大学这门课程的录制现场跟了这门课程的前5次课程,开始的时候没有报多大的希望,认为这门课程不会超越斯坦福的计算广告学课程,但是上课后的感觉完全不一样,从刘鹏老师讲课的过程中就能感觉到他对计算广告学的理解有多深刻,既有很深的理论功底,也有非常多的实战经验,并且非常谦虚。虽然自己之前玩了一两年的搜索广告和内容广告,但是上课过程中就能发现自己了解得还是很肤浅。

当前互联网公司几乎没有不玩广告的,包括国外的Google, Yahoo, MicroSoft, 国内的百度,腾讯,奇虎,搜狗等等公司。计算广告学涉及很多学科内容,包括博弈论,机器学习算法,大规模的数据处理问题,信息检索和自然语言处理等等,对于想进入互联网公司的同学特别是想从事计算广告的同学,强烈推荐这门课程。

52nlp 评论了课程: Try jQuery

2013-07-18 17:58

之前在Codecademy上学过相关的jQuery课程,但是相对于Code School上的这门课程来说,要略微逊色一些。

Code School上的这门jQuery课程是免费的,但是这门课程每章都提供制作精良的课程视频和PPT(可以下载),同时每章的练习或者挑战(Challenge)都很有针对性,学习完之后的感觉非常不错。另外,这门课程作为Code School 上JavaScript 系列(Path)课程的第一课,也是这个系列唯一的免费课程,体验完之后我是很愿意付费学习Code School上的其他课程的。

52nlp 评论了课程: Discover DevTools

2013-07-11 11:58

之前在学习前端开发的时候遇到过一些问题,一位朋友在帮我调试的时候用过Google Chrome开发工具,当时有些印象,但是没有太在意。最近在玩Code School的时候遇到这门课程, Google了一下,发现Chrome DevTools应该是一位合格的前端开发工程师必备的技能,而我还不合格。这门课程是Google和Code School在今年3月份合作推出的一门web开发课程,并且免费,于是认真学习了一把,学习的过程中有种相见恨晚的感觉。

“工欲善其事,必先利其器”,Chrome DevTools就是一把前端开发的利器,课程包括通过Elements面板操作Dom元素,运用控制台,JavaScript调试,网站网络性能调试,CPU profiling检查以及内存泄漏问题的检查等。在这个过程中,也接触了Google出品的其他几个前端开发辅助工具,例如PageSpeed, Closure Tools等,以前在做后台C/C++开发的时候接触过Google的很多开源工具,例如glog, gflags, gtest, protobuf等,没想到前端开发中Google也提供了这么多好用的工具,真心佩服Google的工程师文化和工具文化。

下面的部分摘自InfoQ上今年3月的一篇报道《Google通过Code School提供免费Web开发教程》,帮助大家了解这门课程,也强烈推荐给准备学习前端开发的同学,“磨刀不误砍柴工”,这门课程绝对超值:

Google在这个系列教程的发布声明中指出,这个课程的学习者至少得有一些JavaScript开发经验。教程共分七级,从简单的检查HTML元素和修改CSS开始,然后进阶到DOM的操纵,debugging,以及其他更深入内容:
LEVEL 1 - 基础DOM与样式 学习Elements面板,学习如何改变DOM、更新样式。
LEVEL 2 - 进阶DOM与样式 用工作流来加速开发工作。
LEVEL 3 - 学用控制台 学习控制台、如何检查exception、快捷键。
LEVEL 4 - JavaScript调试 学习调试JavaScript程序的最佳步骤。
LEVEL 5 - 提高网络性能 学习使用Network面板和页面加速扩展程序来提升网络交互速度。
LEVEL 6 - 提升性能 熟悉程序渲染性能,学习如何使用CPU分析工具来查找性能问题。
LEVEL 7 - 内存分析 学习如何查找内存泄漏整个教程制作相当精良,开篇甚至有专门为Web开发编撰的Rap歌曲。教程本身亦是精美的HTML5作品。

52nlp 评论了课程: Try R

2013-07-08 19:00

对R语言关注了很久,但是一直没有机会来学习这门语言,刚好Code School上的这门Try R课程免费,就认真的学习了一把,这样我所接触和学习的编程语言又多了一门,虽然很多不常用。

学习这门课印象最深的是R语言用“<-”来赋值,其他则和学习其他语言的感觉类似。这门R语言的学习课程先介绍基本的语法,然后介绍了向量和矩阵的操作,再介绍一些基本的统计量的计算和绘图,例如均值,中位数和标准差,最后再介绍对实际数据的操作和可视化,对于了解R语言很有帮助,但是深入的了解应该还需要其他的辅助手段。

52nlp 评论了课程: Coding the Matrix: Linear Algebra through Computer Science Applications

2013-07-02 18:07

比较关注这门线性代数的应用课程,所以昨天课程开始后就看完了第1周(week 0)的视频,主要是对这门课程的介绍以及讲了一些数学预备知识,包括函数,复数域以及伽罗瓦域或者有限域中的GF2,除了最后一个,其他都比较简单。

今天做了一下编程作业,其实主要是复习Python的相关知识点,同时包括这一周相关的知识点。不过这门课程明确要求用Python3.3.2,作业从发布之后有3个周的时间来做作业,时间还是比较宽裕的。作业主要包括家庭作业和实验作业(Homework and Lab assignments),基本上都是Python编程作业,用相关的Python脚本提交后,服务器会自动记分。如果想拿到课程证书,一般章节需要你至少拿到60分,但是对于向量或矩阵这两节课需要至少85分。

从这门课程的安排来看,涉及的线性代数知识点都比较基础,包括:
Week 0 July 1 - 7 The Function The Field
Week 1 July 8 - 14 The Vector
Week 2 July 15 - 21 The Vector Space
Week 3 July 22 - 28 The Matrix
Week 4 July 29 - Aug. 4 The Basis
Week 5 Aug. 5 - 11 Dimension
Week 6 Aug. 12 - 18 Gaussian Elimination The Inner Product
Week 7 Aug. 19 - 25 Orthogonalization

但是正如这门课程在其介绍中所谈到的课程哲学,它重视的是“learn by doing":

gives you the ability to create new and useful artifacts with just your mind and your fingers,

allows you to have more control of your world as more and more of it becomes digital,

is just fun.

这个理念和另一个在线编程学习网站Code School是刚好一致,通过练习或者实践来学习,知行合一,才能更好的理解线性代数在实际应用中的魅力。

52nlp 评论了课程: A New History for a New China, 1700-2000: New Data and New Methods, Part 1

2013-06-17 18:58

香港科技大学推出的一门中国历史相关的公开课,主讲这个时期的中国社会结构,教育,文化等等,微博上 @周小鮮 同学补充这门课程的授课老师是李政道的儿子,Google了一下,果然是,以下是维基百科的说明:

李中清(英语:James Lee,1952年-),美籍华裔历史学家、社会学家,以其对人口学的研究而知名,现为香港科技大学人文社会科学学院院长。他是诺贝尔物理学奖得主李政道之子,其弟李中汉为康奈尔大学化学教授。

李中清1983年毕业于美国芝加哥大学并获历史学博士学位。后在加州理工学院人文社科系任教。2003年至2008年任密歇根大学历史及社会学系教授、密歇根大学中国研究中心主任。2009年起出任香港科技大学人文社会科学学院院长。

52nlp 评论了课程: Introduction to Logic

2013-05-29 16:54

之前 @小小人_V 同学在“我爱公开课”上留过这门课程的自学笔记链接,对这门课程感兴趣的同学可以提前预习一下 笔记 逻辑学导论

52nlp 评论了课程: APIs

2013-05-24 21:37

Codecademy上的API开发课程还是蛮有意思的,包括youtube, evernote, twitter等等api的开发系列,所用语言包括之前学的Javascript, Python, Ruby等。不过课程一般是起个头,要是深入学习还得去看各大应用的官方网站。不过还是很羡慕老外,那么多可用的API,再看看国内~~~

52nlp 评论了课程: Probability and Statistics

2013-05-24 17:45

微博上有朋友让推荐概率与统计课,刚才回得有些简短,这里可以多写一些。

这门课程也是今年春节后跟的,和Codecademy相似,每天我会看一两个视频或做几个练习,这样虽然每天的量很少,但是持续下来这门课也快学完了,目前在Kehan上的积分是接近11万分,不过可汗学院上看一个视频或者做一套练习就可以拿750分,也不算多,但是我相信持续积累的力量。

回到这门课,可汗老师基本上在白板上边写边讲,通俗易懂,另外一个就是它的配套练习系统了,没有一定的正确率是不让你通过的。网易公开课虽然有这门课的视频,但是缺少了练习,好像就丢了魂。虽然以前在学校里学过概率和统计,特别是后者,感觉很多基本概念没有在脑子中留下印记。这门课刚好给我补回了很多基本的概念,有些概念我会再查一下wiki,配合着一些有趣的视频让后在我的英文博客上凑一篇笔记,这样印象就更深刻了。感兴趣的同学可以看这里Kehan Academy Notes

52nlp 评论了课程: PHP

2013-05-23 18:43

接触wordpress好多年,特别是还曾经发烧式的给wordpress写了一个数学公式插件,但是也没想到过去学一把PHP。不过还是因为Codecademy,我把这门课也学习了,挺不错,介绍了PHP的方方面面,至少可以让我更有信心的去改一些PHP开源工具包的代码了。

52nlp 评论了课程: Calculus One

2013-05-23 10:04

不可否认,这门课程是我学过的最有意思的一门微积分课程,虽然没有跟到底。老师的讲课有意思,有激情,所以语速感觉也很快。每周的课程基本上有一节是他的助手做真实实验的视频,很难想到数学课能讲成这个样子,也许这就是这一波在线教育的一个优势吧,老师专门对着镜头面向网络另一端的学生录制视频,自由度更大,质量更好。强烈推荐这门微积分课程,无论是入门还是回顾。

52nlp 评论了课程: Machine Learning

2013-05-22 13:03

这门课的老师是机器学习的大牛Pedro Domingos,他写过的“"A Few Useful Things to Know about Machine Learning”在微博广为流传,这门课虽然没有正式开始,但是通过preview的链接可以看课程的所有视频

52nlp 评论了课程: Web Development

2013-05-21 19:54

刚才在微博中回答了一个同学的疑问,想想还是在这里记录一下吧,不过多说几句。

这门课除了原理更注重实践,python框架用的是webapp2, 作业是写一个blog,直接在google app engine上搭建和提交;授课老师是Reddit创始人,Reddit目前的流量貌似世界前100名,但是只有3个工程师,课程有一小节专门采访相关的工程师聊Reddit当前的架构,干货非常多。

授课老师是Steve Huffman,他在2005年的时候和大学室友一起创办Reddit,一个投票性质的社交新闻网站,这个网站首先是用Lisp写的,后来用Python重构,Reddit在2006年被以2亿美元的价格收购,但是仍享受极高的自主权。

Steve本人在2010年重新创业,建立了在线旅游网站Hipmunk。值得一提的是,Reddit早在2008年就开源了,代码可以在github上找到,目前邮件组仍然非常活跃:https://github.com/reddit/reddit

52nlp 评论了课程: jQuery

2013-05-20 22:39

神奇的jQuery,不错的课程,强烈推荐Codecademy上的相关课程,在这个平台上面已经连续学习85天了,开始是有目的的学,现在已经是无目的学,什么都学,反正每天的目标是做十个练习,最大的目标是继续下去。

52nlp 评论了课程: Introduction to Statistics

2013-05-20 22:09

零基础学习统计学的好课程,授课老师是斯坦福教授Sebastian Thrun,他是Udacity的创始人之一,同时作为Google Fellow, 他创办了Google X实验室,主导了Google无人驾驶汽车以及Google眼镜等革命性产品。

课程本身深入浅出的介绍了统计学的大多数基本概念,只要认真回答每节课的小问题,同时认真完成homework, 包括用python写个小的统计程序,应该会大有收获。

52nlp 评论了课程: Calculus: Single Variable

2013-05-20 12:43

Coursera在今年一月份同时推出了两门微积分课程,一门是这个单变量微积分,另一个是微积分上(Calculus One)。我同时跟了这两门课,不过由于工作及春节等等缘故,大概跟了一半就放弃了,不过还是可以点评一下。相对来说,这门课制作的课件非常有意思,但是Calculus One讲得更生动一些。

这门课程的一个参考书是不到50页的一个小册子:FLCT: the Funny Little Calculus Text ,这个在google book上能阅读免费电子版,google play 上也只有0.45美元的价格,课件的确很有趣并且动感实足,这样导致感觉老师讲得有点不生动了。不过总体来说,这门微积分入门课还是非常不错的。

52nlp 评论了课程: Python

2013-05-19 19:46

在线零基础学习Python课程的首选,虽然是文字版的课程,没有视频,但是学习的体验是非常棒的,特别是不断获得的积分和勋章激励着自己不断去挑战连续学习记录,推荐。

52nlp 评论了课程: JavaScript

2013-05-16 22:36

与HTML,CSS一样,JavaScript同样是web开发需要了解的基础课程,并且在web开发中越来越大行其道,譬如基于JavaScript的jQuery库,甚至在Server端也有基于JavaScript的Node.js框架。Codecademy的这门课程同样是一门零基础入门的课程,整体感觉非常不错,推荐给对JavaScript感兴趣的同学。

52nlp 评论了课程: Introduction to Computer Science

2013-05-15 21:07

标准的cs101课程,可以作为搜索引擎和python的入门课程。在授课之余,授课老师和助教还带领大家采访了Google的创始人和拜访了一些牛掰的公司,很有意思。这门课也是我在udacity上的第一个拿到证书的课程,推荐。

52nlp 评论了课程: How to Build a Startup

2013-05-15 09:56

这门课程先是试着看了一下,没想到很快就被吸引了,特别是授课老师Steve Blank对着传统的瀑布模型打了个大叉的时候,我知道我脑子中一些固有的东西要被颠覆了。Steve Blank是硅谷的创业教父级任务,《精益创业》的作者也提到最早是向他请教的,精益创业最核心的一个理念就是不断的在实践中去发现客户,发现客户的需求,而不是传统的做一个缜密的计划再上线,然后客户不知道你做的是什么东西。

52nlp 评论了课程: Web Fundamentals

2013-05-14 18:50

非常适合Web开发零基础的同学来学习HTML和CSS,以练代学,学完之后再在实战中来体会,效果就会非常好。

52nlp 评论了课程: Web Development

2013-05-14 10:51

今年上半年的一个主要精力是学习web开发,所以跟了Udacity上的这门课,不过有点断断续续,先期只是过了一遍视频,感觉效果不好,现在是边看视频边做练习同时做作业。课程的老师是来自工业届的Steve Huffman,大名顶顶的Reddit的创始人之一,课程也非常务实,开发语言是Python, 利用webapp2框架,同时结合GoogAppEngine。Udacity课程稍微麻烦一点的是视频放在Youtube上,不过好事是每节课都提供了课程视频的打包下载。

52nlp 评论了课程: Gamification

2013-05-14 10:16

最早看到这门课程的时候还以为和游戏有关,对做游戏不太感冒,所以没关注。后来有一个在上这门课的朋友向我推荐,说这门课的目的是用游戏里的激励机制来设计现实生活中的产品,譬如Codecademy,很有意思。所以才认真看了一下这门课,不过只是看视频,没有做作业,很有意思的一门课,推荐。

52nlp 评论了课程: Ruby

2013-05-13 13:35

目前在Codecademy上做了接近持续80天的编程练习,也把之前排斥的Ruby学习了,发现和Python很像,尽量简单并给用户提供了很多方便的东西,代码可以写得很少,却能做很多事情。另外课程虽然没有视频,但在游戏化激励上做了很多尝试,很不错,推荐。

52nlp 评论了课程: Machine Learning

2013-05-13 12:32

同推荐Andrew Ng老师的这门机器学习课程,难度不高,非常适合入门,同时也可以在做作业的时候学习一下Octave

更多评论

52nlp 关注的课程

JavaScript (Codecademy) 3 个评论 关注

开始时间: 随时 持续时间: free

主页: http://www.codecademy.com/zh/tracks/javascript

简介: JavaScript is a programming language that makes websites interactive.

Python (Codecademy) 5 个评论 关注

开始时间: 随时 持续时间: free

主页: http://www.codecademy.com/zh/tracks/python

简介: Learn the fundamentals of Python and dynamic programming.

Ruby (Codecademy) 2 个评论 关注

开始时间: 随时 持续时间: free

主页: http://www.codecademy.com/zh/tracks/ruby

简介: Ruby is an incredibly popular programming language that helps power websites all over the world. Learn how to create a number of useful applications quickly and easily.

PHP (Codecademy) 1 个评论 关注

开始时间: 随时 持续时间: free

主页: http://www.codecademy.com/zh/tracks/php

简介: Write server-side scripts with PHP, the world's most popular scripting language.

APIs (Codecademy) 2 个评论 关注

开始时间: 随时 持续时间: 自主

主页: http://www.codecademy.com/zh/tracks/apis

简介: APIs let you connect your app to the world. You can write code that can do almost anything—like read tweets, make phone calls, and track clicks on your site's links.

Introduction to Computer Science (Udacity) 6 个评论 关注

开始时间: 随时 持续时间: 自主

主页: https://www.udacity.com/course/cs101

简介: In this course you will learn key concepts in computer science and learn how to write your own computer programs in the context of building a web crawler.

Introduction to Statistics (Udacity) 3 个评论 关注

开始时间: 随时 持续时间: 自主

主页: https://www.udacity.com/course/st101

简介: Statistics is about extracting meaning from data. In this class, we will introduce techniques for visualizing relationships in data and systematic techniques for understanding the relationships using mathematics.

Introduction to Physics (Udacity) 0 个评论 关注

开始时间: 随时 持续时间: 自主

主页: https://www.udacity.com/course/ph100

简介: Study physics abroad in Europe -- virtually! Learn the basics of physics on location in Italy, the Netherlands and the UK, by answering some of the discipline's major questions from over the last 2000 years.

How to Build a Startup (Udacity) 4 个评论 关注

开始时间: 随时 持续时间: 自主

主页: https://www.udacity.com/course/ep245

简介: You'll learn the key steps of the Customer Development process: how to identify and engage the first customers for your product, and how to gather, evaluate and use their feedback to make your product, marketing and business model far stronger.

Web Development (Udacity) 3 个评论 关注

开始时间: 随时 持续时间: 自主

主页: https://www.udacity.com/course/cs253

简介: Starting from the basics of how the web works, this class will walk you through everything you need to know to build your own blog application and scale it to support large numbers of users.

更多课程