深度学习课程资源整理

转自：http://blog.coursegraph.com/tag/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86

这里整理一批深度学习课程或者深度学习相关公开课的资源，持续更新，仅供参考。

1. Andrew Ng (吴恩达) 深度学习专项课程 by Coursera and deeplearning.ai

这是 Andrew Ng 老师离开百度后推出的第一个深度学习项目（deeplearning.ai)的一个课程: Deep Learning Specialization ，课程口号是：Master Deep Learning, and Break into AI. 作为 Coursera 联合创始人 和 机器学习网红课程 “Machine Learning” 的授课者，Andrew Ng 老师引领了数百万同学进入了机器学习领域，而这门深度学习课程的口号也透露了他的野心：继续带领百万人进入深度学习的圣地。

作为 Andrew Ng 老师的粉丝，依然推荐这门课程作为深度学习入门课程首选，并且建议花费上 Coursera 上的课程，一方面可以做题，另外还有证书，最重要的是它的编程作业，是理解课程内容的关键点，仅仅看视频绝对是达不到这个效果的。参考：《Andrew Ng 深度学习课程小记》和《Andrew Ng (吴恩达) 深度学习课程小结》。

2. Geoffrey Hinton 大神的 面向机器学习的神经网络（Neural Networks for Machine Learning）

Geoffrey Hinton大神的这门深度学习课程 2012年在 Coursera 上开过一轮，之后一直沉寂，直到 Coursera 新课程平台上线，这门课程已开过多轮次，来自课程图谱网友的评论：

“Deep learning必修课”

“宗派大师+开拓者直接讲课，秒杀一切二流子”

这门深度学习课程相对上面 Andrew Ng深度学习课程有一定难道，但是没有编程作业，只有Quiz.

3. 牛津大学深度学习课程(2015): Deep learning at Oxford 2015

这门深度学习课程名字虽然是 “Machine Learning 2014-2015″，不过主要聚焦在深度学习的内容上，可以作为一门很系统的机器学习深度学习课程：

Machine learning techniques enable us to automatically extract features from data so as to solve predictive tasks, such as speech recognition, object recognition, machine translation, question-answering, anomaly detection, medical diagnosis and prognosis, automatic algorithm configuration, personalisation, robot control, time series forecasting, and much more. Learning systems adapt so that they can solve new tasks, related to previously encountered tasks, more efficiently.

The course focuses on the exciting field of deep learning. By drawing inspiration from neuroscience and statistics, it introduces the basic background on neural networks, back propagation, Boltzmann machines, autoencoders, convolutional neural networks and recurrent neural networks. It illustrates how deep learning is impacting our understanding of intelligence and contributing to the practical design of intelligent machines.

视频Playlist：https://www.youtube.com/playlist?list=PLE6Wd9FR–EfW8dtjAuPoTuPcqmOV53Fu

参考：“牛津大学Nando de Freitas主讲的机器学习课程，重点介绍深度学习，还请来Deepmind的Alex Graves和Karol Gregor客座报告，内容、讲解都属一流，强烈推荐！ 云: http://t.cn/RA2vSNX”

4. Udacity 深度学习（中/英）by Google

Udacity (优达学城）上由Google工程师主讲的免费深度学习课程，结合Google自己的深度学习工具 Tensorflow ，很不错：

机器学习是发展最快、最令人兴奋的领域之一，而深度学习则代表了机器学习中最前沿但也最有风险的一部分。在本课内容中，你将透彻理解深度学习的动机，并设计用于了解复杂和/或大量数据库的智能系统。

我们将教授你如何训练和优化基本神经网络、卷积神经网络和长短期记忆网络。你将通过项目和任务接触完整的机器学习系统 TensorFlow。你将学习解决一系列曾经以为非常具有挑战性的新问题，并在你用深度学习方法轻松解决这些问题的过程中更好地了解人工智能的复杂属性。

我们与 Google 的首席科学家兼 Google 智囊团技术经理 Vincent Vanhoucke 联合开发了本课内容。此课程提供中文版本。

5. Udacity 纳米基石学位项目：深度学习

Udacity的纳米基石学位项目，收费课程，不过据说更注重实战：

人工智能正颠覆式地改变着我们的世界，而背后推动这场进步的，正是深度学习技术。优达学城和硅谷技术明星一起，带来这门帮你系统性入门的课程。你将通过充满活力的硅谷课程内容、独家实战项目和专业代码审阅，快速掌握深度学习的基础知识和前沿应用。

你在实战项目中的每行代码都会获得专业审阅和反馈，还可以在同步学习小组中，接受学长、导师全程的辅导和督促

6. fast.ai 上的深度学习系列课程

fast.ai上提供了几门深度学习课程，课程标语很有意思：Making neural nets uncool again ，并且 Our courses (all are free and have no ads):

Deep Learning Part 1: Practical Deep Learning for Coders
Why we created the course
What we cover in the course
Deep Learning Part 2: Cutting Edge Deep Learning for Coders
Computational Linear Algebra: Online textbook and Videos
Providing a Good Education in Deep Learning—our teaching philosophy
A Unique Path to Deep Learning Expertise—our teaching approach

7. 台大李宏毅老师深度学习课程：Machine Learning and having it Deep and Structured

难得的免费中文深度学习课程：

课程主页：http://speech.ee.ntu.edu.tw/~tlkagk/courses_MLDS17.html
课程视频Playlist: https://www.youtube.com/playlist?list=PLJV_el3uVTsPMxPbjeX7PicgWbY7F8wW9
B站搬运深度学习课程视频: https://www.bilibili.com/video/av9770302/

8. 台大陈缊侬老师深度学习应用课程：Applied Deep Learning / Machine Learning and Having It Deep and Structured

据说是美女老师，这门课程16年秋季开过一次，不过没有视频，最新的这期是17年秋季课程，刚刚开课，Youtube上正在陆续放出课程视频：

16年课程主页，有Slides等相关资料：https://www.csie.ntu.edu.tw/~yvchen/f105-adl/index.html
17年课程主页，资料正在陆续放出：https://www.csie.ntu.edu.tw/~yvchen/f106-adl/
Youtube视频，目前没有playlist，可以关注其官方号放出的视频：https://www.youtube.com/channel/UCyB2RBqKbxDPGCs1PokeUiA/videos

9. Yann Lecun 深度学习公开课

“Yann Lecun 在 2016 年初于法兰西学院开课，这是其中关于深度学习的 8 堂课。当时是用法语授课，后来加入了英文字幕。
作为人工智能领域大牛和 Facebook AI 实验室（FAIR）的负责人，Yann Lecun 身处业内机器学习研究的最前沿。他曾经公开表示，现有的一些机器学习公开课内容已经有些过时。通过 Yann Lecun 的课程能了解到近几年深度学习研究的最新进展。该系列可作为探索深度学习的进阶课程。”

10. 2016 年蒙特利尔深度学习暑期班

推荐理由：看看嘉宾阵容吧，Yoshua Bengio 教授循环神经网络，Surya Ganguli 教授理论神经科学与深度学习理论，Sumit Chopra 教授 reasoning summit 和 attention，Jeff Dean 讲解 TensorFlow 大规模机器学习，Ruslan Salakhutdinov 讲解学习深度生成式模型，Ryan Olson 讲解深度学习的 GPU 编程，等等。

11. 斯坦福大学深度学习应用课程：CS231n: Convolutional Neural Networks for Visual Recognition

这门面向计算机视觉的深度学习课程由Fei-Fei Li教授掌舵，内容面向斯坦福大学学生，货真价实，评价颇高：

Computer Vision has become ubiquitous in our society, with applications in search, image understanding, apps, mapping, medicine, drones, and self-driving cars. Core to many of these applications are visual recognition tasks such as image classification, localization and detection. Recent developments in neural network (aka “deep learning”) approaches have greatly advanced the performance of these state-of-the-art visual recognition systems. This course is a deep dive into details of the deep learning architectures with a focus on learning end-to-end models for these tasks, particularly image classification. During the 10-week course, students will learn to implement, train and debug their own neural networks and gain a detailed understanding of cutting-edge research in computer vision. The final assignment will involve training a multi-million parameter convolutional neural network and applying it on the largest image classification dataset (ImageNet). We will focus on teaching how to set up the problem of image recognition, the learning algorithms (e.g. backpropagation), practical engineering tricks for training and fine-tuning the networks and guide the students through hands-on assignments and a final course project. Much of the background and materials of this course will be drawn from the ImageNet Challenge.

12. 斯坦福大学深度学习应用课程: Natural Language Processing with Deep Learning

这门课程由NLP领域的大牛 Chris Manning 和 Richard Socher 执掌，绝对是学习深度学习自然语言处理的不二法门。

Natural language processing (NLP) is one of the most important technologies of the information age. Understanding complex language utterances is also a crucial part of artificial intelligence. Applications of NLP are everywhere because people communicate most everything in language: web search, advertisement, emails, customer service, language translation, radiology reports, etc. There are a large variety of underlying tasks and machine learning models behind NLP applications. Recently, deep learning approaches have obtained very high performance across many different NLP tasks. These models can often be trained with a single end-to-end model and do not require traditional, task-specific feature engineering. In this winter quarter course students will learn to implement, train, debug, visualize and invent their own neural network models. The course provides a thorough introduction to cutting-edge research in deep learning applied to NLP. On the model side we will cover word vector representations, window-based neural networks, recurrent neural networks, long-short-term-memory models, recursive neural networks, convolutional neural networks as well as some recent models involving a memory component. Through lectures and programming assignments students will learn the necessary engineering tricks for making neural networks work on practical problems.

这门课程融合了两位授课者之前在斯坦福大学的授课课程，分别是自然语言处理课程 cs224n (Natural Language Processing)和面向自然语言处理的深度学习课程 cs224d (Deep Learning for Natural Language Processing).

13. 斯坦福大学深度学习课程: CS 20SI: Tensorflow for Deep Learning Research

准确的说，这门课程主要是针对深度学习工具Tensorflow的:

Tensorflow is a powerful open-source software library for machine learning developed by researchers at Google Brain. It has many pre-built functions to ease the task of building different neural networks. Tensorflow allows distribution of computation across different computers, as well as multiple CPUs and GPUs within a single machine. TensorFlow provides a Python API, as well as a less documented C++ API. For this course, we will be using Python.

This course will cover the fundamentals and contemporary usage of the Tensorflow library for deep learning research. We aim to help students understand the graphical computational model of Tensorflow, explore the functions it has to offer, and learn how to build and structure models best suited for a deep learning project. Through the course, students will use Tensorflow to build models of different complexity, from simple linear/logistic regression to convolutional neural network and recurrent neural networks with LSTM to solve tasks such as word embeddings, translation, optical character recognition. Students will also learn best practices to structure a model and manage research experiments.

14. 牛津大学 & DeepMind 联合的面向NLP的深度学习应用课程: Deep Learning for Natural Language Processing: 2016-2017

课程主页：https://www.cs.ox.ac.uk/teaching/courses/2016-2017/dl/

github课程项目页面：https://github.com/oxford-cs-deepnlp-2017/

课程视频Playlist: https://www.youtube.com/playlist?list=PL613dYIGMXoZBtZhbyiBqb0QtgK6oJbpm

B站搬运视频: https://www.bilibili.com/video/av9817911/

15. 卡耐基梅隆大学（CMU）深度学习应用课程：CMU CS 11-747, Fall 2017 Neural Networks for NLP

课程主页：http://phontron.com/class/nn4nlp2017/

课程视频Playlist: https://www.youtube.com/watch?v=Sss2EA4hhBQ&list=PL8PYTP1V4I8ABXzdqtOpB_eqBlVAz_xPT

16. MIT组织的一个为期一周的深度学习课程: 6.S191: Introduction to Deep Learning http://introtodeeplearning.com/

17. 奈良先端科学技術大学院大学(NAIST) 2014年推出的一个深度学习短期课程（英文授课）：Deep Learning and Neural Networks

18. Deep Learning course: lecture slides and lab notebooks

欢迎大家推荐其他没有覆盖到的深度学习课程。

注：原创文章，转载请注明出处“课程图谱博客”：http://blog.coursegraph.com

本文链接地址：http://blog.coursegraph.com/深度学习课程资源整理

本条目发布于2017 年 9 月 23 日。属于Coursera、公开课信息、在线教育、深度学习分类，被贴了 Andrew Ng、Andrew Ng 深度学习公开课、Andrew Ng 深度学习课程、Coursera、Coursera 深度学习、Coursera深度学习公开课、NLP、Tensorflow、深度学习、深度学习公开课、深度学习应用、深度学习应用课程、深度学习课程、深度学习课程资源、自然语言处理、计算机视觉 标签。作者是admin。

Coursera课程下载和存档计划更新及索引

1条回复

更新了一下github上“Coursera Archive”项目的相关课程链接，如果在Coursera新课程平台上有的，就更新为新平台链接，如果没有，就保留课程图谱上的链接，供大家参考。

从目前更新的链接来看，有的课程得到了保留，也有的直接不复存在，譬如机器学习的相关课程, 台大林軒田老师的两门机器学习课程就没有了，但是大神Geoffrey Hinton的“面向机器学习”的神经网络课程貌似又复活了，Coursera新课程平台上显示的是2016年9月份开课，大家可以拭目以待。又例如自然语言处理的相关课程，只有 Michael Collins 大神的自然语言处理课程丢失，其他3门课程在新课程平台上均有所保留，情况貌似没有那么糟。另外斯坦福大学的两门算法设计与分析课程，刚刚开课，感兴趣的同学可以直接去上课了。

最后附上 “Coursera课程下载和存档计划” 相关索引，仅供查询和参考：

1. Coursera Downloader 下载工具
2. Coursera课程速查表
3. 机器学习 & 自然语言处理 & 推荐系统 & 数据挖掘相关公开课
4. 计算机科学基础公开课
5. 其他课程资源

注：原创文章，转载请注明出处“课程图谱博客”：http://blog.coursegraph.com

本文链接地址：http://blog.coursegraph.com/coursera课程下载和存档计划更新及索引

本条目发布于2016 年 7 月 12 日。属于Coursera分类，被贴了 Coursera、Coursera下载、Coursera公开课、Coursera备份、Coursera存档、Coursera网盘、Coursera课程、机器学习、深度学习、神经网络、算法、自然语言处理 标签。作者是admin。

Coursera课程下载和存档计划三：机器学习 & 自然语言处理 & 推荐系统 & 数据挖掘相关公开课

22条回复

周末对之前保存和下载的Coursera课程做了一下整理和归类，先送出机器学习、自然语言处理、推荐系统和数据挖掘相关的14门课程资源。这些公开课资源很多来自于之前课程图谱群内朋友的或者微博上的朋友的分享，这里做了一些补充，主要针对Coursera旧课程平台的课程进行备份和分享，对于一些已经迁移至新课程平台的课程，希望大家直接去Coursra新课程平台上去上课，这样会有更好的学习体验。最后特别说明的是，课程网盘资源仅供个人备份学习使用。

关于“Coursera课程下载和存档计划”，请参考：

1. Coursera Downloader 下载工具
2. Coursera课程速查表

以下是按几个类别整理的相关课程资源，相关信息我们也会同步到“Coursera Archive”项目上去：

机器学习相关课程:

1、斯坦福大学 Andrew Ng 机器学习 (Machine Learning)

该课程已经在Coursera新的课程平台上发布（https://www.coursera.org/learn/machine-learning），在线的课程资源依然会得到保留，优先推荐在线学习，可以做练习，可以提交作业，这里分享的百度网盘资源包含两个版本，来自于之前大家的分享：

链接: https://pan.baidu.com/s/1bBVtIQ 密码: 26hc

2、华盛顿大学 Pedro Domingos 机器学习 (Machine Learning)

该课程一直没有开课，但是可以preview，视频量很足，类容丰富，用Coursera Downloader下载后大约5G，是目前所有课程下载中占用空间最大的。

链接: https://pan.baidu.com/s/1o8meCps 密码: tekb

3、台湾大学 林軒田 机器学习基石 (Machine Learning Foundations)

该课程在课程图谱上的评价很高，10条评价全是五星，而且评论都很精彩。据说林老师现在创业去了，这门课说不定也会成为绝版，赶紧收藏吧，有三个版本，来自于之前大家的分享或者网上的公开资源。

链接: http://pan.baidu.com/s/1hsmAsNq 密码: kxfj

4、台湾大学 林軒田 机器学习技法(Machine Learning Techniques)

机器学习基石 (Machine Learning Foundations)课程姊妹篇，或者下部，难度依然很高，所以货真价实，值得收藏。

链接: http://pan.baidu.com/s/1bpHSAPD 密码: abye

5、多伦多大学 Geoffrey Hinton 面向机器学习的神经网络（Neural Networks for Machine Learning）

Geoffrey Hinton大神在Coursera上的这门课程只在2012年开过一轮，这次应该不会进行迁移了：

“Deep learning必修课”

“宗派大师+开拓者直接讲课，秒杀一切二流子”

看看上面的点评，对深度学习感兴趣的同学赶紧保存，本次分享包含两个版本，均为之前大家的分享：

链接: https://pan.baidu.com/s/1sl0R7PV 密码: k4ui

6、斯坦福大学 Daphne Koller 概率图模型公开课（Probabilistic Graphical Models）

这次应该也不会迁移了，想当年多少大神在Coursera上开课。。。本次分享有两个版本，来自于之前大家的分享和网络上的可查资源：

链接: https://pan.baidu.com/s/1hr4X2YS 密码: n5j9

自然语言处理相关课程

7、哥伦比亚大学 Michael Collins 自然语言处理公开课(Natural Language Processing)

NLP大神的课程，必须备份，来自之前一个朋友的分享：
链接: http://pan.baidu.com/s/1hsbKYK8 密码: ines

Update: 链接: https://pan.baidu.com/s/1c2JpM28 密码: 9dwx

8、斯坦福大学 Dan Jurafsky和Christopher Manning 自然语言处理（Natural Language Processing）

这门课程的授课老师是斯坦福教授Dan Jurafsky和Christopher Manning，两位都是NLP领域的大大牛，其他不说，仅仅是他们写的书应该是很多NLPer的入门书：前者写了《Speech and Language Processing》，中文译名《自然语言处理综论》，后者写了《Foundations of Statistical Natural Language Processing》，中文译名《统计自然语言处理基础》，这两本几乎是NLPer的入门必读书籍。

用coursera-dl下载了一份并上传到百度网盘备份，需要的同学尽快保存：

链接: http://pan.baidu.com/s/1jHKfXQm 密码: s6hx

Update: http://pan.baidu.com/s/1nvbEOFf 密码: pjzd

9、密歇根大学 Dragomir R. Radev Introduction to Natural Language Processing（自然语言处理导论）

这门课程了解不是太多，下载了一份作为备份：

链接: http://pan.baidu.com/s/1nu5MFVj 密码: 3t3h

10、伊利诺伊大学厄巴纳香槟分校 翟成祥(ChengXiang Zhai) Text Mining and Analytics（文本挖掘与分析）

这门课程已经切换到Coursera新课程平台：https://www.coursera.org/learn/text-mining ，最新一轮课程将于2016年7月11号开课，推荐感兴趣的同学直接在线学习，体验MOOC平台的诸多好处。

推荐系统相关课程:

11、明尼苏达大学 Joseph Konstan 和 Michael D Ekstrand Introduction to Recommender Systems（推荐系统导论）

这门课程已经切换到Coursera新课程平台：https://www.coursera.org/learn/recommender-systems ，最新一轮课程刚刚于2016年6月13号开课，推荐感兴趣的同学直接加入学习。以下提供一个网盘资源，是一个全部课程的打包压缩文件：

链接: http://pan.baidu.com/s/1pLy7uvL 密码: ui1u

数据挖掘相关课程

12、斯坦福大学 Jeff Ullman & Anand Rajaraman & Jure Leskovec Mining Massive Datasets

这门课程的授课老师之一是巨牛Jeff Ullman，他是计算机领域鼎鼎大名的“龙书”《编译原理》及数据库领域权威指南《数据库系统实现》这两本书的作者之一，谷歌创始人Sergey Brin亦是他的学生之一。该课程对应一个官方主页：http://www.mmds.org/，提供课程和书籍的相关资源，全部开放。所对应的同名书籍中文译名为《大数据 互联网大规模数据挖掘与分布式处理》，由王斌老师翻译，已出第二版。网盘资源来自于大家的分享，包括两个版本和一个英文版电子书籍：

链接: http://pan.baidu.com/s/1c81pRC 密码: e25n

13、伊利诺伊大学厄巴纳-香槟分校 Jiawei Han Pattern Discovery in Data Mining（数据挖掘中的模式发现）

授课老师 Jiawei Han 是数据挖掘领域国际知名学者，这门课程目前已经迁移到Coursera新的课程平台 https://www.coursera.org/learn/data-patterns ，新一轮课程将于8月底开课，感兴趣的同学可以关注。

14、伊利诺伊大学厄巴纳-香槟分校 Jiawei Han Cluster Analysis in Data Mining（数据挖掘中的聚类分析）

同上一门课程构成姊妹篇，目前也已经迁移到Coursera新的课程平台 https://www.coursera.org/learn/cluster-analysis ，新一轮课程将于10月初开课，感兴趣的同学可以关注。

注：原创文章，转载请注明出处“课程图谱博客”：http://blog.coursegraph.com

本文链接地址：http://blog.coursegraph.com/coursera课程下载和存档计划三

本条目发布于2016 年 6 月 18 日。属于Coursera、机器学习分类，被贴了 Coursera、Coursera下载、Coursera公开课、Coursera备份、Coursera存档、Coursera网盘、Coursera课程、推荐系统、数据挖掘、机器学习、概率图模型、模式发现、模式识别、深度学习、神经网络、聚类分析、自然语言处理 标签。作者是admin。

Coursera课程下载和存档计划二：Coursera课程速查表

发表回复

基于课程图谱的Coursera爬虫过了一遍目前Coursera旧平台的课程数据，提取其中几个有用信息作为Coursera课程下载的速查表，大家可以基于coursera-dl和课程短连接（Session Slug)下载相关的课程，具体下载方法可参考上一篇文章：Coursera课程下载和存档计划（一）。

另外新建了一个 Github 项目：Coursera Archive，提供Markdown和Excel两个版本的list。之后计划将相关的网盘信息也汇总上去，欢迎大家一起参与下载和分享。

总计516个课程，具体信息可参考下表：
继续阅读 →

本条目发布于2016 年 6 月 14 日。属于Coursera分类，被贴了 Coursera、Coursera Downloader、coursera-dl、Coursera下载、Coursera公开课、Coursera备份、Coursera存档、Coursera网盘、Coursera课程、自然语言处理 标签。作者是admin。

Coursera课程下载和存档计划一：Coursera Downloader 下载工具

10条回复

上周三收到Coursera平台的群发邮件，大意是Coursera将在6月30号彻底关闭旧的课程平台，全面升级到新的课程平台上，一些旧的课程资源（课程视频、课程资料）将不再保存，如果你之前学习过相关的课程，或者有心仪的课程，Coursera建议你将这些课程资源下载下来备份。

说实话，自从Coursera这一两年逐渐进行“商业升级”以后，我已经很少在这个平台上学习公开课了，反而是edX的一些课程更吸引我，特别是课程质量，后者显得更用心很多。不过作为最早的MOOC平台Coursera，曾经诞生了很多经典课程，要是这些课程真的随Coursera平台的切换而丢失，实在可惜。这里曾经整理过一批“公开课可下载资源汇总”，很多来自于大家的贡献和分享，不过这也是两三年前的事情，一些课程网盘资源已经失效，这封邮件促使我开始检查这些网盘资源，特别是来自Coursera平台的课程资源。之前有些课程资源没有下载或者没有网盘资源，以为只要有Coursera账号，就可以随时登陆上去在线观看就可以了，也没有下载的欲望，现在不同了，例如斯坦福大学Dan Jurafsky和Christopher Manning的自然语言处理课程，例如一直没有开课却可以preview观看的大牛Pedro Domingos的机器学习课程，下载和备份是必须的。

工欲善其事，必先利其器，针对Coursera的下载工具有很多，包括一些浏览器插件，不过这里推荐的是Python下载工具Coursera Downloader, 简称coursera-dl。这个神器早在几年前我就用过，印象深刻，这次重拾，依然非常方便给力。最简单的安装方法是“pip install coursera”，可参考github上该项目的安装说明。下面以Mac OS系统为例简单说明一下基于virtualenv的安装使用方法，该方法对ubuntu这样的linux系统应该有效，windows下没有测试，未知。

首先从github上获取代码，git clone或者直接下载zip源码文件均可：

git clone https://github.com/coursera-dl/coursera-dl

Cloning into ‘coursera-dl’…
remote: Counting objects: 3357, done.
remote: Compressing objects: 100% (14/14), done.
remote: Total 3357 (delta 6), reused 0 (delta 0), pack-reused 3343
Receiving objects: 100% (3357/3357), 1.39 MiB | 75 KiB/s, done.
Resolving deltas: 100% (1852/1852), done.

cd coursera-dl/

virtualenv my-coursera

New python executable in /Users/xxxxxx/project/mooc/test/coursera-dl/my-coursera/bin/python
Installing setuptools, pip, wheel…done.

source my-coursera/bin/activate

pip install -r requirements.txt

Collecting beautifulsoup4>=4.1.3 (from -r requirements.txt (line 1))
…..
Installing collected packages: beautifulsoup4, six, html5lib, requests, urllib3, pyasn1, keyring
Successfully installed beautifulsoup4-4.4.1 html5lib-1.0b8 keyring-9.0 pyasn1-0.1.9 requests-2.10.0 six-1.10.0 urllib3-1.16

安装完毕，以下是coursera-dl的详细用法:

General: coursera-dl -u -p modelthinking-004
Multiple classes: coursera-dl -u -p saas historyofrock1-001 algo-2012-002
Filter by section name: coursera-dl -u -p -sf “Chapter_Four” crypto-004
Filter by lecture name: coursera-dl -u -p -lf “3.1_” ml-2012-002
Download only ppt files: coursera-dl -u -p -f “ppt” qcomp-2012-001
Use a ~/.netrc file: coursera-dl -n — matrix-001
Get the preview classes: coursera-dl -n -b ni-001
Specify download path: coursera-dl -n –path=C:\Coursera\Classes\ comnetworks-002
Display help: coursera-dl –help

Maintain a list of classes in a dir:
Initialize: mkdir -p CURRENT/{class1,class2,..classN}
Update: coursera-dl -n –path CURRENT `\ls CURRENT`

我们以Coursera上密歇根大学的“自然语言处理入门”课程为例，在旧的课程课程主页“Introduction to Natural Language Processing”，首先需要加入（Enroll）该课程的一个班次，目前只有2015年10月到12月开过一轮课，加入该轮课程后，进入到课程详细页面，可以看到网页链接类似这个形式：

https://class.coursera.org/nlpintro-001/lecture

对于Coursera Downloader来说，主要需要的就是这个”nlpintro-001″课程班次短链接，然后就可以尝试下载了，这里用 –path指定了课程下载路径：

coursera-dl -u 用户邮箱 -p 用户密码 --path=../../coursera_backup/ nlpintro-001

然后就开始了下载历程。。。。。。可能和网络有关，这个下载有时候会中断或者停止不动假死，coursera-dl提供了一个“Resuming downloads”模式，类似于“断点续传”，非常有用，可以用如下命令恢复之前中断的下载：

coursera-dl -u 用户邮箱 -p 用户密码 --path=../../coursera_backup/ --resume nlpintro-001

这种加入课程然后下载课程资料的方法比较全，除了课程视频外，还可以下载课程相关的课件和字幕。如果你没有加入课程，Coursera Downloader提供了一个下载preview课程的方法，不过只能下载课程视频，但是前提是你必须有Coursera账号。以一直没有开课却可以preview观看的大牛Pedro Domingos的机器学习课程为例，点击该课程主页Machine Learning上的”Preview lectures”按钮，即可得到课程预览链接“https://class.coursera.org/machlearning-001/lecture/preview”，按照Coursera Downloader上的方法，需要预先在用户主目录下设置一个 ~/.netrc 文件，文件格式如下：

machine coursera-dl login 用户邮箱 password 用户密码

非常重要的是，你需要把设置一下 ~/.netrc 的权限：

chmod og-rw ~/.netrc

否则，会遇到如下的错误，我已经踩过这个坑了：

~/.netrc access too permissive: access permissions must restrict access to only the owner

之后就可以用如下命令下载preview的课程视频文件了：

coursera-dl -n -b --path=../../coursera_backup/ machlearning-001

希望大家用这个工具或其他工具尽快保存Coursera自己心仪的课程，如果方便的话，上传到相关的网盘，做个分享，一方面自己做个备份，另一方便方便大家共享学习资源。这里先附上已经整理的5门Coursera公开课资源，部分课程资源还在下载和上传中，之后将陆续整理发布。

1、机器学习课程 by Andrew Ng

该课程已经在Coursera新的课程平台上发布（https://www.coursera.org/learn/machine-learning），在线的课程资源依然会得到保留，这里分享的百度网盘资源包含两个版本，来自于之前大家的分享：

链接: http://pan.baidu.com/s/1miMZHQo 密码: aeck

2、面向机器学习的神经网络（Neural Networks for Machine Learning）by Geoffrey Hinton

Geoffrey Hinton大神在Coursera上的这门课程只在2012年开过一轮，这次应该不会进行迁移了：

“Deep learning必修课”

“宗派大师+开拓者直接讲课，秒杀一切二流子”

看看上面的点评，对深度学习感兴趣的同学赶紧保存，本次分享包含两个版本，均为之前大家的分享：

链接: http://pan.baidu.com/s/1sk9cgK9 密码: ndm9

3、Daphne Koller教授的“概率图模型公开课（Probabilistic Graphical Models）”

这次应该也不会迁移了，想当年多少大神在Coursera上开课。。。本次分享为之前一个朋友的共享：

链接: http://pan.baidu.com/s/1kVpRMKn 密码: 244s

4、Michael Collins大神的“自然语言处理公开课(Natural Language Processing)”

NLP大神的课程，必须备份，来自之前一个朋友的分享：

链接: http://pan.baidu.com/s/1kV72IhT 密码: fxjw

5、斯坦福大学Dan Jurafsky和Christopher Manning两位大牛的“自然语言处理公开课（Natural Language Processing）”

这门课程的授课老师是斯坦福教授Dan Jurafsky和Christopher Manning，两位都是NLP领域的大大牛，其他不说，仅仅是他们写的书应该是很多NLPer的入门书：前者写了《自然语言处理综论》，后者写了《统计自然语言处理基础》。

我用coursera-dl下载了一份并上传到百度网盘备份，需要的同学尽快保存：

链接: http://pan.baidu.com/s/1hrGMbkg 密码: a2w5

附Coursera邮件内容：

Save course materials for some courses by June 30

Dear XXX,

We wanted to inform you of an update to our technology platform that will affect access to some courses you previously joined.

In 2014, Coursera began developing a new technology platform to improve your learning experience, and to allow courses to run more frequently. The majority of our courses are now offered on the new platform.
This month, we are closing the old platform. One or more courses you joined are on the old platform.
Effective June 30, 2016, courses on the old platform will no longer be available. You should use this opportunity to save any relevant course materials or assignments.

How does this affect my courses?

Any courses and course materials on our old platform will no longer be accessible after June 30. Until that date, we encourage you to save any content you need for personal use and reference.
Any courses on the new platform will not be affected by this change.

Will this affect earned Certificates?
All Statements of Accomplishment (SoA) and Verified Certificates will remain accessible in your Accomplishments page, as long as you do not unenroll from courses you have completed on the old Cplatform. You are also welcome to download a copy for your records at any time. Statements and Certificates that you have shared to LinkedIn will also be maintained on your LinkedIn profile after June 30.

How do I know if a course is on the “old platform”?

If you aren’t sure which platform a course is on currently, navigate to the course and check the URL in the browser bar – courses on the old platform have URLs that begin with class.coursera.org (rather than then new platform, which uses the URL coursera.org/learn.)

How do I save course materials?

To save course materials from the old platform for reference:
• Download any lecture slides or videos that you would like to save for reference
• Save a record of your quizzes and other assignments by taking screenshots

More questions?

If you have a technical issue with your account, please visit our Help Center.
Thank you for being a part of our learning community, and for your patience and understanding through this product transition! We are excited to continue to improve the learning experience on Coursera, and we look forward to bringing you more great courses on the new platform.

注：原创文章，转载请注明出处“课程图谱博客”：http://blog.coursegraph.com

本文链接地址：http://blog.coursegraph.com/coursera课程下载和存档计划一

本条目发布于2016 年 6 月 13 日。属于Coursera分类，被贴了 Coursera、Coursera Downloader、coursera-dl、Coursera下载、Coursera公开课、Coursera备份、Coursera存档、Coursera网盘、Coursera课程、机器学习、概率图模型、深度学习、神经网络、自然语言处理 标签。作者是admin。

公开课笔记大盘点

发表回复

网上散落了很多同学的公开课学习笔记，这里就尝试来做一些汇总和整理，也欢迎大家提供线索。

1、Coursera上Andrew Ng老师的”机器学习公开课(Machine Learning)”

课程图谱上的明星课程，关注人数最多，评论最多，并且网上这门课程的笔记也是相当的多：

1）@小小人_V 同学做了一份完整的的机器学习笔记并整理成了PDF文档供大家下载：http://vdisk.weibo.com/s/J4rRX/1373287206 ，微博上大家对这份文档的赞誉有加；另外，如果想看web版，也可以在他的博客上观摩：http://www.ryanzhang.info/archives/903

2）我爱公开课上的斯坦福大学机器学习笔记，还有几课没有；

3）CSDN博客上Felven同学的机器学习笔记，可以从第一课看起：斯坦福机器学习公开课笔记(一)–单变量线性回归

4）@Rachel____Zhang 同学的笔记，可以从第一课看起：Stanford机器学习—第一讲. Linear Regression with one variable

2、Coursera上斯坦福大学Dan Jurafsky和Christopher Manning两位大牛的“自然语言处理公开课（Natural Language Processing）”

这门课程的授课老师是斯坦福教授Dan Jurafsky和Christopher Manning，两位都是NLP领域的大大牛，其他不说，仅仅是他们写的书应该是很多NLPer的入门书：前者写了《自然语言处理综论》，后者写了《统计自然语言处理基础》

@王利锋Fandy 同学在我爱公开课上写了很多章节的相关笔记：斯坦福自然语言处理笔记

3、Coursera上斯坦福大学的“逻辑学导论公开课（Introduction to Logic）”

还是爱学习的@小小人_V 同学分享了他的学习笔记：笔记 逻辑学导论

4、Coursera上的“异构并行编程公开课（Heterogeneous Parallel Programming）”

有同学在CSDN上写了这门课程的系列学习笔记： Heterogeneous Parallel Programming（异构并行编程）学习笔记