由于非科班出身，所以一直想指定一份关于计算机学科系统的学习方案，由斯坦福计算机系本科生人工智能方向课程资源一文抛砖引玉，总结国外知名大学计算机相关培养计划和课程。
- 计算机网络 斯坦福 CS144 作业在这里 补充学习：
- https://www.youtube.com/watch?v=UXMIxCYZu8o&t=72s
- https://www.youtube.com/watch?v=ueVnSz_lXEs&t=169s
- https://www.youtube.com/watch?v=5D67Qy1tPLY&t=46s
-
计算机系统 MIT 6.033 讲义和作业 💁我的学习记录
-
编程原理 UW CSE505: Concepts of Programming Languages
-
数据库
-
分布式系统
主要算法和知识点详见
🙆♀️ Leetcode Note
🙋 Cracking The Coding Interview
Java Programming and Software Engineering Fundamentals Specialization on Coursera
✅我的证书
Object Oriented Java Programming: Data Structures and Beyond Specialization on Coursera
:information_desk_person:课后作业
Deep Learning Specialization on Cousera
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
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）
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。
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
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
一些国外高校公开课总结可以参考这个专栏 北美名校CS课程整理系列