MIT计算机科学与Python编程导论-学习资料
MIT计算机科学与Python编程导论课程,内容覆盖分支、循环、字符串、函数、测试与调试、异常处理、面向对象、程序效率分析等

关键词标签: MIT, 函数, 测试与调试, 异常处理, 面向对象
6.0001; Introduction to Computer Science and Programming in Python; 计算机科学与Python编程导论
🏆 课程学习中心 | 🚧 计算机基础课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析
Introduction to Computer Science and Programming in Python
计算机科学与Python编程导论
Massachusetts Institute of Technology
麻省理工学院(MIT)
6.0001
⭐⭐⭐⭐⭐


课程介绍

6.0001; Introduction to Computer Science and Programming in Python; 计算机科学与Python编程导论

MIT 6.0001是全球顶校麻省理工开设的 Python 编程基础课程,课程系统讲解了 Python 的语法与注意点。课程以知识广度为更高的目标,将分支、循环、字符串、近似、函数、元组等娓娓道来,并且将内容深度控制在了非常友好的层面,初学者也能理解计算并通过程序解决实际的问题。

6.0001; Introduction to Computer Science and Programming in Python; 计算机科学与Python编程导论

6.0001 适用于编程经验很少或没有编程经验的学生,帮助他们掌握编程程序的能力,培养更广泛的竞争力——包括但不限于实现某个目标、在相关课程或项目中变现更为出色等。

通过本课程学习,可以完整掌握 Python 编程实战应用能力,培养变成兴趣和信心,并为后续计算机科学专业方向(比如网站开发、数据科学、人工智能)应用与落地做准备。

注意:该课程使用 Python 3.5 编程语言。教授们这样设计可谓用心良苦——Python语法简单易学、容易调试、不用进行内存管理,学生们可以关注更核心的『计算思维』。

6.0001; Introduction to Computer Science and Programming in Python; 计算机科学与Python编程导论

课程讲师 Dr. Ana Bell:哥伦比亚大学学士、普林斯顿大学硕博士,研究方向是计算生物学,《Get Programming: Learn to code with Python》一书的作者。


课程主题

通过课程的学习,我们可以不仅可以掌握如下知识点,也能将其串联成完整的Python编程应用技能,为后续计算机科学专业方向(比如网站开发、数据科学、人工智能)应用与落地做好准备。


课程资料 | 下载

6.0001; Introduction to Computer Science and Programming in Python; 计算机科学与Python编程导论

扫描上方图片二维码,关注公众号并回复关键字 🎯『6.0001』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

6.0001; Introduction to Computer Science and Programming in Python; 计算机科学与Python编程导论
6.0001; Introduction to Computer Science and Programming in Python; 计算机科学与Python编程导论

ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:


课程视频 | B站

🌍 B站 | 【双语字幕+资料下载】MIT 6.0001 | 计算机科学与Python编程导论(2016·完整版)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!

本门课程,ShowMeAI 将部分章节进行了切分,按照主题形成更短小的视频片段,便于按照标题进行更快速的检索。切分后的视频清单列写在这里:

课时编号 课时内容
第1.1讲 什么是计算科学
第1.2讲 shell与编辑器
第1.3讲 Python与数学
第1.4讲 连接(bindings)
第2.1讲 分支与循环
第2.2讲 字符串
第2.3讲 程序中的「比较」逻辑
第2.4讲 分支
第2.5讲 while循环
第2.6讲 for循环
第3.1讲 字符串操作、近似、插入等
第3.2讲 字符串操作
第3.3讲 字符串的for循环处理
第4.1讲 分解、抽象与函数
第4.2讲 函数调用
第4.3讲 函数参数
第5.1讲 元组、列表、重命名、元素更改与复制
第5.2讲 元组
第5.3讲 简单列表
第5.4讲 列表操作
第5.5讲 列表重命名与元素更改
第6讲 递归与字典
第7.1讲 测试与调试、异常处理与断言
第7.2讲 黑盒与白盒测试
第7.3讲 错误处理
第7.4讲 异常处理
第8.1讲 面向对象的编程
第8.2讲 类的定义
第8.3讲 类的实例
第8.4讲 类方法
第8.5讲 方法调用
第8.6讲 特殊函数(方法)
第9.1讲 python类与继承
第9.2讲 get与set系列处理
第9.3讲 子类
第10讲 程序效率分析 1
第11讲 程序效率分析 2
第12讲 搜索与排序


更多技术与课程清单 | 点击查看详细课程

合辑 课程链接
CS数学基础课程合辑 【ENGR108】Stanford斯坦福 · 线性代数与矩阵方法导论课程
【6.042J】MIT麻省理工 · 计算机科学的数学基础课程
【MATH100】辛辛那提大学 · 微积分Ⅰ课程
【MATH101】辛辛那提大学 · 微积分Ⅱ课程
【MATH1071】辛辛那提大学 · 离散数学课程
计算机基础课程合辑 【14-455】CMU卡内基梅隆 · 数据库系统导论课程
【15-721】CMU卡内基梅隆 · 数据库系统进阶课程
【CS105】Stanford斯坦福 · 计算机科学导论课程
【CS50-CS】Harvard哈佛 · 计算机科学导论课程
【CS50-WEB】Harvard哈佛 · 基于Python / JavaScript的Web编程课程
【6.0001】MIT麻省理工 · 计算机科学与Python编程导论课程
【6.046J】MIT麻省理工 · 数据结构与算法设计课程
【18.S191】MIT麻省理工 · 计算思维导论(Julia)课程
【CMSC420】马里兰大学 · 数据结构课程
机器学习课程合辑 【AndrewNG-ML】吴恩达 · 机器学习专项课程
【CS229】Stanford斯坦福 · 机器学习课程
【6.036】MIT麻省理工 · 机器学习导论课程
深度学习课程合辑 【AndrewNG-DL】吴恩达 · 深度学习专项课程
【CS230】Stanford斯坦福 · 深度学习课程
【CSW182】Berkeley伯克利 · 深度神经网络设计、可视化与理解课程
【FSDL】Berkeley伯克利 · 全栈深度学习训练营课程
【CS50-AI】Harvard哈佛 · Python人工智能入门课程
【6.S191】MIT麻省理工 · 深度学习导论课程
【APPLY-DL】科罗拉多大学 · 应用深度学习(全知识点覆盖)课程
【STAT453】威斯康星 · 深度学习和生成模型导论课程
【T81-558】WUSTL · 深度神经网络应用案例实操课程
【HYLEE】李宏毅 · 机器学习(&深度学习)课程
NLP课程合辑 【CS224n】Stanford斯坦福 · 深度学习与自然语言处理课程
【CS124】Stanford斯坦福 · 从语言到信息课程
【CS520】Stanford斯坦福 · 知识图谱课程
【CS685】马萨诸塞大学 · 自然语言处理进阶课程
计算机视觉课程合辑 【CS231n】Stanford斯坦福 · 深度学习与计算机视觉课程
【EECS498】Michigan密歇根 · 深度学习与计算机视觉(CS231n进阶课)
【ADL4CV】慕尼黑工大 · 计算机视觉深度学习进阶课
强化学习课程合辑 【CS285】Berkeley伯克利 · 深度强化学习课程
【CS234】Stanford斯坦福 · 强化学习课程
AI生物医疗课程合辑 【6.047】MIT麻省理工 · 基因组学机器学习课程
【6.874】MIT麻省理工 · 面向生命科学的深度学习课程
【6.S897】MIT麻省理工 · 医疗机器学习课程
其他名校AI课程合辑 【CS294】Berkeley伯克利 · 深度无监督学习课程
【11-777】CMU卡内基梅隆 · 多模态机器学习课程
【15-462】CMU卡内基梅隆 · 计算机图形学课程
【CS224W】Stanford斯坦福 · 图机器学习课程
【6.S094】MIT麻省理工 · 深度学习与无人驾驶课程
【GDL】AMMI · 几何深度学习课程
6.0001; Introduction to Computer Science and Programming in Python; 计算机科学与Python编程导论
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!