Бесплатный учебный план по информатике для самостоятельного обучения: онлайн-курсы и книги, разбитые на вводный, основной и углублённый этапы.
Developer-Y/cs-video-courses
Подборка университетских курсов по компьютерным наукам с видеолекциями, разбитая по темам.
- Звёзды
- 83,710
- Форки
- 11,481
- Открытые issues
- 5
- Последний коммит
- позавчера
Что это?
В этом репозитории собран каталог курсов по компьютерным наукам из университетов и учебных заведений по всему миру: в нём есть ссылки на видеолекции, сайты курсов и сопутствующие материалы. Темы охватывают вводное программирование, структуры данных и алгоритмы, операционные системы, распределённые системы, базы данных, машинное обучение, компьютерное зрение, безопасность, робототехнику, квантовые вычисления и вычислительную биологию.
Курсы сгруппированы по разделам, например «Введение в компьютерные науки», «Системное программирование», «Системы баз данных», «Разработка ПО» и «Машинное обучение». Многие записи ведут на плейлисты YouTube, страницы MIT OpenCourseWare или сайты университетских курсов. Авторов просят добавлять только курсы университетского уровня, а не короткие MOOC или базовые учебные материалы.
Подборка подойдёт тем, кто самостоятельно осваивает отдельную область компьютерных наук и хочет придерживаться структурированного плана, а также преподавателям, которым нужны лекционные материалы в дополнение к собственным занятиям.
Ключевые возможности
- 01Охватывает множество областей компьютерных наук — от вводного программирования до квантовых вычислений.
- 02Содержит ссылки на сайты университетских курсов, видеолекции и страницы OpenCourseWare.
- 03Материалы разбиты по темам и дополнены оглавлением для быстрой навигации.
- 04Включает курсы на разных языках из учебных заведений нескольких стран.
Сценарии использования
- Самостоятельно изучать отдельную область, например операционные системы или алгоритмы, по бесплатным лекциям.
- Находить дополнительные лекционные материалы при подготовке к преподаванию курса по компьютерным наукам.
- Сравнивать, как разные университеты строят курсы по одной и той же теме.
Что важно знать
- В метаданных проекта не указана лицензия.
Темы
Частые вопросы
- Что такое cs-video-courses?
- Подборка университетских курсов по компьютерным наукам с видеолекциями, разбитая по темам. В этом репозитории собран каталог курсов по компьютерным наукам из университетов и учебных заведений по всему миру: в нём есть ссылки на видеолекции, сайты курсов и сопутствующие материалы. Темы охватывают вводное программирование, структуры данных и алгоритмы, операционные системы, распределённые системы, базы данных, машинное обучение, компьютерное зрение, безопасность, робототехнику, квантовые вычисления и вычислительную биологию.
- cs-video-courses можно использовать бесплатно? Какая у него лицензия?
- У cs-video-courses не указана лицензия. Код открыт, но без лицензии нет явного разрешения на его использование — уточните у автора, прежде чем на него полагаться.
- cs-video-courses всё ещё поддерживается?
- Активно поддерживается. Последний коммит в cs-video-courses — 18 окт. 2026 г..
- Для чего можно использовать cs-video-courses?
- Самостоятельно изучать отдельную область, например операционные системы или алгоритмы, по бесплатным лекциям. Находить дополнительные лекционные материалы при подготовке к преподаванию курса по компьютерным наукам. Сравнивать, как разные университеты строят курсы по одной и той же теме.
- Где скачать cs-video-courses?
- Исходный код и инструкции по установке — на GitHub: https://github.com/Developer-Y/cs-video-courses
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Подборка онлайн-курсов по робототехнике, университетских лекций, книг и практических материалов для самостоятельного обучения с тегами на двух языках.
Подборка из 54 автономных Python-скриптов без зависимостей, в которых современные AI-алгоритмы реализованы с нуля, чтобы можно было разобраться в их устройстве.
12-недельный курс для начинающих по классическому машинному обучению: 26 уроков, Python и R, тесты и задания на основе Scikit-learn.
Курс по ML через практику: deep learning-фреймворк на чистом NumPy с нуля (модули CLI) и более 350 задач по программированию в браузере с проверкой в Pyodide.
Подборка из 923 статей, лекций и научных работ по ML в формате Markdown, а также небольшой классификатор и регрессор APRL на чистом NumPy.