知识源于沉淀 你今年去购物了吗？为了吸引消费者，商家真是使出浑身解数，不仅有黑色星期五，还有一个电商星期一“网络星期一”。如果你黑五没玩好，今天可以继续在线“剁手”。据说很多商家都重新进货了，折扣也保持了和黑五一样的力度。和往年一样，很多小伙伴都在分享今年最好的优惠。然而，边肖想告诉你，今年最值得交易的不是家电、包包，也不是护肤品，而是哈佛大学新推出的免费课程。再低的价格，再好的年利，都不如“免费”二字，再好的货物储存，都不如知识。
这次哈佛推出了127门免费课程，包括最热门的计算机课程、商科课程、自然科学等。全部都是线上教学，注册简单，免费听课。有些课程只需要支付不到200美元就可以获得哈佛的官方认证证书。如果一定要冲动消费，那就选择哈佛吧！这是今年最值得的交易！
在众多免费课程中，最受欢迎的是CS50系列的计算机课程，被网友称为“最牛逼的课程”。下面，边肖将向你介绍一些最受欢迎的课程。CS、编程、机器学习、人工智能都是“一网打尽”。
CS50: Introduction to Computer Science课时：11 周学习时间：每周10-20个小时费用：旁听免费，获得认可证书须支付 $149
这是计算机科学最基础的入门课程，写在哈佛大学的课程介绍里。是面向专业人士和非专业人士的计算机科学和编程技术入门课程，无论编程经验如何都可以学习。
本课程由哈佛知名教授大卫·j·马兰(Did J. Malan)教授，主要教学生如何进行算法思维，有效解决问题。课程主题包括算法、数据结构、封装、资源管理、安全、软件工程和网页开发。涉及的计算机语言有C语言、Python、SQL和JaScript，还有CSS和HTML。
这门课程包括九个问题集，也就是编程作业。如果学生完成了所有的课程，并在作业和期末项目中取得满意的成绩，他们将有资格获得证书。这门课难度不高，作业也涉及生物、金融、游戏等现实领域的课题，非常适合多个专业的学生。其实这门课也是哈佛注册人数最多的课程之一。
学习主题:
对计算机科学和编程有广泛而扎实的理解
如何用算法思考，高效解决编程问题
抽象、算法、数据结构、封装、资源管理、安全、软件工程和web开发等概念
熟悉多种语言，包括C、PHP和JaScript以及SQL、CSS和HTML
如何与一个充满活力的社区互动，该社区由来自不同经验层次的志同道合的学习者组成
如何开发并向你的同事展示一个最终的编程项目
Introduction to Artificial Intelligence with Python课时：7周学习时间：每周10-30个小时费用：旁听免费，获得认可证书须支付 $199
人工智能已经进入了我们生活的方方面面，可以说正在改变我们的生活、工作和娱乐方式。除了众所周知的自动驾驶、社交媒体推送、搜索引擎和医疗诊断，各行各业对人工智能和机器学习专业知识的需求也在快速增长。如果你对人工智能感兴趣，这门课是你未来职业生涯的第一步。
CS50的Python人工智能入门课程作为基础课程，主要讲解现代人工智能的基本概念和算法。同时，教师将探索游戏引擎、手写识别和机器翻译技术。通过多样化的实践项目，学生将了解人工智能和机器学习中图形搜索算法、分类、优化、强化学习等主题背后的理论。
学生可以学习如何将这些理论集成到他们的Python程序中。只需要7周。学完这门课程，你不仅会学到人工智能的原理知识，获得实践经验，还会掌握如何设计自己的智能系统。学习效果真的是“立竿见影”。
学习主题:
图形搜索算法
强化学习
机器学习
人工智能原理
如何设计智能系统
如何在Python程序中使用AI
Introduction to Programming with Scratch课时：3周学习时间：self-paced费用：旁听免费，获得认可证书须支付 $199
先来一点科普。Scratch是由著名的麻省理工学院媒体实验室的一个科研团队开发的可视化编程语言。掌握了这种“语言”，程序员不需要输入文本写代码，只需要拖拽图形，用类似拼图的方式写代码。
哈佛大学使用麻省理工学院实验室设计的系统。在该系统的支持下，没有编程经验的学生可以设计自己的动画、游戏和互动艺术。
本课程将使用Scratch向学生介绍编程的基础知识(主题包括“函数、事件、值、条件、循环和变量”)。相比枯燥的代码，这门课更有趣。然而，课程主题所涉及的基本元素是所有计算机语言和编程系统所共有的。通过本课程，学生可以为后续的编程课程做准备。
Data Science: Machine Learning课时：8周学习时间：每周2-4个小时费用：旁听免费，获得认可证书须支付 $99
机器学习是最流行的数据科学方法，应用于各行各业。机器学习与其他计算机指导的决策过程的区别在于，它使用数据来构建预测算法。目前，最受欢迎的使用机器学习的产品包括手写阅读器、语音识别、电影推荐系统和垃圾邮件检测器。
本课程向学生介绍机器学习的训练数据，以及如何使用一组数据来发现潜在的可预测关系。比如在构建电影推荐系统的时候，可以学习如何使用数据训练算法，如何预测数据的结果。学生还可以了解过度训练的后果和避免过度训练的技术，如交叉验证。所有这些技能都是机器学习的基础。
学习主题:
机器学习的基础
如何进行交叉验证以避免过度训练
几种流行的机器学习算法
如何建立推荐系统
什么是正规化，为什么它是有用的
这些是哈佛大学最受欢迎的计算机课程。如果你对其他领域感兴趣，也可以去https://online-learning.harvard.edu/catalog官网，根据专业、学费价格、课时长度、课时难度搜索相应的课程。更多美国留学资讯，请持续关注我们！
注:本文所有课程信息均来自哈佛大学官网。
