学 AI 不用东奔西走，全球顶尖名校讲义一站式直达

你学 AI 的时候，是不是也在东奔西走？

B 站收藏了一堆视频，Coursera 买了两三门课，公众号推文里又跳出几个付费专栏。资料越攒越多，真正看完吃透的没几个，反而更不知道该从哪学起。

问题不在你不够努力，在于资料太散、质量太参差。

最靠谱的那批 AI 教材，其实是顶尖名校自己公开的课程讲义。可它们散落在 MIT、斯坦福、哈佛各自的课程网站上，有的藏在二级目录里，有的更新后就找不到了。想去翻，得一个个学校去搜。

这个开源清单想解决的，正是这件麻烦事。

Awesome Free University AI/ML Course Notes 是一个人工精选的索引。它把全世界顶尖大学的官方 AI 与机器学习讲义，按国家和学校整理到同一个页面。作者的想法很直接：让你用上和 MIT 等名校学生一样的课堂笔记，从最优质的教育资源里学习。

所以学 AI 不用再东奔西走，一份清单就够了。

它挑得很严，三条线卡死，缺一不可：

① 只认写出来的文字笔记，读起来像教材章节，信息密度够当课本

② 只认官方发布，由授课教授、课程组或院系亲自公开

③ 只认免费、长期有效的链接，打开就能看，无需登录和付费

就因为这道门槛高，清单里的学校不算多，但每一条都经得起用。下面 11 所，课程名下方即链接，直接复制访问。

①1 MIT 6.390 机器学习导论 EECS Dept.

https://introml.mit.edu/notes/

①2 Stanford CS229 机器学习

https://cs229.stanford.edu/

①3 Harvard CS181 机器学习

https://github.com/harvard-ml-courses/cs181-textbook

①4 Princeton COS 324 机器学习导论 Sanjeev Arora、Danqi Chen

https://princeton-introml.github.io/

①5 UC Berkeley CS189/289A 机器学习导论 Jonathan Shewchuk et al.

https://eecs189.org/

①6 Caltech CS156 从数据中学习 Yaser Abu-Mostafa

https://work.caltech.edu/telecourse

①7 Cornell CS4780 智能系统机器学习 Kilian Weinberger et al.

https://www.cs.cornell.edu/courses/cs4780/2018fa/

①8 Oxford 机器学习前沿专题（贝叶斯 ML） Tom Rainforth

https://cs.ox.ac.uk/teaching/courses/2019-2020/advml/

①9 慕尼黑大学 LMU I2ML 机器学习导论 SLDS group

https://slds-lmu.github.io/i2ml/

①10 韩国 KAIST 机器学习（iNotes 系列） iAI Lab

https://iailab.kaist.ac.kr/teaching/machine-learning

①11 巴西圣保罗大学 USP 机器学习导论 Hae Yong Kim

http://www.lps.usp.br/hae/apostila/introaprend-ead.pdf

从美国到英国、德国、韩国、巴西，想系统学机器学习，这份清单基本把全球最好的公开课笔记都指到了门口。

这个仓库是一条索引，每条都直接链到教授或课程自己的官方页面，本身不放文件。链接失效了可以提 issue，维护者会修。

另一个让人安心的细节是透明。清单自己公开了一份查过但没入选的名单：耶鲁、卡内基梅隆、剑桥、清华、北大、浙大、东京大学、IIT 等等。落选原因很直接，材料是 PPT 或纯视频，或者锁在登录系统后面。它把质量放在数量前面。

整个清单基于 CC0 协议，可以放心使用。作者还有一个姐妹项目 Awesome Free AI Books，专门收录免费的 AI 教材，搭配着看更顺。

想用也很简单。按国家或学校找到目标课程，上面的链接点进去就直达官方讲义。完全免费，不用注册。如果知道哪所名校有符合条件的公开文字讲义，也可以按 CONTRIBUTING.md 提 PR，让这份清单更长一点。

➤ 仓库： https://github.com/MarcosSete/awesome-free-ai-course-notes

学 AI 不用东奔西走。把这份清单收好，下次想系统学，打开它就行。