世界顶尖大学公开的 50 个免费课程与学习资源

本文整理自 Mert Metin Tekdemir 的这份清单:50 个来自哈佛、MIT、斯坦福、耶鲁等学校和开放平台的免费课程、教材与学习网站。

/posts/2026/09/01.webp

多数资源可免费旁听或阅读。Coursera、edX 的证书,以及 Brilliant、Math Academy 的完整路径,仍可能收费。

也有人把这份清单做成了可视化地图:Open Course Map。


大学开放课程

  • 哈佛 CS50
    • 官网: https://cs50.harvard.edu/
    • 介绍: 哈佛标志性计算机导论课,覆盖编程、算法、数据和 Web,视频与习题全部公开。
  • MIT OpenCourseWare
    • 官网: https://ocw.mit.edu/
    • 介绍: MIT 把大量本科和研究生课的讲义、作业、考试和部分录像公开,是最完整的大学课程档案之一。
  • Stanford Online
    • 官网: https://online.stanford.edu/
    • 介绍: 斯坦福的在线课程入口,机器学习、计算机系统和部分专业课可在此查找。
  • Yale Open Yale Courses
    • 官网: https://oyc.yale.edu/
    • 介绍: 耶鲁完整学期课堂录像,人文、社会科学和部分理工课都有收录。
  • UC Berkeley Online
    • 官网: https://online.berkeley.edu/
    • 介绍: 伯克利开放教育入口,数据结构、操作系统、数据库等 CS 课在自学圈很有名。
  • University of Michigan Open.Michigan
  • MIT Open Learning
  • OpenLearn
  • TU Delft OpenCourseWare
    • 官网: https://ocw.tudelft.nl/
    • 介绍: 代尔夫特理工大学的工程公开课,偏计算机工程、软件与系统。

在线课程平台

  • Coursera
    • 官网: https://www.coursera.org/
    • 介绍: 世界大学和公司的在线课平台,很多课程可用旁听模式免费观看。
  • edX
    • 官网: https://www.edx.org/
    • 介绍: 哈佛、MIT、伯克利等校的在线课入口,旁听通常免费,证书另计。
  • FutureLearn
  • Class Central
  • Saylor Academy

教材与开放教育资源

  • OpenStax
    • 官网: https://openstax.org/
    • 介绍: 可免费阅读和下载的大学教材,数学、统计、科学覆盖较全。
  • LibreTexts
    • 官网: https://libretexts.org/
    • 介绍: 开放获取的学术书库,按章节查阅数学、科学和工程文本。
  • OER Commons
  • MERLOT

数学

物理、化学、生物

哲学

  • Stanford Encyclopedia of Philosophy
  • Internet Encyclopedia of Philosophy
    • 官网: https://iep.utm.edu/
    • 介绍: 免费的哲学百科,条目通常比斯坦福百科更易读。
  • Philosophize This!

通识、科学写作与论文

  • Crash Course
  • TED Talks
  • Big Think
  • Aeon
    • 官网: https://aeon.co/
    • 介绍: 哲学、科学和文化方向的长文,适合慢慢读。
  • Quanta Magazine
  • Nautilus
    • 官网: https://nautil.us/
    • 介绍: 科学与文化交叉的杂志,文章比论文好读,比新闻更深。
  • arXiv
    • 官网: https://arxiv.org/
    • 介绍: 物理、数学、计算机等学科的预印本论文库,跟前沿从这里搜。

计算机科学与人工智能

  • Distill
    • 官网: https://distill.pub/
    • 介绍: 用交互可视化解释机器学习概念,文章少但质量很高。
  • fast.ai
    • 官网: https://www.fast.ai/
    • 介绍: 从实践入手的深度学习课程,适合会一点 Python 的人尽快做出模型。
  • Dive into Deep Learning
    • 官网: https://d2l.ai/
    • 介绍: 《动手学深度学习》,公式、代码和 Jupyter 笔记本写在一起。
  • Nand2Tetris
    • 官网: https://www.nand2tetris.org/
    • 介绍: 从逻辑门一路做到能运行的计算机,覆盖硬件、汇编、编译器和操作系统。
  • Teach Yourself Computer Science
  • roadmap.sh
    • 官网: https://roadmap.sh/
    • 介绍: 按前端、后端、DevOps、AI 等方向给出该学什么、按什么顺序学。

参考来源

目录