如何自学MIT的应用数学课程？这里有个线上数学自学课程的计划

在本文中，我将介绍自己的背景、做这件事情的动机以及整个过程中我将要参加的课程清单。

如果你不想看“原因”部分，可以直接跳到课程计划部分。

01

我究竟为什么要做这件事？

我是哈佛大学的硕士研究生，研究方向是机器学习和计算生物学。同时，我还是几个实验室的研究助理，我的工作跨越了应用数学、理论神经科学和机器学习。以前我还帮助创办了一家机器学习初创公司。今年秋天我打算申请读博。

我的机器学习之路很不寻常，我在加州大学圣迭戈分校（UCSD）读本科的时候主要学习生物学和认知科学，当时的实习工作也总是产品经理这一类。我是自学编程的，并且也主要是网页和移动端的应用程序开发。

后来我慢慢地发现了信息科学和生物学之间的相似之处，并且迷上了神经网络，于是我申请了计算机科学和生物学方向的研究生，并且奇迹般地通过了！所以，一路上伴随着幸运和动力的我从此埋头于研究深度学习，并且为了看懂文献自学了所有必需的数学基础。

问题是，我渐渐开始喜欢上了数学这门学科本身。而且虽然除了线性代数、概率论和一点向量微积分之外，学习机器学习确实并不需要大量的数学知识，但我发现身边许多优秀的人通过研究各种数学问题往往可以在机器学习中取得有趣的新突破。

因此，我喜欢数学，而且夯实数学基础看起来对于我将来的深入研究和思路拓展都十分有益。在和我的导师及同事——包括哈佛和麻省理工的教授和同学们讨论以后，他们建议我深入钻研大学本科生的应用数学课程。

然后，我幸运地得到了利用空余时间旁听一些课程的机会。所以，我为什么不为此做个有趣的项目来和大家分享呢！也许你也可以在这里找到一些有用的东西 :)

02

我的计划

MIT应用数学课程安排合理、简明易懂，主要由一系列核心课和选修课组成。我参加的课大部分都可以通过网络公开课访问，还有一部分在夏季时于校内开设，或者附近其它大学会开设类似课。目前我计划要参加的课程如下，主要以完成学位要求的课为样本，个别课可能会根据我得到的反馈改成更适合我兴趣的课。

以下我列出了课程清单，并在每门课后面附上了资源链接。

核心课