Skip to content

Stanford CS 課程導讀：按先修關係排一次，從 CS106A 到 CS336

2026年8月20日 1 分鐘
首頁 › learning
TL;DR Stanford CS 的骨架是 CS103、CS107、CS109、CS111、CS161；CS221 先修列出其中三門，另加 CS106B。本文依官方先修與編輯者建議順序排出主線，並標明公開教材與停開風險。
#stanford#cs-course#learning-path#ai-course#self-study#llm
目錄
  1. 先破一個誤會：課號不是難度
  2. 第一階：程式入門，兩門課換兩種語言
  3. 第二階：學位的骨架，是這五門
  4. 第三階：三個入口，建議至少走兩個
  5. 第四階：主幹，CS229 與 CS230
  6. 第五階：五條分支
    1. A. NLP / LLM / Agent
    2. B. 視覺
    3. C. 強化學習與機器人
    4. D. 圖與網路
    5. E. 系統與效能
  7. 第六階：研究級的那一層
  8. 自學真正會卡在哪裡
  9. 先查有沒有開，再查先修
  10. 五條路線，各挑一條走
  11. 附錄：數字與查證方式
  12. 更新紀錄
  13. 參考資料
系列: Stanford CS 主線課程導讀 (1 / 19)
Stanford CS103 導讀：一門數學課，開學第一件事是裝 C++ 編譯器
系列: 世界名校 AI／CS 課程地圖 (91 / 37)
CMU AI／ML 課程導讀：07-280 新主幹與校外可走的公開路線

🌏 English version

Stanford 電腦科學系一年開出的課超過三百門，其中一大批把講義、作業、甚至考古題整包放在公開網址上，不必註冊、不必登入、不必付錢。問題是這件事對自學者幾乎沒有幫助——你不知道從哪一門開始，也不知道哪些課只是掛著網址、點進去其實拿不到東西。

這篇是那份地圖。它按官方先修關係排，從第一門程式課排到需要申請才修得到的 LLM 課，每一階標出這門課在教什麼、公開教材實際拿得到什麼。文章後半處理兩件課表通常不講的事：不修學分的人會在哪裡碰壁，以及有些被廣泛引用的進階課，其實已經好幾年沒開了。

範圍先講清楚：這篇只收「教材公開到足以自學」的課。沿用全球入口的標準，A0 是 catalog，A1 是 syllabus，A2 是部分實質教材，A3 才是能排成連續自學課。本篇主路線納入的版本均以 A3 為門檻；只剩課表或 Canvas 內材料的課不列入路線，停開與佔位條目則另表揭露。這是教材公開度，不是教學品質或難度評分。

先破一個誤會：課號不是難度

很多人以為 CS106B 比 CS103 簡單、CS336 比 CS229 難，因為數字比較小或比較大。這個推論在 Stanford 不成立，而且不成立是官方講的。學術輔導處的課程目錄說明頁寫得很直接：

Stanford does not have a standardized course numbering system. This means that each department is free to number its courses in its own way.

同一頁給了一份「常見但非通用」的慣例（完整區間見文末附錄），大意是數字越大、預設你會的東西越多。CS 系大致照這個走，所以課號可以當成**「這門課預設你已經會什麼」的粗略指標**，但不能當成難度排序。

反例俯拾即是：CS221 掛在 200 系列卻是 AI 的入門課；CS124 掛在 100 系列，先修卻要求 CS109 加上接近 CS107 的程度；CS336 掛在研究生號段，門檻不在數學，在你敢不敢在沒有鷹架的情況下寫完五份作業。

所以這篇改用另一個判準：每門課 ExploreCourses 條目裡的 Prerequisites 欄位怎麼寫。 那是官方寫下來的依賴關係，比任何印象都可靠。

第一階：程式入門，兩門課換兩種語言

CS106A: Programming Methodology 教 Python，從 Karel 這隻只會前進、轉彎、撿東西的機器人開始。作業依序是 Karel、可汗學院風格的練習系統、影像處理、文字生成、最後一份寫搜尋引擎。這門課不預設任何程式背景，是整個系唯一一門真的從零開始的課。

CS106B: Programming Abstractions 換到 C++，也是大多數人真正「開始學電腦科學」的地方。它的講次表就是一份標準資料結構課綱：stack 與 queue、set 與 map、Big-O、遞迴與回溯、排序、指標與動態記憶體、linked list、二元搜尋樹、Huffman 編碼、雜湊、圖與 Dijkstra。修完這門，你手上就有寫得動大部分技術面試題的工具。

中間還夾了一門 CS106L: Standard C++ Programming，一學分、七份很短的作業、沒有考試、成績只有通過與不通過。它補的是 CS106B 為了教概念而刻意略過的東西：初始化、參考、迭代器、模板、lambda、move 語意、RAII 與智慧指標。如果你的目標是把 C++ 寫得像 C++ 而不是像有指標的 Java，這一學分的投報率很高。

怎麼做：打開 CS106B 的講次索引，找到「Big O and Algorithmic Analysis」那一講，把投影片讀完，然後闔上，拿張紙寫下你能想起來的每一個複雜度等級與對應的例子。寫不出來的地方就是你以為自己懂的地方。

第二階：學位的骨架，是這五門

這是整篇最重要的一節。Stanford CS 學位要求把大學部的骨架寫成五門課，而且附了一條硬規定：CS103、CS107、CS109、CS111、CS161 必須以五學分修習。不是「建議」，是不接受降學分的版本。

更能說明它們地位的是另一件事：CS221 的先修欄位列出核心五門中的三門——CS103、CS109、CS161——另加 CS106B，並強烈建議修課前熟悉這些概念。想走 AI 的人常常想跳過這一階，但 AI 的入門課自己不同意。

課號課名這門課換掉你哪個直覺
CS103Mathematical Foundations of Computing「程式寫得出來就是對的」→ 你得證明它對
CS107Computer Organization and Systems「變數是個盒子」→ 變數是一段有位址的位元組
CS109Probability for Computer Scientists「平均值就夠了」→ 分布、獨立性、貝氏
CS111Principles of Computer Systems「程式從頭跑到尾」→ 行程、排程、虛擬記憶體
CS161Design and Analysis of Algorithms「跑得動就好」→ 為什麼跑得動、多快、能不能更快

幾件值得知道的事：

CS111 跟 CS110 的關係是替代，不是改名。 已下線的核心要求頁確實標過「Formerly known as CS110」，本文原本據此說兩者是同一門課、CS110 的自學資源照樣可用。那句話會誤導人。 現行 ExploreCourses 上 CS111 的官方描述寫的是「Available as a substitute for CS110 that fulfills any requirement satisfied by CS110」——替代，不是等同；而 CS110 的課號至今還活著，2026-27 學年還掛著它的補充實驗課 CS110L。

差別是實質的：CS110 的作業有 Stanford Shell、HTTP 代理與 MapReduce，講次表裡有三堂網路；今天的 CS111 一堂網路都沒有，換成虛擬記憶體、按需分頁、頁面置換與崩潰復原。兩門共有的只剩並行那一段。所以跟著 CS110 自學指南走的人會做到一批不在 CS111 裡的東西，同時錯過今天 CS111 的一半。兩份材料都有價值，但它們不是同一門課的兩個版本。

CS103 的後半段比前半段重要。 前半是離散數學與證明技巧，後半直接進有限自動機、正規表達式、上下文無關文法、圖靈機、可判定性、停機問題，最後收在 P 對 NP。它是把「電腦能算什麼」這件事講清楚的那門課。

CS107 是最痛也最值得的一門。 作業從 Unix 與 C 入門，一路做到 C 字串、堆積、void * 泛型操作、函式指標、x86-64 組合語言，最後一份是自己寫一個記憶體配置器。它的實驗課講義連解答都公開。

CS111 的作業表就是一部作業系統。 從 lambda 與執行緒開始，做同步、執行緒排程器、自己實作 lock 與 condition variable、記憶體映射的加密檔案、時鐘演算法的分頁替換、讀 Unix v6 檔案系統、最後是日誌式檔案系統。

CS109 是這一階裡最不能跳的一門。 它的 2026 年版本還多了一個東西：每一講的「課外」欄位除了投影片，還掛著一份「LLM Learning Guide」。一門機率課把「怎麼用語言模型讀這一講」做成官方教材的一部分，這件事本身就是訊號。

跳過 CS109 的代價不會在下一門課出現，會在你之後修的每一門課出現：CS224W 的先修是 CS109 加任一門入門機器學習，CS234 要求基本機率，CS336 要求 CS109 等級的機率統計。

CS161 曾經有兩個官方課名，現在只剩一個。 系上的核心要求頁一度把它叫做「Data Structures and Algorithms」，而 ExploreCourses、暑期部與課程自己的網站都叫「Design and Analysis of Algorithms」。那個矛盾現在消失了——不是因為兩邊談攏，是因為掛著舊課名的那個頁面整個下線了（見下方更新紀錄）。現行的官方來源一律寫 Design and Analysis of Algorithms，舊說法只剩 Wayback 快照讀得到。找資料時用現行課名就對了。

怎麼做：如果你已經會寫程式但沒修過系統課，直接下載 CS107 的第一份作業講義，把 Assign0 做完。它會很快告訴你，你對「一個整數在記憶體裡長什麼樣」的理解有多少是猜的。

第三階：三個入口，建議至少走兩個

過了地基，AI 這條線的入口不是單一一門課，是三個方向不同的門。

CS221: Artificial Intelligence: Principles and Techniques 是最標準的那個。它把 AI 定義成「在資訊不完整（所以需要機率）與計算有限（所以需要演算法）的情況下做出好決策」，涵蓋搜尋、約束滿足、賽局、馬可夫決策過程、圖模型、機器學習與邏輯。這是唯一一門會讓你看見「深度學習以外的 AI」的入門課。

CS124: From Languages to Information 是語言與資訊的入口，也是 NLP 線的正式起點。官方描述已經把方法從正規表達式、邏輯迴歸、梯度下降一路寫到 transformer 與大型語言模型，應用涵蓋聊天機器人、資訊檢索、社群運算與推薦系統。它的先修比課號看起來嚴格得多：CS106B、CS106A 等級的 Python、CS109，外加 CS107 等級的 UNIX 與程式成熟度。

CS238: Decision Making under Uncertainty（與 AA228 合開）是決策與不確定性的入口，走強化學習、規劃、自主系統的人從這裡進去最順。

第四階：主幹，CS229 與 CS230

過了入口就是建立模型能力的主幹。

CS229 是理論那一側，把統計假設攤開來推。它有一份幾百頁的公開講義 PDF，從線性迴歸一路寫到自監督學習與基礎模型；Stanford Online 的 YouTube 頻道除了長年掛著 Andrew Ng 在 2018 年那版，2026 年春季那一版也已經整批上架。想要「有講義、有影片、有作業」三件套的人，這門最完整。

CS230 是實作那一側，走翻轉教室：影片與程式作業在 Coursera 的深度學習專項課程上，實體課堂只留下講座與專案討論。這代表兩件事——自學者能拿到的核心教材反而最齊全（因為本來就在 Coursera 上），但你拿不到那個真正的差異化部分，也就是課堂上的專案回饋。本站的 CS230 導讀系列逐講拆解了那些講座內容。

兩門的關係不是二選一，是互補。

CS228: Probabilistic Graphical Models 補的是機率推理那條線：貝氏網路、馬可夫網路、隱藏馬可夫模型、動態貝氏網路、精確與近似推論。它的先修只寫「基本機率理論與演算法設計分析」，比大多數人以為的低。

怎麼做：如果你不確定該從 CS229 還是 CS230 開始，去讀 CS229 的公開講義 PDF 第一章，讀不動就先修 CS230。這比任何自我評估都準。

第五階：五條分支

A. NLP / LLM / Agent

這條線的先修鏈是五條分支裡最完整的，可以一路串到底。

課號課名官方先修
CS124From Languages to InformationCS106B、Python、CS109、CS107 等級
CS224NNatural Language Processing with Deep Learning微積分與線性代數；CS124、CS221 或 CS229
CS224UNatural Language UnderstandingCS224N 或 CS224S
CS224VAgentic AILINGUIST 180/280、CS124、CS224N、CS224S、CS224U 擇一
CS329XHuman Centered NLP—
CS329ASelf-Improving AI AgentsCS224N 或 CS229S
CS336Language Modeling from ScratchPython、PyTorch、系統概念、微積分與線性代數、CS109 等級機率

CS224N 的網站有個少見的價值：它把 2000 年以來每一屆的課程網站都留著。你可以打開 2019 年那版，看看 Transformer 剛出現時這門課怎麼教它，再對照現在的版本——同一門課、同一群人，教法差多少一目了然。

CS224V 現在叫 Agentic AI，這是 2026 年才有的名字。內容直接處理 RAG 與形式化任務描述、跨資料庫與知識庫的混合推理、AI 驅動的科學知識探索、用形式方法提升決策 agent 的準確度與可解釋性、以及長時程 agent 的效率。想做 agent 又想要有正課可上的人，這門的優先序被低估了。

CS329X: Human Centered NLP 談人本設計、human-in-the-loop、公平性與可及性。它容易被當成軟性選修跳過，但它處理的正是把模型變成產品時最先炸開的那一類問題。

B. 視覺

CS231A: Computer Vision 講相機與投影模型、濾波與邊緣偵測、分割與分群、立體重建、物體與場景辨識。它的舊課號是 CS223B，先修只要線性代數與基本機率統計。

CS231N: Deep Learning for Computer Vision 才是深度學習那一側。它的講義網站是很多人第一次真正看懂反向傳播的地方，2026 年春季的作業已經更新到第三份包含擴散模型與 CLIP、DINO——這門課的名字雖然還叫電腦視覺，內容早就不只電腦視覺了。順帶一提，它的課名已經不是很多整理裡寫的「Convolutional Neural Networks for Visual Recognition」，那是舊名字。

順序上，先有 CS229 或 CS230 的模型基礎再進 CS231N 會順很多，CS231A 則可以並行或之後補。

C. 強化學習與機器人

CS221 → CS238 → CS234 → CS223A → CS333。

CS234: Reinforcement Learning 的先修寫得很直接：Python 熟練、CS229 或同等、線性代數、基本機率。CS223A 是機器人的基礎課，由 Oussama Khatib 授課。CS333 是專案導向的研究所課，把機器人、機器學習與控制理論拉到人機互動的場景，官方只寫「建議修過 AI 入門課」。

D. 圖與網路

CS224W: Machine Learning with Graphs 的先修是 CS109 加任一門入門機器學習，門檻在這一階裡算低的。內容涵蓋表示學習與圖神經網路、Web 演算法、知識圖譜推理、影響力最大化、社群網路分析。旁邊的 CS246: Mining Massive Data Sets 處理的是資料大到單機放不下的情況。

E. 系統與效能

這條分支不長在 AI 上，長在 CS107 上，但做 AI 工程而不只是讀模型的人會需要它。以公開教材完整度來說，這三門明顯突出：

CS143: Compilers 是自學友善度的天花板。五份程式作業、四份筆記型作業（附解答）、Cool 語言的參考手冊與執行期說明、十八講的投影片，連近三年的期中期末考題與解答都掛在同一頁上。

CS144: Introduction to Computer Networking 的作業設計是它出名的原因。七個檢查點，你會從「用不可靠的東西做出可靠傳輸」開始，一路實作 TCP、往下做網路介面、做一台 IP 路由器，最後一關叫「做一個網際網路」。

CS149: Parallel Computing 涵蓋多核 CPU、GPU 與 CUDA、DNN 在 GPU 上的排程、硬體特化。五份程式作業從四核心效能分析做到「寫出世界最快的 CUDA kernel」，其中一份跑在 Trainium2 加速器上。

第六階：研究級的那一層

這一層的共同點不是「再教一次模型」，是要求你能做研究、建系統，或從零把整條流程走完。

CS336: Language Modeling from Scratch（Tatsunori Hashimoto、Percy Liang）是唯一標注 Application required（需要申請）的一門。五份作業，你會自己實作 tokenizer、寫 Transformer、寫 Triton kernel、做多機平行、跑 scaling law、做評測、處理資料、最後做 SFT 與 RLVR 的後訓練。課程網站對先修條件講得毫不客氣：

The amount of code you will write will be at least an order of magnitude greater than for other classes.

它的講義用一種少見的形式發布——可執行的講義。GitHub 上的 lectures repo 裡，講次是 lecture_01.py 這樣的 Python 檔，跑一次會產生完整的追蹤紀錄再渲染成網頁。那個 repo 目前有數千顆星，作業的起始碼與說明也都公開。

CS312 走的是另一條路：它主張光有知識與數學能力不夠，發明下一代架構需要的是跑過非常多次實驗，所以整門課帶學生在可計算的領域裡練「高效實驗與預測實驗結果」的能力。授課的是 Hashimoto——也就是 CS336 的講師之一。

CS329A: Self-Improving AI Agents 是研究所研討課，主題涵蓋 constitutional AI、學習型驗證器、擴展測試時計算、把搜尋與 LLM 結合、工具使用與檢索、多模態網頁互動、多步推理與規劃，以及評估與編排框架。九講的錄影已經公開在 Stanford Online 的 YouTube 頻道上。

CS329Z: Engineering AI Agents 教複合式 AI 系統：學生先從零手刻 RAG、工具使用、agent loop 這些核心元件，再學 DSPy 這類框架怎麼把這些模式抽象掉。

安全與可靠性那一組是這一層裡最值得注意的變化，因為它們已經不是外圍：CS221M: Mechanistic Interpretability 講探測、steering、因果抽象與稀疏自編碼器，特別強調因果方法與大型語言模型；CS329H: Machine Learning from Human Preferences 處理偏好異質性、偏好聚合、人類回饋的詮釋與隱私；CS329T 則從基礎模型、prompting、RAG 講到 agent 架構與評估。

最後補一門不在這條線上、但值得單獨知道的課：CS146S: The Modern Software Developer 是三學分的正式學分課，教的不是寫程式，是怎麼指揮 coding agent 寫程式。先修寫的是 CS111/CS161 等同的程式經驗，建議修過 CS221 或 CS229。本站有逐週拆解的系列。

自學真正會卡在哪裡

前面六階都在講「有什麼」。這一節講「拿不到什麼」，而這四個障礙沒有一個跟你的能力有關。

一、起始碼會被鎖在課堂流程後面。 CS106B 2025 年春季那版的公告寫得很清楚：第四份作業的起始碼要先填完期中問卷才會開放。這類設計在入門課特別常見，因為助教要靠它掌握進度。自學者的解法是往回找——舊學期的封存版通常已經解鎖。

二、影片是最不穩定的一項。 CS149 的課程網站直接寫了「今年無法對外散布課程錄影」，但同時附上 2023 年那版在 Stanford 官方 YouTube 頻道的連結。CS330 也是類似安排：當屆錄影在 Canvas 裡，往屆的公開。所以「這門課沒有影片」多半是錯的判斷，正確的問法是「哪一屆有影片」。

三、有些課的作業需要你買 GPU 時數。 CS336 是最明顯的例子，它整門課的重點就是讓模型在多張 GPU 上跑得快。這不是能靠免費 Colab 繞過去的限制，得先算清楚預算再決定要不要開始。

四、沒有人會改你的作業。 這是最容易被低估的一項。多數課的自動評分器綁在 Gradescope 上，自學者拿不到。CS143 是少數的例外——它把考題與解答都公開了，所以你至少可以自己對答案。

怎麼做：Stanford 的課程網站有封存機制，網址長成 web.stanford.edu/class/archive/cs/<課號>/<課號>.<學期代碼>/ 這樣。它沒有可以瀏覽的總索引頁（我試過，那層目錄直接回 404），所以最實際的方法是從現行課程網站找「Previous offerings」那一區的連結——CS224N、CS224W、CS246 都把歷屆網址整排列在首頁上。

那串學期代碼有規律，值得記：末碼 2、4、6、8 分別是秋、冬、春、夏，前面三碼是學年。所以 1262 是 2025 秋、1264 是 2026 冬、1266 是 2026 春、1268 是 2026 夏；而 1256 屬於上一個學年，是 2025 春，不是 2025 秋。這個差一格的誤讀很容易發生，本文自己就犯過（見更新紀錄）。不確定的時候別推算——封存頁自己會在最上面寫「This page is not current. It is an archive from X Quarter YYYY.」，打開看一眼最快。

先查有沒有開，再查先修

還有一個障礙比前面四個更早發生，而且最容易整份計畫報廢：你排進計畫的課，可能已經好幾年沒開了。

網路上流傳的 Stanford AI 修課地圖，常把一批進階課列成「本學年有開」。逐門對過 ExploreCourses 之後，其中幾門的最後一次開課紀錄是這樣：

課號課名ExploreCourses 上的最後一次開課
CS329SMachine Learning Systems Design2022 冬
CS324Advances in Foundation Models2023 冬
CS329DMachine Learning Under Distributional Shifts2023 春
CS229SSystems for Machine Learning2024 秋
CS329ASelf-Improving AI Agents2025 秋
CS228Probabilistic Graphical Models2024 冬
CS124From Languages to Information2026 冬
CS224UNatural Language Understanding2023 春

這裡面藏了一個小小的死結：CS329A 指定的先修是 CS224N 或 CS229S，而 CS229S 自己已經兩年沒開。 對校內學生來說這只是「走 CS224N 那條」，但對照著網路整理排計畫的自學者來說，這種細節就是計畫報廢的來源。

表格最後三列是後來補的，而且補的過程本身就是這一節的最好例子——它們用本節原本教的查法查不出來。CS228 在 2026-2027 冬季有一筆條目，掛著課號，看起來就是有開；但它的上課時間顯示為空、講師欄整個空白，而切到 2024-2025 學年的分頁才會看到那行「Last offered: Winter 2024」。CS124 與 CS224U 也是同一類：現行分頁不會告訴你它們停了多久。

停開不等於材料沒用。CS324 的課程網站與 CS329A 的九講錄影都還在，內容也還沒過時到不能讀。但**「這門課還開不開」和「這門課的材料還能不能學」是兩個問題，混在一起就會排出一份修不到的課表。**

怎麼做：在 ExploreCourses 搜課號，看它顯示「2026-2027 Autumn/Winter/Spring」還是「Last offered: ⋯⋯」。但只做這一步會漏掉一整類課——排了課卻沒有真的開的那類，因為現行學年的分頁上，一筆佔位條目跟一筆真的會開的課長得一模一樣。

補兩步就能補起來。第一步，看那筆條目的上課時間與講師欄：真的要開的課會有時段和人名，佔位的兩欄都是空的。第二步，點頁面頂端的舊學年分頁（2024-2025、2025-2026），停開的課會在那裡露出「Last offered」那行。

要一次查完，ExploreCourses 有個公開的 XML 介面比點頁面快得多：

https://explorecourses.stanford.edu/search?view=xml-20200810&academicYear=20252026&q=CS228&filter-departmentcode-CS=on

把 academicYear 換成各學年逐年拉一遍，看那一年的條目裡有沒有 <term> 元素——沒有 <term> 就是那學年沒開。這比讀網頁可靠，因為那頁是 JavaScript 算出來的，抓網頁原始碼常常只拿到「Loading…」。

五條路線，各挑一條走

如果你要轉職當軟體工程師：CS106B → CS107 → CS161。三門就好。CS106B 給你資料結構，CS107 給你「程式在機器上到底怎麼跑」，CS161 給你面試時被問到演算法不會慌的底氣。CS103 可以之後補，先跳過不影響前三門。

如果你已經在寫程式，但覺得自己少了一塊底：CS111 加上 CS143 或 CS144 選一門。判斷方式是看你平常在 debug 什麼——如果常常在追效能與記憶體，選 CS143 讓你看懂編譯器對你的程式做了什麼；如果常常在追連線、逾時、重試，選 CS144，那七個檢查點會讓你對 TCP 的理解從「知道有這個東西」變成「自己寫過一個」。

如果你要走通用 AI 研究：地基五門 → CS221 → CS229 → CS230 → CS228 → 挑一條分支 → CS312 或 CS221M。這條最像先打全科底再走研究導向。

如果你的目標是 LLM 與 agent：地基五門 → CS124／CS221／CS229 → CS224N → CS224U 或 CS224V → CS329X／CS329Z → CS336。這是本文依能力缺口排出的建議自學順序，不是每一個箭頭都代表官方 prerequisite；例如 CS224N → CS224U 是明列先修，但 CS336 接受多種 ML 背景，並不要求先修 CS329Z。中間課程可以依背景跳過，但 CS336 對 Python、PyTorch、系統、數學與機率的要求仍要老實面對。

如果你走視覺或機器人：視覺是地基五門 → CS229 → CS230 → CS231A → CS231N；機器人是地基五門 → CS221 → CS238 → CS234 → CS223A → CS333。

五條路線的共同前提只有一個：選一條，做完它的作業。 把二十幾門課的講義都下載下來，是這份地圖最容易導致的失敗方式。

還有一句提醒：不要把 CS329A、CS329Z、CS336 當第一站。 從先修結構看，這些課預設你已經有機器學習、深度學習、NLP 或 LLM、以及系統與評估的底子。地基那五門看起來離 AI 很遠，但它們是唯一沒有捷徑的部分。

附錄：數字與查證方式

本文的課程資訊來自 2026-08-20 當天實際抓取的官方課程網站與 Stanford ExploreCourses 2026-2027 學年條目，先修條件與開課紀錄以該頁面顯示的內容為準，不採信二手整理。以下是正文為了可讀性而收在這裡的數字：

  • 學分：核心五門各五學分（且不接受降學分）；CS106L 一學分；CS146S 三學分；CS221M、CS329H、CS329X、CS329T、CS329Z 各三學分；CS224V、CS224W、CS228、CS231A 各 3–4；CS312、CS336 各 3–5。
  • CS221 官方先修：CS103（或 CS103B/X）、CS106B（或 CS106X）、CS109、CS161。
  • 付費修習的價格：Stanford Online 的遠距學分版本，CS107 學費 8,110 美元、CS161 與 CS336 各 7,875 美元，都是五學分。教材免費、學分很貴，這個落差是這份地圖的前提。
  • CS231N 評分比重：作業 45%、期中 20%、期末專案 35%。
  • CS336 講義 repo：GitHub 上約 3.6k 顆星、757 個 fork（2026-08-20 讀數）。
  • 2026-27 學年有明確開課資訊的進階課：CS224N（冬）、CS224V（秋）、CS224W（秋）、CS223A（冬）、CS231A（冬）、CS329H（秋）、CS329T（春）、CS329X（秋）、CS329Z（秋）、CS312（秋）、CS333（冬）、CS336（春，需申請）。CS221M、CS224U 與 CS228 不列入：CS221M 的 2026-27 條目已無任何開課學期，最後一筆為 2026 春；CS224U 與 CS228 雖有條目，但時間或講師資訊不完整，CS224U 最近完整公開版本為 2023 春，CS228 的舊學年頁則寫最後開於 2024 冬。
  • 課號慣例：1–99 全校入門、100–199 本系大學部、200–299 高年級與研究所新生、300 以上研究生。官方明講這不是標準，只是常見慣例。
  • CS231A 舊課號：CS223B。CS111 與 CS110：現行描述是 CS111 可替代 CS110，不是改名或前身關係。

有三項未能完全確認，都不是查得不夠，是結構性拿不到：Stanford 課程封存區沒有公開的索引頁，因此無法列出「總共有幾門課保留了歷屆網站」；CS312 的課程名稱在 ExploreCourses 的搜尋結果中沒有完整渲染出標題列，但以「Deep Learning Alchemy」為關鍵字搜尋會命中該條目；CS238 的獨立條目同樣沒有渲染成功，其存在與 AA228 的合開關係是從 CS239 的先修欄位「AA 228/CS 238 or CS 221」反推的。後兩項不影響階梯的排序結論。

更新紀錄

  • 2026-08-26：回補站內連結——核心五門（CS103、CS107、CS109、CS111、CS161）與 CS221、CS124、CS229、CS228、CS224N、CS224U、CS224V、CS224W、CS329A、CS329Z、CS336 的單課總覽導讀已陸續上線，正文與先修表補上對應站內連結。另重查 ExploreCourses（2026-08-26）：附錄「2026-27 有明確開課資訊」清單移除 CS221M——其 2026-27 條目已無任何開課學期，最後一筆為 2026 春；停開表其餘七門與清單其餘十二門複核無變動。

  • 2026-08-22：統一 A0–A3 公開度說明，修正 CS221 核心課計數、LLM／agent 建議路線、CS224U 佔位狀態與 CS111／CS110 關係。

  • 2026-08-21：把主線課程逐門展開成獨立導讀之後，回頭修正本文七處。（一） 五學分規定原本引的 www-cs.stanford.edu/bs-core-requirements 已下線（301 轉址後 404），改引現行的 BS Degree Requirements 頁，舊頁補上 Wayback 快照。（二） CS106B 封存版誤標為 Fall 2025，實為 Spring 2025；同時補上學期代碼的解讀規律。（三） CS161「兩個官方課名」的矛盾已不成立——掛舊課名的頁面隨上述下線一併消失。（四） 停開表補上 CS228（2024 冬）、CS124（2026 冬）、CS224U（2023 春）。（五） CS228 自「2026-27 有開」清單移除，它那筆冬季條目沒有時段也沒有講師。（六） 「先查有沒有開」那節原本的查法會漏掉佔位條目，補上看時段與講師欄、切舊學年分頁、以及 ExploreCourses XML 介面三種做法。（七） 原本寫「CS111 就是以前的 CS110、CS110 自學資源照樣可用」，但現行官方描述寫的是「substitute for CS110」而非改名，且兩門課的作業與講次表差異很大（CS110 有 shell、HTTP 代理、MapReduce 與三堂網路，CS111 都沒有），該段已改寫。

參考資料

相關文章

世界名校 AI／CS 課程地圖：哪些課真的能公開自學？ 1 min Stanford CS161 導讀：一門把「寫清楚」列為第三個學習目標的演算法課 1 min Stanford CS103 導讀：一門數學課，開學第一件事是裝 C++ 編譯器 1 min