影片狀態:僅附官方入口或錄影清單。 影片來源與說明
搜尋「Stanford CS229」、「Berkeley CS188」或「MIT deep learning」,很快就能找到課程網站、YouTube 影片和別人整理的筆記。真正麻煩的問題在下一步:這些東西是不是同一個學期?現在不用學校帳號還打得開嗎?作業只有題目,還是連起始碼與必要檔案都有?
這份地圖盤點 Stanford、Carnegie Mellon University(CMU)、MIT、UC Berkeley、Harvard 與國立臺灣大學(台大),時間範圍是 2025–2026。2026 年版本完整就優先;如果新學期只有課表、錄影鎖在校內系統,而 2025 年官方版本更完整,2025 也會正式列入。每篇單課導讀都會標明採用學期,不把 2025 影片與 2026 作業包裝成同一套課。
這不是大學排名,也不是「哪間學校最好」。它只回答兩件事:這間學校如何安排 AI/CS 課程,以及校外讀者現在到底拿得到多少。
公開課不是 yes/no,而是四個等級
「課程公開」至少可能指七件不同的事:課程描述、課綱、投影片、作業題目、起始碼、解答與錄影。一個網站只要公開其中一項,搜尋引擎就可能把它送到你面前,但這不等於你能照著修完整門課。
本站使用四個編輯標籤。這不是學校官方分級,而是用來約束文章能承諾到哪裡:
| 等級 | 校外讀者拿得到什麼 | 文章可以承諾什麼 |
|---|---|---|
| A0 課表可見 | 課名、學分、簡介 | 只說它在課程地圖上的位置 |
| A1 課綱可見 | syllabus、週次、閱讀清單 | 可以分析範圍,不能評論作業體驗 |
| A2 教材部分開放 | 講義、部分作業或錄影 | 可以做選題式導讀,必須列出缺口 |
| A3 足以自學 | 系統化教材,加上作業與必要檔案 | 可以提供完整自學路線 |
錄影不是 A3 的必要條件。一門課若有完整講義、作業、起始碼與清楚的評量順序,仍可能足以自學。反過來,只有 YouTube 播放清單,沒有練習材料,也不會自動升成 A3。
怎麼做:以後看到一門「公開課」,先別按播放。用五分鐘找出 syllabus、第一份作業與 starter code。三樣找得到,再決定是否投入幾十小時。
第一層:真的能從頭跟到尾
目前最乾淨的例子之一是 MIT 6.S191: Introduction to Deep Learning。2026 年版(3/30–5/25,已結課)公開九講影片、投影片與三個 software labs;2025 封存版則保留十講影片與三個 labs。它很適合自學,但要記得它是密集 bootcamp,不是完整一學期的深度學習課。
Berkeley CS188 Spring 2026也接近完整公開:投影片、教材章節、discussion materials、六個 Pacman projects 與逐講影片都能從課站取得;這個學期已結束,課站仍完整保留。當期的 Fall 2026 已開課,~cs188/ 也改為直接導向 fa26,投影片與錄影隨進度逐講放出。正式課程的 Ed、成績與教學人員支援仍限修課生,但校外讀者至少能走完主要學習路徑。本站的 CS188 Spring 2026 總覽已盤點 P0–P5 六個 projects 與建議修課順序。
Stanford 的情況不是只有零散影片。Stanford CS 課程地圖已按官方先修關係整理從 CS106A 到 CS336 的階梯;其中 CS336 Spring 2026(3/30–6/3 已結課)公開講義與五份 GitHub 作業、YouTube 完整播放清單,Spring 2025 也有 Stanford Online 官方錄影。它的限制不在網址,而在算力:教材公開不代表完成每份作業都免費。
這一層最適合直接寫單課導讀,因為文章可以把「學什麼、做什麼、從哪裡開始」接成一條真正走得通的路。
第二層:教材夠新,但校外體驗少一塊
Berkeley CS288 Spring 2026公開 post-training、RAG、reasoning、agents 等主題的投影片,也公開三份作業與專案說明。缺口是錄影:當期 YouTube playlist 確實存在,但匿名載入會回傳 UNPLAYABLE,課站也明寫需要 Berkeley login。這門課仍能做教材導讀,不能宣稱「影片也全公開」;CS288 導讀系列總覽已按這個邊界完成。
Berkeley CS285 Spring 2026公開二十五講投影片、五份作業與 GitHub 起始碼,講課錄影也已公開在 RAIL 的 YouTube 頻道(2026 播放清單);Ed、Gradescope 與助教時間仍限修課生。官方課站另連到較舊的 Fall 2023 影片,因此可行的做法是:主文以 2026 教材與錄影為準,歷史影片放在獨立替代資源區,清楚標出年份。CS285 導讀系列總覽就是照這個原則寫的。
MIT 6.7960的課站已切到 Fall 2026,投影片隨進度公開,Fall 2025 則移到「Previous years」。兩個學期的缺口相同:作業透過 Gradescope 發放,錄影放在 MIT Canvas。本系列把它列為 A2:可以深入讀教材設計,不能承諾完整重現修課體驗。本站的 6.7960 導讀因此改用錄影完整的 Fall 2024 OCW 版,並標明年份。
怎麼做:選 A2 課程時,先寫下你要的成果。如果目標是理解一個主題,投影片與 readings 可能已經夠;如果目標是做完整作業,缺少題目、資料集或評分器就是停止訊號。
第三層:最新課程正在改制或還沒把材料放出來
CMU 是最不能只看舊課號的一間。新的 07-280 AI & ML I把搜尋、機器學習、LLM 與強化學習放進共同入口,後面接 07-380 AI & ML II。官方 FAQ 說明這組新課要取代 15-281 與 10-315;因此 15-281 的 Spring 2026 公開教材仍有價值,卻不能再代表 CMU 最新主線。CMU AI/ML 課程地圖整理了新制下的完整自學路線,改制的細節另外寫在〈CMU AI 核心改制〉。
截至 2026 年 8 月 27 日,07-280 Fall 2026 已是完整課站:24 講 schedule(8/25–12/3)、逐講投影片與 notes、週五 recitation、12 份作業(HW0–HW11,含 Building AlexNet/GPT-2/AlphaZero)與每週 pre-reading checkpoint 皆已上線。先前「多數材料尚未發布」的狀態已結束;本站的 CMU 07-280 完整課程導讀(24 講逐講+3 篇階段複習+結業路線)即按此當期版完成。
同校的 11-785 Introduction to Deep Learning則是另一種情況:Spring 2026(已結課)與 Fall 2025都逐講提供官方 YouTube,投影片也公開,Fall 2026正逐講放出投影片與 YouTube 影片;作業卻混用 Autolab、Kaggle 與 Piazza。影片已確認能看,能否完整自學仍要逐份檢查 starter assets。
CMU 在 Fall 2026 還新開了 11-768 AI Agents,由 Graham Neubig 與 Daniel Fried 授課。它是研究所課,先修要求訓練過語言模型;投影片與前幾講錄影已隨進度公開,三份作業依序做 harness、評測與訓練。本站的 11-768 導讀跟著當期進度寫,後半學期的講次與作業要等官方上架才補。
進行中或尚未開課的學期,只有 schedule 不算「最新公開課」。本站會等材料真的出現再升級,不用年份的新換掉內容完整的舊。
六間學校應該怎麼讀
| 學校 | 課程地圖的主問題 | 目前最適合的公開入口 |
|---|---|---|
| Stanford | 先修關係如何從系統與數學地基一路接到研究級 AI? | CS221、CS229、CS224N、CS336、CME295;地基五門與 AI 分支課已有逐講導讀 |
| CMU | 07-280/07-380 新制如何接到 ML、DL、NLP 與 systems? | 07-280 Fall 2026(24 講課站)、10-301/601、11-785(F26 逐講上片中)、11-768(Fall 2026 新開) |
| MIT | 現行課號、當期課站與歷史 OCW 如何對齊? | 6.S191(2026 已結課);6.7960(課站已切 Fall 2026)做 A2 教材導讀 |
| Berkeley | CS188/CS189 之後如何分流到 NLP、RL 與視覺? | CS188(sp26 完整保留,當期為 fa26);CS288、CS285 做教材型導讀 |
| Harvard | 通識 CS50 系列如何銜接 CS181/CS182? | CS50 AI 錄影版本;CS181 以作業為節拍自學;CS182 尚無當期公開教材 |
| 台大 | 學程分層與李宏毅的電機系路線如何並行? | 李宏毅 ML 2026 Spring(A3,中文授課);林軒田、陳縕儂課程的公開程度差異 |
| 台灣其他學校 | 台大以外,哪些課透過 TAICA 公開直播、能校外自學? | 清大高宏宇 NLP(A3)、政大蔡炎龍生成式 AI(A3);成大、北科、陽明交大多為 A2 以下 |
Harvard 於 2026-08-22、台大與台灣其他學校於 2026-09-30 補上地圖,見上表。台灣的課以中文授課,對中文讀者而言省下的不只是翻譯,而是可以直接對照原始術語與講者的解釋。
學校地圖與單課導讀是兩種文章。即使一間學校的教材全鎖在 LMS,仍可以靠現行 catalog、program requirements 與 schedule 重建課程路線;只是文章只能承諾「看懂怎麼選課」,不能承諾「不用入學也能修完」。
AI 資安課
這裡的 AI 資安指保護 AI 系統本身:對抗樣本、資料投毒與後門、prompt injection、jailbreak、agent 被劫持,以及從模型裡偷出訓練資料或模型本身。AI safety 與 alignment 不算在內,像 Harvard CS2881R 就屬於後者。
2026 年 10 月掃過 Stanford、CMU、Berkeley 的課目錄之後,名校的情況是這樣:
| 課程 | 學校與教師 | 最近學期 | 分級 | 說明 |
|---|---|---|---|---|
| CS 253 Securing AI Systems | Stanford,Boneh、Mitchell | 2027 Spring | A0 | 沿用原 Web Security 課號改名重開,目前只有課表 |
| 15-783 Trustworthy AI | CMU,Raghunathan | Fall 2025 | A2 | jailbreak、prompt injection、隱私攻擊各有一個模組,逐講講義公開 |
| ML for Cybersecurity(17-739/18-739C) | CMU,Lujo Bauer | Fall 2026 | A1 | 主軸是用 ML 做資安,兼談對抗樣本 |
| CS 261 Computer Security | Berkeley,Wagner | Spring 2026 | A2 | 一般資安研究所課,其中 4 堂講 LLM 攻防 |
| 6.S976 Cryptography and Machine Learning | MIT | Spring 2026 | A2 | 偏理論 |
Harvard 的現行課表裡沒有這類課。能從頭自學到尾(A3)的 AI 資安課,目前都不在這六間學校:
- 中正大學阮文齡《人工智慧安全》(114-2,英文授課):投影片、notebook 與作業都放在公開資料夾,是台灣唯一能完整自學的一門。
- Cagliari 大學 Battista Biggio《Machine Learning Security》(2025/26):講義與 notebook 放在 GitHub。
- 復旦大學馬興軍《Trustworthy AI》:14 週投影片加上中文教材全文,沒有錄影。
這三門都以對抗樣本、投毒、隱私攻擊為主,幾乎不碰 LLM 與 agent。要補這一塊,目前最接近的組合是李宏毅生成式 AI 導論 2024第 13–14 講與 HW10,再讀 CMU 15-783 第一個模組的講義。
怎麼做:先用 Cagliari 的 notebook 親手做一次對抗樣本攻擊,再進 LLM 的 prompt injection。Stanford CS 253 在 2027 年 3 月開課,到時再回來看它會不會放出教材。
CSDIY 應該放在哪裡
CSDIY很適合回答「社群實際跟過哪個版本」。例如它會保存歷史影片、作業經驗與補充資源,這些資訊常比學校課表更接近自學現場。
但它不能單獨證明三件事:課程在 2026 年仍開、當期入口仍允許匿名存取、第三方影片具有官方身分或開放授權。反過來,CSDIY 沒收錄一門課,也不表示官方材料不能自學。
因此這個系列固定用雙軌:官方來源判斷當期課程與權限,CSDIY 補歷史版本與社群實修經驗。兩者不互相取代。Berkeley CS188 與 CMU 15-281 共用同一套 Pacman projects 的歷史,就是靠社群紀錄才拼得完整,這段血統另寫成〈Pacman AI project 血統〉。
這個系列已經寫到哪裡
六篇學校地圖已完成:Stanford、CMU、MIT、Berkeley、Harvard與台大,另有一篇台灣其他學校。單課深讀也已大幅展開:
- Berkeley CS188 Spring 2026 總覽,含搜尋、MDP、Bayes Nets 到機器學習的完整導讀(sp26 已結課,當期為 fa26)
- Berkeley CS285 Spring 2026 總覽,含模仿學習、policy gradient 到 offline RL 的分段導讀
- Berkeley CS288 總覽,從 foundations、transformers 到 agents
- CMU 10-301/601 總覽,用九份作業走完整門機器學習
- CMU 07-280 完整課程導讀:24 講逐講深拆(對應 Fall 2026 完整課站),另有全課總結與選課路線
- CMU 11-785 深度學習導讀:28 講全覆蓋,並標出作業鏈不完整的缺口(S26 已結課,F26 逐講上片中)
- CMU 11-768 AI Agents 導讀:Fall 2026 新開的 agent 研究所課,從 harness、評測寫到訓練,跟著當期進度更新
- MIT 6.S191 導讀:九講與三個 labs 全公開的實際跑法(2026 版 3/30–5/25 已結課)
- Stanford AI 課程逐講系列:CS221、CS229、CS224N、CS224W、CS224V、CS124、CS230、CS329Z、CS224U(Spring 2023 歷史版 16 篇),以及 CS336(另有從 tokenization 開始的主題深拆);各課的版本與先修關係見 Stanford 課程地圖
- Stanford CS231N 導讀:電腦視覺深度學習,Spring 2026 投影片與 A1–A3 作業,錄影對照 Spring 2025
- MIT 6.S184 導讀:IAP 2026 的 flow matching 與擴散模型,講義、錄影與三個 lab 全公開
- CMU 11-868 LLM Systems 導讀:從 CUDA kernel、分散式訓練到 serving 與 RLHF 的七份作業,沒有錄影、需要 GPU
- 台大李宏毅 機器學習 2026 Spring 導讀:中文授課,從解剖 OpenClaw、context engineering 到 KV cache 與 harness engineering
- Stanford CS224R 導讀:深度強化學習,Spring 2026,從模仿學習到 RLHF、LLM 推理與機器人 VLA
- Stanford CS234 導讀:強化學習理論,Winter 2026 投影片與作業,錄影對照 Spring 2024
- Stanford CS149 導讀:平行計算,Fall 2025,含 GPU/CUDA 與 AI 加速器作業,錄影對照 2023
- MIT 6.5940 導讀:高效深度學習,以最近一屆完整的 Fall 2024 為底本(Fall 2025 未開課),對照進行中的 Fall 2026
- CMU 10-423 導讀:生成式 AI,Spring 2026,以 HW1–HW4 為主線
- Harvard CS2881R 導讀:AI 安全,Fall 2025,錄影、閱讀清單與作業公開
- 台灣中文課:台大陳縕儂 ADL 2025 Fall、台大林軒田 機器學習基石與技法(內容跟 2013 年錄製的 MOOC,練習用 Fall 2024 作業)、清大高宏宇 自然語言處理、政大蔡炎龍 生成式 AI
- Stanford CME295 導讀:兩學分、沒有作業的 Transformer 與 LLM 課,2025 版全部公開,2026 版新增 LLM 系統、強化學習與 Diffusion LLM
- Stanford 地基課逐講系列:CS103 數學基礎 28 講、CS107 系統 30 講、CS109 機率 22 講、CS111 作業系統 28 講、CS161 演算法 18 講皆已完成中英對照
- Berkeley CS189 導讀:總覽以 Spring 2025 為起點,逐講與 HW1–5 則依重新上線的 Spring 2026 課站寫成,另對照 Fall 2026(eecs189.org/fa26)行事曆
- CMU 07-380 導讀:Fall 2026 首開,已公開的第 1–10 講與 HW1–3 已逐篇寫完,後半學期隨課站進度補上;對照 07-280
Harvard 這邊,CS50 AI 導讀與 CS181 逐週導讀(HW0–HW6 全部作業)都已上線;還沒寫的只剩 CS182,它 Fall 2026 雖列在 SEAS 課表上,但目前找不到公開課站,要等教材出現再寫。
如果你現在只想選一門開始,做一個很小的測試:打開 MIT 6.S191 的第一個 lab,或 Berkeley CS188 的第一個 project,給自己九十分鐘。九十分鐘後還能說清楚環境缺什麼、下一步要做什麼,這門課才真的進入你的自學清單。收藏一個播放清單不算開始。
課程影片來源
本文是課程總覽或資源地圖,沒有單一對應講次;請從官方課程入口與播放清單查找影片。
課程與錄影入口:
- Berkeley CS188 Spring 2026
- Fall 2026
- CS336 Spring 2026
- Berkeley CS285 Spring 2026
- 07-280 AI & ML I
- 11-785 Introduction to Deep Learning
更新紀錄
- 2026-10-10:標註影片狀態,核對錄影來源與取得方式。
- 2026-10-10:修正過時的錄影說法。CS285 講課錄影已公開在 RAIL YouTube 頻道,不再寫成只在 bCourses。
- 2026-10-05:新增「AI 資安課」一節:Stanford、CMU、Berkeley、MIT 的現行 AI 資安課與分級,以及台灣與海外能完整自學的三門課。
- 2026-10-01:「已寫到哪裡」補上 Stanford CS224R、CS234、CS149,MIT 6.5940,CMU 10-423 與 Harvard CS2881R 六個新系列。
- 2026-09-30(3):新增台灣其他學校 AI 公開課地圖;「已寫到哪裡」補上台大 ADL、林軒田、清大 NLP、政大生成式 AI 四個中文課系列。
- 2026-09-30(2):新增台大 AI/ML 課程地圖為第六所學校;「已寫到哪裡」補上 Stanford CS231N、MIT 6.S184、CMU 11-868 與台大李宏毅 ML 2026 四個新系列。
- 2026-09-30:系列擴寫回填:Berkeley CS189 補上 Spring 2026 逐講與 HW1–5、CMU 07-380 補上第 1–10 講與 HW1–3、Harvard CS181 補齊 HW0–HW6、Stanford CS224U 補上 Spring 2023 版 16 篇,清單描述同步更新。
- 2026-09-29:Fall 2026 狀態稽核:Berkeley CS188 當期改為 fa26(
~cs188/已導向 fa26)、MIT 6.7960 課站已切 Fall 2026、CMU 11-785 F26 逐講上片中;新增 CMU 11-768 AI Agents 段落與導讀連結;「已寫到哪裡」補上 Stanford CS229/CS224N/CS224W/CS224V/CS124/CS230/CS329Z/CME295 與 Harvard CS181 系列;「還沒寫」清單修正為只剩 Harvard CS182。 - 2026-08-27(3):新增 CMU 07-380 Fall 2026 總覽(首開 26 講 A2→A3 過渡版,Lec01 已公開,對照 07-280),「還沒寫」清單移除 07-380。
- 2026-08-27(2):新增 Berkeley CS189 Spring 2025 總覽(HW1–7 A3,對照 Fall 2026 eecs189.org/fa26 27 講行事曆),「還沒寫」清單移除 CS189 與 MIT 6.7960/Harvard CS50 AI(後兩者已在
ai/tech上線);原 2026-08-27 條目保留。 - 2026-08-27:複核 Spring 2026 學期已結束:MIT 6.S191(3/30–5/25)、Stanford CS336(3/30–6/3)、Berkeley CS188 sp26(已封存,現為 su26)、CMU 11-785 S26(F26 已上線)皆改為「已結課」表述;CMU 07-280 Fall 2026 從「多數材料尚未發布」更新為 24 講/12 份作業/每週 checkpoint 皆已上線,並對應本站 07-280 逐講導讀;表格補上 Harvard 第五列並補齊 Stanford CS103/CS107/CS109/CS111/CS161 逐講完成狀態;07-380 改為「Fall 2026 首開」待稽核。
- 2026-08-26:查核後發現 MIT 6.S191、CMU 11-785、07-280、CS336、CS221 的導讀已在本站
ai分類上線,把「還沒寫」清單修正為 6.7960、CS189 與 Harvard 三門課。 - 2026-08-26(稍早):系列後續文章(四篇學校地圖、Harvard、CS188/CS285/CS288/10-301 導讀、CMU 改制與 Pacman 血統)已上線,補上內文連結,並把「接下來怎麼走」改寫為現況清單。
參考資料
本站系列文章
- Stanford CS 課程導讀
- CMU AI/ML 課程地圖
- MIT AI/ML 課程導讀
- Berkeley AI/ML 課程導讀
- Harvard AI/ML 課程導讀
- 台大 AI/ML 課程地圖
- 台灣其他學校 AI 公開課地圖
- CMU AI 核心改制:15-281+10-315 到 07-280+07-380
- Pacman AI project 血統
- Berkeley CS188 Spring 2026 總覽
- Berkeley CS285 Spring 2026 導讀總覽
- Berkeley CS288 Spring 2026 導讀總覽
- CMU 10-301/601 機器學習導讀總覽
- CMU 07-280 完整課程導讀
- CMU 07-280 全課總結
- CMU 11-785 深度學習完整課程導讀
- MIT 6.S191 導讀
- MIT 6.7960 導讀
- Harvard CS50 AI 導讀(逐週 W00–W06 與綜合篇)
- Berkeley CS189 導讀
- CMU 07-380 導讀
- Stanford CS224U 導讀
- Stanford CS336 主題深拆系列
- Stanford CME295 導讀
- CMU 11-768 AI Agents 導讀
- Harvard CS181 逐週導讀
- Stanford CS231N 導讀
- MIT 6.S184 導讀
- CMU 11-868 LLM Systems 導讀
- 台大李宏毅 機器學習 2026 Spring 導讀
- 台大陳縕儂 深度學習之應用 2025 Fall 導讀
- 台大林軒田 機器學習基石與技法 導讀
- 清大高宏宇 自然語言處理 導讀
- 政大蔡炎龍 生成式AI 導讀
- Stanford CS224R 導讀
- Stanford CS234 導讀
- Stanford CS149 導讀
- MIT 6.5940 導讀
- CMU 10-423 導讀
- Harvard CS2881R 導讀
官方課程網站與外部資源
- Stanford CS336 Spring 2026(YouTube 完整播放清單)
- CMU 07-280 AI & ML I Fall 2026
- CMU 07-380 AI & ML II Fall 2026
- CMU 11-768 AI Agents Fall 2026
- Stanford CME295 Transformers & LLMs
- CMU 11-785 Spring 2026(Fall 2026 已上線)/Fall 2025
- MIT 6.S191 Introduction to Deep Learning(2025 archive)
- MIT 6.7960 Deep Learning Fall 2026(Fall 2025 列於 Previous years)
- Berkeley CS188 Spring 2026/Fall 2026 當期
- Berkeley CS285 Spring 2026
- Berkeley CS288 Spring 2026
- CSDIY
- Stanford CS 253 Securing AI Systems(ExploreCourses)
- CMU 15-783 Trustworthy AI Fall 2025
- CMU 17-739/18-739C ML for Cybersecurity(Lujo Bauer 教學頁)
- Berkeley CS 261 Spring 2026
- MIT 6.S976 Cryptography and Machine Learning
- 中正大學 人工智慧安全(阮文齡)
- Cagliari Machine Learning Security
- 復旦 Trustworthy AI(馬興軍)
- 李宏毅 生成式AI導論 2024
Loading...