Stanford CS 課程導讀：按先修關係排一次，從 CS106A 到 CS336｜Stanford CS 主線課程 課程地圖
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。
24 篇文章
Stanford CS 主線課程導讀
從學位骨架到 AI、NLP、圖學習與 agent，整理 Stanford CS 主線課程的版本、先修關係與逐課導讀入口。
計算的數學基礎：前半教怎麼證明，後半教什麼證不出來｜Stanford CS103 課程總覽
CS103 是 Stanford 的計算數學基礎課：前半教集合、邏輯、圖與歸納法的證明寫作，後半教有限自動機、圖靈機、可判定性與 P 對 NP。投影片、作業題目、起始檔與自製講義全部公開，自動評分的題目可以在本機自測；解答、練習考題與上課錄影要 Stanford 登入。
計算機組織與系統：從 C 與指標到 x86-64 與自己寫 malloc｜Stanford CS107 課程總覽
CS107 是 Stanford 的計算機系統課：從位元、C 字串與指標，走到 x86-64 組合語言與執行期堆疊，最後自己寫 heap allocator，共七份作業。講義、作業說明與 lab 的逐題解答都公開；作業起始碼放在 Stanford 的 AFS 上，沒有校內帳號拿不到。
給電腦科學的機率：從計數、推論到機器學習｜Stanford CS109 課程總覽
CS109 是 Stanford 給電腦科學學生的機率課：從計數、條件機率與隨機變數，走到推論、最大概似估計、邏輯迴歸與深度學習。互動式課程讀本、課堂習題與解答公開，每一講還附官方寫的 LLM 學習指南；第 15 講之後的投影片、作業系統與錄影校外拿不到。
作業系統原理：從執行緒、虛擬記憶體到檔案系統｜Stanford CS111 課程總覽
CS111 是 Stanford 的作業系統原理課，分並行、記憶體管理、檔案系統三塊，共九份作業。28 份講義、九份作業說明與三年附解答的期中期末考題都公開；起始碼要能登入校內的 myth 機器，錄影在 Canvas。
演算法設計與分析：從分治、圖論到動態規劃與最大流｜Stanford CS161 課程總覽
CS161 是 Stanford 的演算法設計與分析課：十八講從漸近分析、分治與隨機演算法，走到圖演算法、動態規劃、貪婪法與最大流。講義、投影片、八份作業題目、附解答的討論課題目與 Python notebook 都公開；錄影、作業解答與考卷拿不到。
人工智慧原理與技術：反射、狀態、變數、邏輯四層主脊｜Stanford CS221 課程總覽
CS221 是 Stanford 的人工智慧原理課，把 AI 排成反射、狀態、變數、邏輯四層，深度學習只是最低的那一層。可執行的 Python 講義與八份作業（含程式骨架與本機評分器）全部公開；課堂錄影、隱藏測資與作業解答拿不到。
從語言到資訊：一門同時教 tf-idf 和 LLM 的 NLP 入門課｜Stanford CS124 課程總覽
CS124 是 Stanford NLP 分支的第一門課：十週從斷詞、n-gram、文本分類、資訊檢索與詞嵌入，講到 LLM 與 Transformer。教科書是免費的《Speech and Language Processing》，九個作業 repo 與實作課的題目和解答都公開；預錄影片、每週複習測驗與自動評分要 Stanford 帳號。
從線性迴歸到訓練推理模型：課程地圖與閱讀路線｜Stanford CS229 課程總覽
CS229 是 Stanford 把機器學習的數學推導走一遍的主課。Spring 2026 的錄影公開了 17 堂，前十堂是線性模型、神經網路與非監督式學習，後七堂走到擴散模型、LLM 與用強化學習訓練推理模型。本系列一堂一篇，這篇是地圖：每堂實際教什麼、影片標題哪裡對不上、講義有而課堂沒教的去哪裡補。
深度學習：翻轉教室怎麼排，九堂實體課怎麼讀｜Stanford CS230 課程總覽
CS230 是 Andrew Ng 與 Kian Katanforoosh 在 Stanford 教的深度學習課，採翻轉教室：神經網路、最佳化、CNN、序列模型與 Transformer 的基礎放在 Coursera 的五門線上課，每週一堂實體課講專案方法、對抗攻擊與生成模型、強化學習、LLM 應用與可解釋性。九堂實體課的錄影、多數投影片與兩份附解答的期中練習考公開；Stanford 專用的 Coursera 場次、助教課錄影與專案指導拿不到。
機率圖模型：把指數量級的推論壓成多項式｜Stanford CS228 課程總覽
CS228 是 Stanford 的機率圖模型課，分表示、推論、學習三塊：用圖寫下獨立性假設，把指數量級的機率計算壓成多項式。自學者拿得到的是 16 章的公開講義 cs228-notes；講次投影片、錄影與當季作業都拿不到。
用深度學習做自然語言處理：從 word2vec 到自己刻 Transformer｜Stanford CS224N 課程總覽
CS224N 是 Stanford 用深度學習做自然語言處理的課：從詞向量、反向傳播講到 Transformer，之後每一堂都建立在 Transformer 之上，四份作業包含自己刻一個 decoder-only Transformer。現行投影片與作業公開，第三份作業附可以在筆電上跑的單元測試；公開的完整錄影是較早的版本，跟現行課表有落差。
自然語言理解：接在 CS224N 之後補了什麼｜Stanford CS224U 課程總覽
CS224U 是 Stanford 的自然語言理解課，接在 CS224N 之後：教情感分析的領域適應、檢索增強的 in-context learning、進階行為評估與模型分析方法，三份作業各附一場 bake-off。教材是一個公開的 GitHub repo，投影片與線上版的全套錄影也公開；第一份作業的資料載入在新環境要自己修正才跑得起來。
Agentic AI：用形式方法處理幻覺｜Stanford CS224V 課程總覽
CS224V 是 Stanford 的 Agentic AI 課：教怎麼用形式語意、知識圖譜與形式方法約束 LLM agent，讓它少編造，兩份作業之後以專案為主。十四堂講義、閱讀清單、作業講義與課程用到的開源系統（STORM、WikiChat、SUQL、Genie Worksheets）都公開；沒有公開錄影，公開的投影片是刻意留白的版本，作業要用的憑證也只發給選課學生。
圖機器學習：十九堂課的重心與六份 Colab 作業｜Stanford CS224W 課程總覽
CS224W 是 Stanford 的圖機器學習課：十九堂從節點嵌入、GNN、graph transformer、知識圖譜，講到關聯式深度學習與 GNN 加 LLM。投影片、三份書面作業與六份 Colab 都公開，可以直接下載開跑；公開錄影是 2021 年的版本，後半的新主題只有投影片，考試與自動評分拿不到。
AI Agent 工程：不靠框架，從一個 chat-completion 呼叫做出 agent harness｜Stanford CS329Z 課程總覽
CS329Z 是 Stanford 的 AI agent 工程課：先不靠框架手刻 RAG、工具呼叫與 agent 迴圈，再看 DSPy 這類框架抽掉了什麼，兩份作業分別是做 agent harness 與設計 agent 評估。課綱、50 篇閱讀清單、逐堂放出的投影片與第一份作業的起始碼、資料和公開測試都拿得到；錄影要以選課身分登入 Canvas。
從零打造語言模型：五份作業與要自己算的 GPU 預算｜Stanford CS336 課程總覽
CS336 是 Stanford 從零打造語言模型的課：五份作業依序做 tokenizer 與 Transformer、訓練系統最佳化、scaling law、資料處理、對齊與推理 RL，沒有程式骨架，只有測試。講義、錄影、五份作業的 repo 與排行榜都公開；從第二份作業起算力要自己準備，課程贊助的算力與評分拿不到。
自我改進 Agent：課程主軸與閱讀路線｜Stanford CS329A 課程總覽
產生正確候選與辨認正確候選是兩種能力。系列依 Autumn 2025 課表，以一篇總覽與十七篇逐堂導讀串起十七個內容場次，其中五場客座沒有公開材料，改用講者類似題目的公開材料；影片 Part 7–9 對應原課第 8、17、20 堂。
兩版大綱對照：一年之間，這門 AI 開發課改掉了什麼｜Stanford CS146S 課程地圖
Stanford CS146S 的 Fall 2026 大綱把 prompting 從整整一週壓成一節，砍掉終端機與 UI 生成兩週，換上 Agent Skills、Agent-Ready Codebases、Background Agents、AI-Native Team。評分也動了：Final Project 從 80% 降到 50%，多出 30% 的 open source 貢獻。這個系列照十週逐篇讀。
平行計算：課程定位與兩條閱讀路線｜Stanford CS149 課程總覽
CS149 是 Kayvon Fatahalian 與 Kunle Olukotun 在 Stanford 教的平行計算課，從多核 CPU、SIMD 一路講到 GPU、AI 加速器、資料中心，最後回到 cache coherence 與 lock-free。Fall 2025 的 18 份投影片、5 個程式作業的 starter code 與 README、4 份書面作業 PDF 都能匿名取得，本系列評為 A3（足以自學）。缺口有四個：當期錄影只在 Canvas；PA1 評分用 Stanford myth 機器；PA4 要自費租 AWS Trainium2，而且課程 AMI 是私有的；PA5 的 H100 排隊系統與排行榜要 SUNet ID。公開錄影是 2023 版，本系列只拿它當聽講補充。
電腦視覺的深度學習：18 堂課表與 10 週自學路線｜Stanford CS231N 課程總覽
CS231N 是 Stanford 的電腦視覺深度學習課，Spring 2026 版的 16 講投影片、三份作業的題目頁與起始碼、課程筆記與專題規範都公開，本系列評為 A3（足以自學）。缺口有三個：2026 錄影只放在 Canvas、L17 與 L18 沒有投影片、期中考不公開。可以拿 2026 的投影片和作業，配 2025 年的 YouTube 錄影，照官方課表排 10 週。
強化學習：先修、評分與 10 週自學路線｜Stanford CS234 課程總覽
CS234 是 Emma Brunskill 在 Stanford 教的強化學習入門課，從有模型的 MDP 規劃一路講到策略梯度、RLHF／DPO、bandit 探索和 MCTS。Winter 2026 的 14 講投影片、三份作業的題目與起始碼、專題規格都能匿名下載，本系列評為 A3（足以自學）。缺口是官網沒有 2026 錄影、L15 與 L16 沒有投影片、期中考與 tutorials 不公開。公開錄影是 Spring 2024 版，本系列只拿它當補充；2024 有兩講 Offline RL，2026 投影片裡沒有對應內容。
深度強化學習：課程定位與閱讀路線｜Stanford CS224R 課程總覽
CS224R 是 Chelsea Finn 在 Stanford 教的深度強化學習課，從模仿學習一路講到 LLM 的 RL 和機器人基礎模型。Spring 2026 的 17 份投影片、三份作業的題目與起始碼、default project 規格與起始碼都能匿名下載，本系列評為 A3（足以自學）。缺口是 2026 錄影只在 Canvas、期中考卷與解答不公開、HW2 和 HW3 規定在 Modal 上跑。公開錄影是 Spring 2025 版，本系列把它當補充，逐講標出差異。
Transformer 與大型語言模型：九堂課從 Transformer 走到 AI agent｜Stanford CME295 課程總覽
CME295 是 Stanford 的兩學分課，沒有作業，成績只看期中和期末各 50%。2025 版九堂的影片、投影片和兩份考卷解答全部公開；2026 版把 agent 那一講改成 context 壓縮、harness、coding agent 和 skills，還新增 LLM 系統、強化學習、Diffusion LLM 三整講。