Stanford AI 课程地图 EN GitHub ↗

Stanford University · 2026—27

AI / ML / Agent
课程地图

把 Stanford 分散在 CS、EE、STATS、MS&E、CME、AA、PSYCH、SymSys 的 AI 课程,整理成一张可浏览的地图。55 门核心课深度速览,70 门延伸课,6 条学习路径。

2026

“选课不是集邮。
先看地图,再选路径。”

55核心课程
70延伸课程
8方向
6学习路径
125课程总数
412逐讲条目

课程地图

8 个方向查看全部 →

全部课程

搜索 / 筛选 / 排序

学习路径

按目标选,不按热度选展开 →

LLM / Agent 工程

做 AI engineer、agent 产品、LLM 应用

从 NLP 地基到 agent 工程,再到从零训练语言模型。重点是 eval,而不是只搭 demo。

CS 224NCS 329ZCS 224VCS 336

ML 研究 / 读博

读博、做 ML theory / 生成模型 / RL

先把监督学习、无监督学习和学习理论打通,再选一个方向做深。

CS 229CS 229MCS 236CS 234

CV / 生成 / 3D

视觉、3D 生成、图形

识别 → 生成模型 → 3D 表示/渲染,形成完整的视觉与图形栈。

CS 231NCS 236CS 348NCS 468

机器人 / 具身

机器人、具身智能、自动驾驶

运动学与控制 → 自主系统 → 学习与操作 → 具身研究。

CS 223ACS 237ACS 237BCS 381

MLSys / 推理

训练/推理基础设施、AI 芯片

从 ML 系统设计到推理 serving,再到加速器与网络。

CS 229SCS 349DCS 349ECS 217

AI4Science / 医疗

计算生物、医疗 AI、科学发现

ML 基础 → 领域数据 → 医疗/生物 FM → 前沿讲座。

CS 229CS 273BCS 277EE 292R

About

这张地图怎么用

先看方向,再选路径,最后点进课程页。每门核心课有定位、主要内容、课程大纲/课件、先修、考核、适合谁、学习建议和资源入口;延伸课保留官方档案与链接。也可以按 学期 或 先修关系 浏览。

信息基准:2026–27 学年,课程数据来自 Stanford ExploreCourses 与课程官网。

非官方:难度、建议、适合谁是整理者判断,选课以官方为准。

更新:修改 data/ 后运行 python scripts/build_site.py。