cs-video-courses: Informatik-Videokurse nach Themen

Hintergrund

Beim Selbststudium der Informatik fehlt selten Material, meist gibt es zu viel davon. Suchmaschinen und Videoplattformen liefern endlos Tutorials. Doch kaum jemand erkennt auf den ersten Blick, welche davon ein zusammenhängendes Curriculum bilden und welche nur verstreute Einzeltricks sind. Genau hier setzt cs-video-courses an, ein Open-Source-Kursindex auf GitHub, den Developer-Y pflegt. Kurz gesagt führt er Informatikkurse auf, zu denen Videovorlesungen vorliegen. Das Repository hat bisher 83.682 Sterne. Das spricht dafür, dass sehr viele Lernende es als Einstiegspunkt nutzen.

Das Projekt ist weder eine Codebibliothek noch ein Werkzeug, sondern eine Lernlandkarte in Form einer README. Die Hürde ist ausdrücklich benannt: Eingereicht werden dürfen echte Kurse regulärer Hochschulen. Kleine MOOCs, Grundlagen-Tutorials und Werbung für eine Website oder einen Kanal werden nicht aufgenommen. Diese eine Regel setzt für alle Einträge dieselbe Qualitätserwartung. Wer einen Link öffnet, landet bei einem vollständigen Kurs und nicht bei einem Crashkurs von zehn Minuten.

Tiefenanalyse

Was deckt cs-video-courses ab? Die Liste ordnet Hochschulkurse mit Videovorlesungen nach Themen. Sie reicht von der Einführung in die Informatik über Datenstrukturen und Algorithmen, Betriebssysteme, verteilte Systeme und Datenbanken bis zu maschinellem Lernen, generativer KI, Computergrafik, Sicherheit, Quantencomputing, Robotik und Blockchain. Jeder Kurs verweist auf seine Videoplaylist. Die größte Stärke ist die feine Gliederung. Nach den Einführungskursen und den Datenstrukturen folgt die Systemprogrammierung, unterteilt in Betriebssysteme, verteilte Systeme und Echtzeitsysteme. Das Software Engineering teilt sich in objektorientierten Entwurf, Softwarearchitektur, Nebenläufigkeit und mobile Anwendungsentwicklung. Am detailliertesten ist das maschinelle Lernen gegliedert: Einführung, Data Mining, probabilistische grafische Modelle, Deep Learning, Reinforcement Learning, fortgeschrittenes maschinelles Lernen, Sprachverarbeitung, generative KI und große Modelle, Computer Vision, Zeitreihenanalyse, Optimierung, unüberwachtes Lernen und weitere Themen.

Der Umfang geht weit über typische Lernlisten hinaus. Hinzu kommen Rechnernetze, Mathematik für Informatiker, Webtechnologien, theoretische Informatik und Programmiersprachen, eingebettete Systeme, Rechnerarchitektur, Bildverarbeitung, Computerphysik, Computerbiologie, Regelungstechnik, Computational Finance und Netzwerkwissenschaft. Die Liste bleibt also nicht bei den populären Themen KI und Programmierung stehen, sondern nimmt Architektur, Theorie und fachübergreifende Gebiete auf. Die Einträge sind schlicht gehalten: Kurskennung, Kursname, Hochschule, Jahr und ein Link zur Playlist. Ein Beispiel aus dem Einstiegsbereich ist COMP6991, ein Rust-Kurs der University of New South Wales aus dem Jahr 2022. Das Repository enthält außerdem eine NOTES-Datei mit allgemeinen Hinweisen und eine CONTRIBUTING-Datei mit Beitragsregeln. Die Betreuer warnen, dass manche leere Issues anlegen, um ihre eigene GitHub-Aktivität aufzupolieren. Solche Konten werden gesperrt. Das zeigt, wie viel Aufmerksamkeit das Projekt erhält und wie ernst die Pflege der Qualität genommen wird.

Branchenwirkung

Die Nutzung kostet fast nichts, denn es ist nur eine README. Man springt über das Inhaltsverzeichnis zu einem Thema, wählt einen Kurs und öffnet die Playlist. Für Einsteiger bietet sich an, zuerst einen Kurs aus der Einführung oder zu Datenstrukturen und Algorithmen als Fundament zu wählen. Danach lässt sich den Kategorien Systeme, Datenbanken oder maschinelles Lernen folgen. So wird der Studienplan einer Hochschule zum persönlichen Lernpfad.

Ingenieure im Beruf können die Liste nutzen, um Lücken zu schließen. Wer seine Grundlagen in Betriebssystemen oder verteilten Systemen vertiefen will, findet dort Hochschulkurse. Entwickler auf dem Weg in die KI können sich über den Abschnitt zu generativer KI und großen Modellen einarbeiten. Lehrkräfte können denselben Index nutzen, um Referenzkurse für den eigenen Unterricht auszuwählen. Der größere Wert ist strukturell. Das Projekt macht öffentliche Kurse, die über viele Hochschulen verstreut sind, zu einer durchsuchbaren Ressource, die eine Gemeinschaft gemeinsam pflegt. Wer keinen Zugang zu einer Eliteuniversität hat, kann nach derselben Kursliste lernen. Auch Teams können sie als Leseliste für interne Schulungen oder die Einarbeitung neuer Kollegen verwenden. Die Grenzen sind real. Die Liste liefert nur Links. Sie garantiert nicht, dass ein Kurs online bleibt, und sie bewertet keine Schwierigkeit, die Auswahl bleibt also Sache der Lernenden. Externe Videolinks können brechen, Inhalte können veralten, und die Tiefe unterscheidet sich von Hochschule zu Hochschule. Hervorragende Kurse, die nur Skripte oder Lehrbücher bieten, fallen heraus, weil die Liste Kurse mit Video erfasst.

Ausblick

Für die Zukunft von cs-video-courses zählen zwei Fragen. Die erste lautet, ob die Liste in schnell wandelnden Bereichen wie generativer KI und großen Modellen aktuell bleibt. Ein Kurs aus einem früheren Jahr bildet den heutigen Stand womöglich nicht mehr ab. Deshalb ist eine regelmäßige Prüfung dieses Abschnitts wichtig. Die zweite lautet, ob der Index weiterhin neue fachübergreifende Gebiete aufnimmt, wie er es mit Computational Finance, Netzwerkwissenschaft und Blockchain-Entwicklung schon getan hat.

Die Qualität hängt an zwei Gewohnheiten: Die Betreuer halten am Hochschulniveau fest, und die Community entfernt tote Links. Bleibt beides erhalten, ist der Index weiterhin das erste Lesezeichen für alle, die sich Informatik selbst beibringen.

Für Leser heute ist der Plan einfach. Wählen Sie im Inhaltsverzeichnis eine Richtung. Suchen Sie einen Hochschulkurs mit vollständiger Playlist. Prüfen Sie vor dem Start das Jahr. Gehen Sie zur nächsten Kategorie, wenn das Fundament trägt.