[职业规划]电子通信专业大学之路

[职业规划]电子通信专业大学之路

高考已经过去十年，当前也曾为专业选择纠结过，迷茫过。周围人都不懂的情况下，机缘巧合报考了电子类专业，从此入坑十年。

尤其记得当年大学前的暑假，自己读了几本大学该怎么读，这么度过大学生活的书籍，然后兴趣盎然的就冲去了大学。

大约大一大二时，刚接触互联网（大学之前只会上网，其实啥都不懂），然后大量的搜索和学习网络资源。

尤其记得第一类是关于计算机职业规划的文章，痛病思痛，当时也为当时的自己指明了一些方向。所以现在感觉自己到了某个节点，到了可以整理自己的经历和经验的时候，所以分享出来，留作需要的人借鉴。

一、高考报考选择

1、首先推荐可以考虑自己或者家庭的优势进行选择。如果想自己学门技能，倾向于包括工科类，学门技能相对还是比较容易之后迈入职场。如果早早的就考虑深造到博士，可以考虑理科类，读到博士相对工科，论文创新性会容易很多。然后也有一些家里比较优越，可以考虑按照自己的兴趣来选择，可以考虑一些发展自己特长和喜好的专业。最后，大学的专业并不等同自己以后的发展方向。只是在校园和社会的过渡期的一个默认选项。

2、学长是硬件出身，所以主要针对计算机硬件为主，以及底层软件相关的大学时期的一些分享。所以做职业规划就主要侧重计算机相关的，比较熟悉。本科的话，计算机类主要有软件工程、计算机科学、电子信息工程、电子科学与技术、通信工程、电气和自动化等。

研究生的话，就分的比较细，可以大概理解为本科的一个专业对应研究生的一个学院，会进行进一步的细分。

进入大学之前以及之后，要逐步做好大学中清晰的规划，这样才不至于荒废，从而学有所获。

二、大学本科篇

大一大二时期，抓住机会进入了一个实验室，帮助老师和学长们打下手，一边学习专业知识。本人经历从实际动手出发，再去看课本的专业知识，会让我后来的专业课学习比较有自己的节奏。

1、首先学习认识元器件，对应的了解其用处，最快捷准确的方法，是查看到之后的熟悉看器件的datasheet，可以先看overview部分。

除了google，可以使用一些软件，比如《芯查查》等。

2、开始实操，侧重软件的同学，可以跳过上一步，从C语言或者JIRA语言开始，然后去编写一些简单的小程序，做好编程基础。C语言作为主阵地，推荐《C专家编程》《CSAPP》《C陷阱与缺陷》和《C和指针》。

侧重硬件的同学，可以从单片机开始进行，了解单片机基础，在开发板上进行简单的代码调试，从流水灯开始实操，提高动手能力。

3、重视学习电路知识，这是之后硬件原理图设计的基础。基础储备除了大学课程中的模电和数电，电路入门推荐《晶体管电路设计》非常通俗易懂。模电的课程比较难理解，基本模电都是围绕运放展开的，可以看一些运算放大器的书，比如《运算放大器权威指南》。

4、学习通信知识，这是之后入行通信领域的必备基础。信号与系统、通信原理等都是基础的大学课程之外，从宏观应用领域可以看一些移动蜂窝通信、数据交换的书籍。从集成电路角度，可以了解计算机总线已经不同的板载接口。

5、DSP/FPGA ,在信号的基础上，学习数字信号处理，和图像信号处理

6、硬件在使用8051系列以及STM32单片机的基础上，可以学习操作系统的知识，通过部署UCOS，了解其多任务系统实现源码，在工控等领域有广泛的应用。

三、研究生篇

电子通信类分成电子、通信、集成电路，也会很多这类专业的研究生方向选择为纯软件、机器学习等

集成电路设计的研究生主要从事芯片设计领域，可以分为数字IC设计和模拟IC设计，也分为前端和后端两个方向，前端主要完成SOC的设计和集成，和工艺连接不紧密；后端主要布局布线以及各种验证等，和和工艺连接紧密。

通信类一般和军工联系紧密，主要从事雷达、短波、长波等通信。

在电子类专业硕士课题可以主要侧重系统设计，主要是主流Linux以及Android系统,学习方面可以根据系统分层分别进行学习,可以只选某个方面进行学习。

1、选择开发板，搭建开发环境。推荐使用主流厂家有树莓派、周立功、友善之臂、正点原子、迅为、瑞芯微、全志、百问网等

2、内核驱动，和之前的单片机裸机开发有很高的相似性，有相关经验的同学可以从这方面入手系统开发。主要是分模块进行不同的驱动开发，要熟悉常用的模块和总线。

3、内核和上层之间的中间层，主要包含硬件抽象层、框架层等，涉及向下的驱动接口、以及为上层提供接口实现。建议从项目功能出发，从功能实现的角度，从某个接口向下调用从而了解该功能的软件框架设计。

4、上层APP或者web等，上层就是直接呈现给使用者的部分。一般都包含前端和后端开发。前端负责交互页面的展示，熟练使用html+CSS+JS等；后端则是业务逻辑的实现，使用Java或者C++代码，以及数据库SQL等。

5、部署机器学习算法，在linux（可以是嵌入式平台或者PC）上部署机器学习算法环境，运行人脸识别等机器学习模型。