一个不是很了解CS（计算机科学）的人，应从哪里开始自学？

最新推荐文章于 2024-07-03 10:53:21 发布

woshicver

最新推荐文章于 2024-07-03 10:53:21 发布

阅读量2.5k

点赞数

来源：https://www.zhihu.com/question/380375631

编辑：深度学习与计算机视觉

声明：仅做学术分享，侵删

作者：穷码农
https://www.zhihu.com/question/380375631/answer/1091091024

这个题我碰巧会，而且我是转专业学计算机的。现在也是CS的TA，所以对美国的CS本科课程还算了解。

课程的话，最重要的就是下面五门：

数据结构，
算法，
计算机操作系统，
计算机网络，
数据库系统。

外加计算机组成原理。

上面的这六门课，无论你是将来找工作，读研，还是读博，都是最最重要的。而且学习的顺序就是上面的这样，美国一般会开一门计算机基础，教一门语言，Python和Java居多。然后就是数据结构，在这之后就学算法。以此类推。

如果你想在美国找工作的话，就需要把时间分配好，去刷题，刷project。因为如果你到毕业的时候哪怕GPA很高，学校也不错，能过得去简历关，面对你最重要也是最难的一关就是面试。

切记上面这一点。

面试就是算法面试，除了少部分公司，比如Amazon，特别注重behavior question （BQ）之外，其他公司基本一溜的需要你对算法和数据结构掌握得很好才行。

以下的情况都是针对国外，尤其是北美而言的。

GPA有3.5+就好，一定要重视刷project，刷题。

有project才能过简历关，LeetCode熟练才能过面试关。毕竟读CS或是转CS的大部分人，还是以读书找一份程序员的工作为导向的。

因为国外实习或是new grad找全职，面试主要考察算法和数据结构。

需要熟练掌握一门语言（Python，Java，或是C++），然后用你熟悉的语言来实现基本的算法和数据结构。

网课可以跟着这几门来学：

网络课程的话，则是十二分强推UCB的CS61B。他们家的计算机系的CS61A，B，C课，简直制霸各种课程推荐列表。

1.CS61B的官网在这里：

https://inst.eecs.berkeley.edu/~cs61b/fa19/

这门课以Java为主。

2. MIT的算法课，教程用的算法导论，也是强推的网课：https://www.youtube.com/watch?v=HtSuA80QTyo&list=PLUl4u3cNGP61Oq3tWYp6V_F-5jb5L2iHb

这门算法则基本不涉及到语言层面，主要是算法层面，讲得很好。

3. 然后就是红宝书的网课以及配套官网：

https://algs4.cs.princeton.edu/lectures/

https://www.youtube.com/watch?v=1QZDe28peZk&list=PLRdD1c6QbAqJn0606RlOR6T3yUqFWKwmX

4. 斯坦福2018 Winter CS106B: Programming Abstractions，虽然从名字不太能看出来，但其实是用C++讲数据结构，想用C++的小伙伴不容错过，我看了一半了，特别有帮助，尤其是对递归和回溯的讲解，简直醍醐灌顶。

现在因为不可知的原因，Youtube上面已经下架这门课程，但更方便的是，咱们可以在B站直接看：

https://www.bilibili.com/video/av21620553?p=1

最后来说说练习平台

光学（看书）不练，算法和数据结构是学不会的。

所以推荐一些好的刷算法和数据结构平台，当然另一方面也是为了找工作面试做准备咯。

如果你在北美的话，初级程序员面试基本就是考察数据结构和算法，所以大家一定要勤加训练！

1.LeetCode

这是现在刷题找工作最热门的网站了。

但LeetCode现在题目也太多了，一共1300+了，而且一直在增加！！！

全刷完没必要，也不高效，所以推荐看下面的回答：

https://www.zhihu.com/question/32019460/answer/875114975

国外LeetCode大牛们是怎么刷LeetCode的：

https://zhuanlan.zhihu.com/p/98580817

2. Educative

https://www.educative.io/explore?aff=K7qB

他们家还给Github的学生账户提供半年的免费课程，满足条件的小伙伴，可以照着下面的文章流程申请一下，有更详细的课程和相关步骤介绍：

https://zhuanlan.zhihu.com/p/93374358

对算法最有帮助的课程是：

https://zhuanlan.zhihu.com/p/104983442

专门针对数据结构的课程有：

C++:

https://www.educative.io/courses/data-structures-in-cpp-an-interview-refresher?aff=K7qB

JavaScript：

https://www.educative.io/courses/data-structures-in-javascript-an-interview-refresher?aff=K7qB

Java：

https://www.educative.io/courses/data-structures-in-java-an-interview-refresher?aff=K7qB

Python：

https://www.educative.io/courses/data-structures-in-python-an-interview-refresher?aff=K7qB

我上过其中的Java版本，课程是把数据结构里面的基础数据结构都用java实现了一遍，对于用java的同学特别有帮助，java的基础在刷题的过程中，还是要必须掌握的。

课程从复杂度开始讲起，Arrays，LinkedLists, Stacks/Queues, Graphs, Trees, Trie, Heaps, Hash Tables等数据结构，全都实现了一遍。而且还有配套的基础LeetCode题。是一个入门的很棒的教程。选择其他语言的话，内容应该也是差不多的。

项目Project

看到评论区问项目推荐，特意更新一下我自己跟着刷项目的网站。下面这个网站是Java全栈，从Java的基础，前端三件套，以及Java的框架，应有尽有。最好的地方在于，用不同的技术栈实现天猫全栈。这样跟着一套学下来，技术方面就不会太差了。

https://www.zhihu.com/question/56476038/answer/1007722651

如果你想专门学前端，可以去Udemy找几个网课跟着练：

计算机的东西还是比较多，也比较杂的，但先从上面的六门课学起肯定没问题。

共勉。

作者：CelticDruid
https://www.zhihu.com/question/380375631/answer/1088569924

个人认为理论和实操都很重要，所以分为两部分。

理论：

基础：数据结构+算法(二叉树，队列，栈，红黑树)

计算机网络：HTTPS，TSL，Routing Algorithms，TCP/IP，REST API等等。这部分主要研究如何安全、高效地在局域网/互联网节点之间传递信息

数据库/分布式：几种分布式处理的范式（比如数据同步和robustness），关系式/非关系式数据库

计算机架构：内核，内存，CPU/GPU结构，中断等。计算机底层工作原理和网络安全等等

计算机图形学：渲染管道，GPU shader，优化，并行计算，光照算法（个人认为这里数据结构用的非常多）。基本高效进行数据和图形/几何转换

机器学习（大泡沫）：线性回归，Multi-Layer Perceptron，梯度下降，深度神经网络，反向传播，卷积神经网络，生成式对抗网络等

实践：

个人认为最常用的语言：C/C++（图形学和系统），Java（服务端和桌面程序），Python（机器学习，数据科学，后端等），C#（.NET和Unity），Ruby/Perl（网络/安全），Javascript/ECMAScript（前后端/全栈/网页游戏）

网络前端：Django，AngularJS，HTML5，JS/Canvas等

网络后端：Node.js，Django，Postgresql等

机器学习/数据科学：SciKit，Pytorch，Tensorflow（不推荐，比pytorch难用），Pandas，Numpy等

图形学：OpenGL，Unreal Engine，Unity。前两个C/C++后面的JS和C#

架构：汇编，好像分NASM和ARM结构；X86和X64会有寻址上的差别，然后不同厂家有不同标准。C和有很广泛的应用，可以内联汇编函数灵活编程

项目管理工具：Maven和gradle。个人感觉gradle更好用，但是基于Java的服务端项目Maven比较合适。

分类可能不是很合适，但大概就这样。我建议选择一两个方向先研究，然后最好先把基础打牢。

作者：吾人为学
https://www.zhihu.com/question/380375631/answer/1087476896

可以先从掌握1~2门语言出发，推荐C、Java。

并不是很推荐一开始就上Python，因为它的语法结构跟其他语言不太相似。

在语言掌握了之后，可以学习数据结构和算法。推荐的书籍可以看我之前的回答。

这些结束了之后，一定要多练习，尝试做几个小项目。

计算机专业最重要的就是动手去做，代码能力一定要强。

作者：张大牙
https://www.zhihu.com/question/380375631/answer/1096151103

如果是科班的话肯定是有一套按部就班的教学流程的，完全不用担心。

如果实在想预习一下的话，可以先学一门开发语言，C语言比较简单，会是一个比较好的入门手段，教材我比较推荐K&R C，就是所谓的The C Programing Language，不要只看书，习题也一并做掉效果最好。

学好了C之后，下一步可以读一下CMU的深度理解计算机系统来对构建对整个CS的体系的一个初步认知，可以考虑配合着网上一些大学的MOOC课件一起学习。

再往后你就可以根据自己的喜好选择一些专业课程逐步深入了，例如数据结构、编译原理等等。Good Luck

作者：lwangls老王老师 https://www.zhihu.com/question/380375631/answer/1094894281

不要先学理论，先学一门程序语言，编各种各样的程序解决你的实际或感兴趣问题，有了一年经验后，再回过头学那些理论。

作者：安先生
https://www.zhihu.com/question/380375631/answer/1094900853

计算机科学导论

大概了解cs各门课都是干什么的

看的时候倒也不需要全部细看

作者：忘言 https://www.zhihu.com/question/380375631/answer/1086737850

先去查一查了解一下你们学校从什么语言入门，确定了就是一个字“干”。学cs一定要多动手多尝试不要怕折腾。

另外，国外好大学有很多公开课，自己去找一找斯坦福、MIT、CMU、Berkeley的公开课。

作者：混乱中立
https://www.zhihu.com/question/380375631/answer/1091475314

信息计算专业大二学生，目前跟着学院实验室老师学习安全。

高考前是乖乖学习高考科目的18年，电脑都很少碰。报志愿也没有想报计算机，所以刚上大学的时候我可以说对CS毫无了解。大一上学期结束时机缘巧合之下进入学院的一个学习安全的实验室，这才被激起了无限的兴趣。

学校课程先安排学习的C语言（但我学的并不好），但也算是打下了代码思维的基础。

然后开始学习python。每周完成老师布置的程序训练，也研究别人的代码开了开眼。

然后是前端HTML、CSS、JavaScript、jQuery的学习，了解网页基本结构，看着那些网页布局能自己写出来一个一样的。

接下来是SQL的学习，只学了语法，没有对数据库进行深入了解。

（这时候大一结束了。）

大一暑假留校期间，我开始接触web安全，了解了文件上传、sql注入等漏洞，也开始着手php的学习，并完成了一个和数据库结合的教务系统。在dvwa、upload-lab、sqli-labs等靶场练习，然后循序渐进接触web安全其他内容，还有一些扫描工具的使用，kali linux的使用等。期间初识CTF，在一些平台（攻防世界，bugku等）练习web&misc。放假去北京玩的时候顺便去北京邮电大学膜拜一下天枢战队，又是机缘巧合之下（实在是过于巧合，可以写成奇遇记了）获得了天枢战队的纪念品。（天枢的学长学姐们都好好啊！）(/ω＼)

大二上学期练习CS和MSF，安排阅读的书籍有《C程序设计语言》《操作系统》《计算机网络》《数据库》。花了一段时间用mysql和php做了数据库的课设，也帮同学做了两份课设，仍记得被通宵到五点多支配的恐惧。

学期后期开始php代码审计，得到了几份很久之前大佬写的源码学习人家的思路，如何防止漏洞的产生等。

寒假留校期间开始学习载荷上传、落地、免杀技巧。

寒假回家先沉迷了10天的小说漫画和动画片。然后开始学习汇编语言，并站在汇编的角度理解C语言，很多东西迎刃而解。

现在在看看雪的《加密与解密》，开始re&pwn的学习。

下学期会看《数据结构》《计算机组成原理》《计算机算法分析与设计》和密码学的视频，《加密与解密》也会继续，再后面会看《0day安全》《Windows程序设计》等。

我不是一个聪明的人，安全对学校专业课的学习肯定是有影响的。只要不是上课时间我都在实验室。有时候也会翘掉一些水课（英语、体育、省情、创新创业之类的）。但毕竟还算数学系的，数学专业课没有时间仔细推敲，这点令我很惭愧，但也没有办法兼顾。

能再更高效的利用时间就好了，能再聪明点就好了(>ω<)

作者：匿名用户
https://www.zhihu.com/question/380375631/answer/1090841916

Calculus, Linear Algebra, Probability, Statistics, Information Theory, Algorithms, Network Science, Computational Complexity, Theory of Computation, 面向应用可以学点Machine Learning/Deep Learning应用到CV、NLP，面向未来还可以来点Quantum Computing

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 mthler」，每日朋友圈更新一篇高质量博文（无广告）。

↓扫描二维码添加小编↓