如果让你重新开始学计算机，你的学习路线会怎么选择?

大一：别跟着学校的进度走，提前学C和C++。学完语法去洛谷或者Acwing二选一，刷300道左右题目，如果是洛谷的话难度大于"普及/提高−"难度的题目都可以跳。这个阶段主要培养编程思维，让自己的逻辑能够通过代码实现出来。

大一暑假做一次抉择，如果对算法感兴趣并且感觉自己有天赋，可以去打acm。否则可以开始为就业做准备。

大二(算法竞赛)：继续学基础算法，打各种比赛。开发岗和数据岗选一条技术栈跟着学，最后大概率还是要靠这个干活。这条路的本质应该是把一部分的实习经历换成了算法奖项，但相应的技术栈不能少。

大二(开发岗)：先学前端三件套以及vue入门，我是在acwing学的，b站也有很多优质教程。然后是java全家桶或者go全家桶，在b站从入门到入土，还有各种数据库中间件什么的都学一学。做项目参加比赛。

大二(数据岗)：参考路线：GitHub - heibaiying/BigData-Notes: 大数据入门指南

当然还有其他方向，比如dba，嵌入式开发，运维，网安什么的，总之选择一条自己喜欢的路线学下去。

大二暑假做一次抉择，如果想就业的话，在网上翻一翻别人的简历，照着上面继续扩充技术栈。如果要读研的话选一个方向开始做准备。

大三(就业)：做一些能往简历上写的项目，投简历找机会去实习。

大三(读研)：我选择的是人工智能方向。

机器学习：推荐看《西瓜书 机器学习》，《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》。如果未来主要研究深度学习的话，机器学习的内容快速翻一翻，搭建一个整体的知识框架就好，不需要深究细节。如果对某些领域感兴趣，可以看《统计学习方法》和《机器学习实战（Machine Learning in Action）》的相应章节。

深度学习：深度学习入门的阶段可以分为四个板块：深度学习理论，用原生python实现算法，pytorch框架使用，以及用pytorch搭建经典模型。

深度学习理论和用原生python实现算法这两个部分，我推荐斎藤康毅的《深度学习入门：基于Python的理论与实现》和《深度学习进阶：自然语言处理》。书中会先提出一个实际的问题，然后给出一个解决方法，之后提出当前算法的不足并改进。书中有大量图片帮助理解算法步骤，阅读前不需要任何高数和线代基础。还有配套的原生python代码方便理解算法。

pytorch框架使用这个部分，我推荐《深度学习框架PyTorch：入门与实战》的第三四五章，把各种常用的方法都进行了梳理。

最后用pytorch搭建经典模型，李牧的《动手学深度学习》讲的比较快，如果希望更细一些的话，推荐 up主「霹雳吧啦Wz」的视频，比如深度学习-图像分类篇章 这个系列。

在入门之后，要看一些相对前沿的论文的话，李牧的论文精读系列讲的都非常好。

再推荐下李宏毅老师的公开课

值得一提的是，学这些的目的主要还是为了研究生阶段发论文。后续就业的话，关于就业目前搞人工智能算法的岗位比较少，除非985硕并且有顶刊顶会可以试一试，否则最后大概率还是会走回大二的开发岗或数据岗。

如果有机会能跟着学校的研究生做科研发论文挂个名，对研究生阶段会很有帮助。

2024.2.15更新

如果有空的话建议学学爬虫和linux操作。除了针对就业，如果想要自己做项目的话，应该具备以下知识：

数据收集：网络爬虫

数据处理：基础算法，机器学习，深度学习

数据存储：文件和数据库

数据展示：前后端交互

项目部署：linux操作

2024.6.30

收藏破万了，好耶！