[Python知识库]cs_大一(或者高三暑假)_规划

前言

首先，祝贺一下大一新生。
你们从高中的阶段迈入了大学。
变化很大， 首先，大学恋爱不算早恋了(开个玩笑hhh

快开学了。 学习也不能拉下。于是今天想着想着我想写一篇文章给准大一们。

为此，我开了一个新的专题 《cs学习那些事》。
写这篇博客时，我已经准大四了，不知不觉过去了三年。

如果大家在看本文之前有耐心，建议可以看看这篇 浅谈对计算机专业和AI的看法。

本文会慢慢补充…欢迎收藏…至于多慢嘛，你猜hhh

• cs_大一(或者高三暑假)_规划
• cs_大一暑假_大二_规划
• cs_大二暑假_大三_规划

关于课内

这里我只讲主要科目。

保研的同学注意了，投学校简历的话，绩点rank很重要。

高数(大一一年)

首先，第一学期有高数，数学听讲一定一定一定要 认真!!!。多记笔记，课后当天记得抽时间复习。

函数，极限，连续，微分，积分都很重要。

考研选手注意:
考研数学(数一: 高数，线性代数，概率论与数理统计, 数二: 高数，线性代数)也需要考高数, 并且还是大头。

线性代数(大一上)

这也是相当重要的。特别是矩阵运算。

考研也会考线性代数。

有时间可以多看看，公式多看几遍就记住了。
有个英文的视频很不错，线性代数的本质(3Blue1Brown)

c++(大一一年)

大家有兴趣可看看 C/C++入门指南(面向新手文)， 当然如果觉得我没有讲清楚，特别是环境搭建部分，可以看看b站一些up主的视频，把环境搭建起来。

不得不说，一定要好好花时间学。

学了基础的语法知识后，可以多刷刷题，比如洛谷， PTA, leetcode上面的题目(leetcode尤其适合保研面试或者找工作面试，当然考研复试时的面试也适用)。

学习基础知识的话，视频可以去 b站 找找。这里我也推荐文字教程 c++(菜鸟教程)。

记住一定要多练。

我们学校是上学期学面向过程(其实和c很类似，只不过c++输入输出有了iostream库里封装了一些类，导致输入输出看上去有点不同，其他的很类似)。

下学期学面向对象部分，其实这部分对于打比赛，例如蓝桥，ACM来说其实不会用的很多。
一般用的多的还是结构体，类还是用得少。
面向对象部分主要还是开发时用的比较多，比如开发某些软件等。

数字电路(大一下)

比较偏硬件的科目，有些地方是 大二学得计算机组成原理的基础。

离散数学(大一下)

这个也挺重要的，比如哈尔滨工业大学深圳校区的夏令营机考会有离散数学的内容。这个我们学校大二上还会再学一学期。

比赛

保研选手注意: 比赛加分得看看学院政策。不同学校不一样。这里我列一下我们学校加分还可以的比赛。

• 全国大学生数学建模比赛，一般9月份
• 美国数学建模比赛，一般在2月份
• 蓝桥杯，省赛一般在3月份, 国赛(省一才能参加国赛) 一般6月份
• 天梯赛，看学校通知，我记得一年两次。这学期我记得是4月底。
• 其他ACM比赛(ICPC,CCPC，由于我没打ACM，不太清楚，这里你们可以问问你们学长学姐

课外

扩展视野

很推荐这个视频，本来是youtube上的，有up主搬运到b站了。
可看看这个进行概要性的了解，顺带练练英语听力。
计算机科学与技术——入门课40讲全

编程部分

可以学学python, java。
下面的链接是我一个专栏，大伙可以看看，适合初学者。

• 编程语言学习

框架

前端

加入你想学习前端，那么可以学
html, css, javascript, jquery, vue
另外微信小程序开发: wxml(和html类似), wxss(和css类似)

后端

后端： 根据不同语言选择不同技术栈
如果是为了学校课题，可以选择flask, 因为简单够用。

本科工作er注意: 大公司用的多还是java和go

• Java: spring, spring boot…
• Go: Beego, Gin…
• Python: Flask, Django…
• JavaScript: nodeJs, Express, koa…

客户端

比如你想开发Android的APP, 可以使用Java或Kotlin进行开发， 开发的常用工具是Android Studio， android studio配置介绍. 另外推荐一本书 郭霖的 《第一行代码》，我看的是第三版。

如果是IOS的，那么可以是Swift.实话说，这块没怎么接触。

科研

保研er： 如果前三年能发出一篇不错的论文，面试很加分。如果发不出也没关系，但是注意一定要尽量有做项目的经历，并且能够跟老师说你做了什么工作。

坦白讲，大一就进组可能有点早(不是很建议过早进组)，建议大二或大三。
学了 Python(包括Numpy, Pandas这些常用的科学计算库)之后，可以学学 sklearn 搞一些机器学习, 深度学习部分 可学 Pytorch / Tensorflow。
具体学什么方向就看你和哪个老师做什么工作了。