本文已经年久失修，谨慎观看。
- 汇集互联网上的优质免费教材、视频资源。
- 为在读的计算机系学生，编程爱好者提供系统的学习方案。
- 为通过培训班出身和跨领域的IT相关从业者提供知识进阶路线。
- 帮助在学习计算机科学中感到迷茫的朋友们寻找兴趣领域。
- 破除快餐学习风气和“IT门槛低”偏见。
- 学习计算机的硬核小建议。
- 去繁求简，避免单纯的平行资料堆叠，只选择最好最值得的资源推荐。
- 建议直接从编程入门开始，写出可以跑的东西来，有成就感～
- 计算机组成，计算机网络，操作系统是三门重要基础哦～
- 英语和数学非常重要～如果对英语感到不适，利用英文视频强迫一下自己～
- 实践出真知！
| 类别 | 科目 | 自学书籍（中文版/英文版） | 视频课程 | 学习目标 |
|---|---|---|---|---|
| 基础必修 | 编程入门（三选一） | Python编程导论 Introduction to Computation and Programming Using Python 程序设计方法 How to Design Programs 程序语言的应用和解释（在线阅读） Programming Languages: Application and Interpretation（在线阅读） |
麻省理工：计算机科学和Python编程导论（中英字幕） |
学会基础的编程方法，拥有使用编程语言和工具解决问题的能力。 |
| 计算机架构 | 计算机组成与设计 Computer Organization and Design |
北京大学：计算机组成（中文无字） | 基础的硬件知识大局观。理解计算机的结构，便于从机器角度思考分析现实问题。 | |
| 算法和数据结构 | 算法 Algorithms |
麻省理工学院：算法导论（中英字幕） | 培养使用编程工具解决实际问题的能力，理解程序的设计方式和效率。重要程度五颗星～ | |
| 计算机网络 | 计算机网络：自顶向下方法 Computer Networking: A Top-Down Approach |
斯坦福大学：计算机网络（中英字幕） |
重要的知识基础。理解网络通讯的原理，便于多方面分析实际问题。 | |
| 操作系统 | 现代操作系统 Modern Operating Systems |
加州理工学院：操作系统（英文无字幕） 清华大学：操作系统（中文无字幕） |
重要的知识基础。理解并发、资源管理和软件设计中的权衡原则，锻炼分析解决实际问题的能力。 | |
| 进阶选读 | 数据库导论 | 数据库系统基础教程 A First Course in Database Systems |
斯坦福大学：数据库导论（英文无字幕） | 理解应用对通用存储的需求，提升代码效率。理解数据模型的设计。 |
| 高级编程技术 | 计算机程序的构造和解释 Structure and Interpreter of Computer Programs |
计算机程序的构造和解释（中英字幕） |
编程还有很多东西要学哦～ | |
| 深入理解计算机系统 Computer Systems: A Programmer's Perspective |
斯坦福大学：编程方法学（中英字幕） |
|||
| 离散数学 | 离散数学及其应用 Discrete Mathemtaics and Its Application |
麻省理工：计算机科学中地数学（英文字幕） | 计算机科学通用数学基础。 | |
| 进阶数学 |
具体数学 Concrete Mathematics |
暂无 | 分析算法，高级编程和用于解决复杂问题的数学基础。 | |
| 编译原理 | 编程语言实现模式 Language Implementation Patterns 编译原理 Compilers |
斯坦福大学：编译原理（中英字幕） | 理解编程工具，锻炼抽象能力。 | |
| 分布式系统 | 分布式系统原理与范型 Distributed Systems: Principles and Paradigms |
麻省理工：分布式系统概念（无字幕） | 理解分布式系统的应用和规则。此方面涉及很广，远非一本书一门课可以囊括。 | |
| 编程语言语用学 | 程序设计语言-实践之路 Programming Language Pragmatics 计算机编程的概念，技术和模型 Concepts, Techniques and Models of Computer Programming |
斯坦福大学公开课：编程范式（中英字幕） |
更深层次地掌握编程语言。 | |
| 计算机程序数学基础 | 软件基础（在线阅读） Software Foundations（在线阅读） |
暂无 | 更深层次的计算机科学数学基础。 | |
| 热门领域 | 人工智能导论 | 人工智能-一种现代的方法 Artificial Intelligence: An Modern Approach |
伯克利：人工智能导论（英文无字幕） | |
| 机器学习 | 机器学习（周志华） Interpretable Machine Learning Pattern Recognition and Machine Learning |
吴恩达：机器学习（中英字幕） | ||
| 深度学习 | Neural Networks and Deep Learning | 李宏毅：深度学习理论（中文无字幕） | ||
| 自然语言处理 | 语音与语言处理 Speech and Language Processing |
斯坦福深度自然语言处理（中英字幕） | ||
| 计算机图形学 | 计算机图形学 Fundamentals of Computer Graphics |
上海交通大学：计算机图形学（中文无字幕） |
||
| 计算机视觉 | Computer Vision: Models, Learning, and Inference | 斯坦福大学：深度学习与计算机视觉（中文字幕） |
||
| 自动推理 | Certified Programming with Dependent Types | 暂无 |
本节是关于计算机科学学习观的主观理念，希望可以给你提供对于计算机科学学习的“大菊观”。适用于各路萌新和迷茫的CS学子，不适用CS界精英学子，IOer，各领域大牛和专家。
Q：如何选择大学和专业？
A：如有出国能力，建议去美国学习计算机科学。否则，请直接选择“计算机科学”专业。最新开设的”人工智能“”多媒体“”大数据“等专业都不建议申报，理由是基础课不够充实，杂而不精，没有任何实用意义。
Q：如何自学计算机科学？
A：请使用英文教材、英文翻译教材、官方中文文档，按照正确的顺序，配合习题与实践项目进行自学；也可以直接看名校的公开课视频和课件。如W3Cschool、菜鸟教程此类资源网站可以帮助理解和整理知识，当作备忘笔记。大部分情况下，请避开**作者的教材。
Q：学习计算机科学就是学编程吗？
A：绝对不是！编程语言只是基础和工具。绝对不要拘泥于某一门编程语言，也不要神话它。记住，编程语言的使用和学习是轻松写意，自然而然的事情，并不需要苦练数年才能上阵。
Q：系统地进行学习重要吗？
A： 十分重要。对于计算机系统的认知，是提升自身综合能力的第一个“瓶颈”。学会之后可以对问题进行多方位思考、分析，建立对计算机科学的大局观，做一个解决实际问题的人。
Q：英语重要吗？
A： 十分重要。学英语不仅仅是因为编程语言的关键字是英文单词，有以下好处：
- 学习“概念”和“专业词汇”时，可以顾名思义，加强理解速度。专业词汇的中文翻译大部分都无法直接理解它的意思，如果读书时时间花在了理解词汇上，效率大打折扣。
- 中文翻译的外国教材质量较差。这是一客观事实，是因为计算机书籍销路窄，译者对于英文经典教材的翻译几乎是义务的，无法保证翻译质量。
- **教材普遍质量极差。这些教材大部分是作者根据相关书籍改写来的，知识讲解不清晰，也比较过时。
- 便于查阅论文和研究成果，以及学术交流。 建议在全英文环境中学习。
Q：数学基础？
A： 因人而异。
- 学习编程最低限度的数学基础是：二进制、十六进制计算、指数、对数算术，简单的布尔逻辑、命题逻辑以及数学归纳法，在高中数学中已经基本涵盖了。如果有不清楚的地方，可以阅读《程序员的数学》，初中数学水平即可看懂。
- 对于以软件开发者和算法工程师为目标进行学习的同学来说，大部分情况下不涉及数学。如果涉及，使用维基百科进行知识补充就够了。
- 如果想成为专家、大牛级程序员，或者某领域专家，则很大程度上与数学联系紧密。
Q：如何学习数学？
A: 人生有涯，数学无涯，应避免南辕北辙，丢失学习重点。对计算机科学有兴趣，可以在涉及到数学问题的时候，利用维基百科知识补充（不懂啥搜啥）。一般情况下，不必系统学习（甚至不必学习离散数学、线性代数）。对于数学的历史、数学的证明等，更不需太过重视。一般而言，有以下三门核心基础数学：离散数学，线性代数，概率论与统计学。
Q：如何选择兴趣领域？
A： 在20世纪60年代，计算机科学研究的重点是程序语言，编译器，操作系统，以及这三方面涉及的数学。70年代则以算法的研究最为火热。于今的计算机科学研究更重视“应用”。在自然科学中，观察、收集和存储数据最为关键。在商业中，重要的是对数据的“理解”和“掌控”。这些是计算机科学的传统领域。
这些传统领域地研究已经相对完善。现在计算机科学的研究，集中在获取和处理有效信息，以使计算机解决特定实际问题。机器学习的快速发展是一个例子。一个当前（2019年）流行雇员种类和研究领域的不完全列表如下：
- 全栈开发
- 人机交互
- 机器各种学习（包括深度学习，优化学习，强化学习）
- 计算机视觉
- 数据科学
- 自动推理
- 游戏开发
- 自然科学对计算机的应用
- 专家系统
- …… 多咨询身边的“大牛”，可以让他们为你指路。
Q：应该对编程语言进行研究吗？
A： 对于程序语言和编程方法的研究非常有用。
- 编程语言是程序员的工具，理解工具的作用原理和设计原则，可以更深入的理解编程语言，并锻炼编程能力。
- 对于编程语言的范式、语用学的学习，可以使编程思维更灵活，编写更易读、易维护的代码。
- 然而，并不建议一般同学太过深入研究编程语言和PLT（编程语言理论）。此领域的理论研究已经相对完善，且对于个人而言， “投入产出比”极其小。
Q：计算机科学有哪些神书？怎么读？
A：被神话的书籍很多，比如《计算机程序的构造和解释》（SICP），《深入理解计算机系统》（CSAPP）等。这些书都是名校基础入门教材，并不值得花太多时间研读透彻，而应该主动寻找更深刻的课题。要通过读书提升能力，不是用尽全力把一本书理解到100%，而是在把一本书理解到60%的时候，看一本更深奥的书，并紧密配合实操。这样当你回过头来看第一本书时，对其问题的理解就非常自然轻松了。
Q：实践重要吗？如何实践？
A：实践极其重要，理论知识也很重要，二者相辅相成。实践需要花费很多精力：
- **保持编程和思考的习惯。**可以在LeetCode上刷题热手，也可以寻找开源项目贡献代码。
- 接触新领域，多写“玩具程序”。
- 有一定水平之后可以寻找合适自己的项目加入。 应该避免：
- 单纯地学习新框架、使用新工具，而不涉及理论补充。
- 学而不练。
- “死学”一门，追求“精通”，特别是基础的内容。
Q： 逻辑思维重要吗？
A： 逻辑思维对于初级程序员来说有一定锻炼思维的作用。但是如果工作内容涉及到数理逻辑，那么所谓的逻辑思维就太简单、太非形式化了。逻辑思维和逻辑学是完全不同领域的两个概念。
Q： 数理逻辑？
A： 数理逻辑是和理论计算机科学紧密相连的一科，基础的数理逻辑已由《离散数学及其应用》囊括。数理逻辑主要分支有证明论，模型论，公理化集合论和递归论，其中证明论和递归论与计算机科学的研究相关较密切。然而，不想从事编程语言、自动推理等领域研究的同学们，对此不必太过看重。
- 找到错误！找到更好的资源！好的建议！邮箱：akiritsu@outlook.com；QQ群：296867034，性感群主，在线女装。
- Github加星。
- 转载，帮助更多的初学者，也请注明出处（本网站不定期更新）。
本指南是个人一时兴起所为，如果能对大家有一些帮助就很开心了～如果有建议、新的想法，或者找到了本网站的漏误，欢迎发邮件哦（akiritsu@outlook.com)。本站一部分内容参考了Quora，知乎，teachyourselfcs.com，如有侵权立即删除。