hdu-cs-wiki

序言

初入大学，大家都会十分迷茫，尤其是计算机相关的同学们。

我们会面临着各种各样的问题：编程从哪里学起？如何高效利用大学时间？如何平衡绩点与项目经验？如何正确安排学习配比？有没有人带带弟弟？如何问大佬问题得到回复的概率更高？

我们会被信息洪流所淹没：C语言、Go、Java、Python ；人工智能、机器学习、PyTorch、TensorFlow ；数据库、操作系统、计算机网络；Linux、Git。哪个应该马上学，哪个应该多学，哪个只要会用就行？

我们面临各种各样的抉择：搞开发还是搞科研，毕业直接工作还是考研？搞开发的话去做前端还是后端，哪里去找项目？搞研究的话怎么去联系实验室，又如何入门人工智能？要不要去参加竞赛，有哪些竞赛，如何挑选队友？

学长学姐们深知其中痛楚，在我们踩了一个个坑后，我们决定：

出一份计算机科学领域的讲义，一起做大家的领路人。

这份讲义由zzm发起，计算机科协，孵化器，SRT, 杭电助手与 Vidar-Team 协办。参与讲义制作的有 hdu 的同学，老师，相关领域的大佬，覆盖了人工智能入门、软件开发入门，计算机学习之道与路线等内容。

在2023年3月，在计院领导的支持下，计算机学院科协成立了。我们将在继续完善这个内容，同时也欢迎大伙加入我们，共同参与到讲义的学习与撰写中来！

学习原则

1. 建议保持至少一半时间在实操，一半时间在学理论知识，比例未必正确的，但是强调实操和反馈的重要性，如果你上来就拿一本经典的花书看，只看理论或者上来就整一段开源代码，势必会陷入不同程度的盲目和困苦当中。
2. 切记勿要过度深度遍历知识，知识无尽的，如果深度钻研下去，可能没有尽头，最重要的是框架，以及高频次用的知识。更为准确地说，是你要建立一个自己的知识体系，尝试抓住时代发展的脉络或者某一个知识点的延伸。如果你一个知识点无限迭代下去，可能长时间没有正反馈，一瞬间就放弃了。
3. 对于学到的知识 一定要注重实践 不能只学习理论知识

例如学习 Pytorch ，应该尽快理解 Pytorch 编程的框架，dataloder，model，train，test 文件

例如看书过程中学习到 Linux 命令，不需要把整本 Liunx 书籍全部看完后才可使用。（边学边试，边用边学）

4. 敢于否定，如果对于给出的学习资料看不懂，要尝试自己寻找学习资料，找到适合自己的那份学习资料。并且中文的社区包括我们，都可能会犯各种各样的错误。就连论文也不一定是对的。有些论文就是专门驳斥前人哪怕是巨佬的观点。我非常欢迎你提出异议。

如何获得帮助

在学习和实验的过程中, 你会遇到大量的问题.除了参考我们提供的教程外，你还需要大量自行搜索资料，但是我们参考的教程又多半是英文的或者说中文社区提供的帮助比较少，因此你需要学会对英文资料的查询并尝试适应他！

如果你心态炸了，欢迎联系学长学姐来给你做心理疏导~

如果你感觉实在不会，也欢迎加入我们的群里进行讨论交流。

如何适应查阅英文资料? 方法是尝试并坚持查阅英文资料.

许可协议

本作品采用 知识共享 署名-非商业性使用-相同方式共享 3.0 中国大陆 许可协议进行许可。 要查看该许可协议， 可访问这里， 或者写信到 Creative Commons, PO Box 1866, Mountain View, CA 94042, USA.

© 2022. 此文章采用 CC BY-NC-SA 3.0 CN 许可授权。

Stars History