CS自学指南：从数学基础到领域纵深的一套完整课程路径

CS自学指南：从数学基础到领域纵深的一套完整课程路径

【免费下载链接】cs-self-learning计算机自学指南项目地址: https://gitcode.com/GitHub_Trending/cs/cs-self-learning

打开 CS自学指南 仓库，你会看到几十门名校计算机课程按模块排好：数学基础、数据结构与算法、操作系统、数据库系统 直到大语言模型，每门课配好简介、先修要求和实验入口。这篇文章不重复罗列，只讲清一件事：该按什么顺序读它，才能少走弯路。

先看全局：按能力模块，而不是按时间线

整份指南的组织逻辑是一张四层能力图，从下往上搭：

• 数学与推理：给算法证明和机器学习公式兜底
• 编程手感：写得出来，也改得动
• 系统底层：解释"程序为什么这么跑"
• 领域纵深：按职业方向挑一两支深耕

好处很直接：卡在哪一层就补哪一层，不用被"大一先学什么"的时间线绑架；同一能力下并列几所学校，方便横向挑课。

数学与推理：先修要求从哪来

算法复杂度、概率模型、优化公式，这些后续课程的先修要求几乎全出自这里。判断标准只有一条：看完能独立推导，而不是能复述定理。

• Calculus 18.01/18.02（MIT）：把微积分讲出几何直觉 → 能独立做极限与级数推导（课程笔记）
• Linear Algebra 18.06（MIT）：向量空间的现代视角 → 能看懂并推导线性变换（课程笔记）
• Discrete Math CS70（UC Berkeley）：逻辑、计数、图论与算法实例穿插 → 能写出完整的组合与图算法证明（课程笔记）
• Probability CS126（UC Berkeley）：用 Python 做随机过程实验 → 能写代码仿真马尔可夫链（课程笔记）

编程手感：语言课从哪门开始

会语法不等于有手感。这一层的判断标准是：写出模块化、不易出 bug 的代码，并用命令行和版本控制把效率拉起来。

• CS61A（UC Berkeley）：Python 讲抽象与解释器 → 能自己写一门语言的解释器（课程笔记）
• CS106B/X（Stanford）：C++ 编程抽象与面向对象 → 能独立构建一个完整的中大型项目（课程笔记）
• 6.031 Software Construction（MIT）：从函数规格到测试驱动 → 能写出注释清晰、易维护的生产级代码（课程笔记）
• MIT-Missing-Semester：命令行、Shell、Git、SSH 一套补齐 → 能脱离图形界面完成日常开发（课程笔记）
• Vim：命令行编辑器的核心操作 → 能纯键盘完成编辑与调试（课程笔记）

语言不用学多。选一支主力语言吃透，其余的语言语法靠项目现补即可。

系统底层：自学 CS 最值钱的投入

应用层调库谁都会，区分度在底层：进程、内存、指令到底怎么调度。这一层学完，看任何上层框架都不会心里没底。

• CSAPP 15-213（CMU）：从二进制到缓存、链接、并发 → 能实现缓存感知的数据结构与并行程序（课程笔记）
• Nand2Tetris（Coursera）：从逻辑门一路搭到虚拟机 → 能亲手造出一台可运行的"计算机"（课程笔记）
• CS61C（UC Berkeley）：处理器设计与流水线 → 能解释一条指令在硬件里的完整生命周期（课程笔记）
• 6.S081（MIT）：在 xv6 教学系统上做 11 个 lab → 能实现进程调度与用户态机制（课程笔记）

顺序建议：CSAPP 打底，Nand2Tetris 建立整体观，再进 CS61C 和 6.S081。想换口味，CS162（UC Berkeley）和南京大学操作系统提供了不同视角。

数据结构与算法：从哪门开始

• CS61B（UC Berkeley）：Java 实现经典结构，实验趣味性强 → 能写出自己的数据结构库（课程笔记）
• 6.006（MIT）：复杂度分析与排序、分治等设计范式 → 能独立推导算法复杂度（课程笔记）
• CS170（UC Berkeley）：NP 完全性与近似算法 → 能分析问题边界并写出近似解（课程笔记）

选法：要手感选 CS61B，要推导选 6.006，两支语言偏好不同，按你正在学的语言挑。

领域纵深：按职业方向挑一两支

基础搭好后，广度不必再扩，挑方向打穿。CS学习规划里每个模块都有同类课程对比，可先读再选。

• 数据库：CMU 15-445：实现 Bustub 教学数据库 → 能写出 B+ 树索引与查询优化器
• 网络：Stanford CS144：从零手写可靠传输与 TCP → 能实现一个可用的网络协议栈
• 编译：北大编译实践：类 C 到 RISC-V 汇编 → 能写一个能真正运行的编译器
• 分布式：MIT 6.824：共识与复制日志 → 能实现 Raft 算法
• 机器学习：Stanford CS229：从线性回归到 SVM 的完整推导 → 能自己训练并分析一个分类器
• 深度学习：CS231n：卷积网络与视觉实战 → 能搭出一个图像识别模型；NLP 方向接CS224n
• Web：MIT Web 开发：从后端到前端全栈 → 能独立交付一个全栈应用

想先了解各方向的全貌，再决定投入哪一支，可以先读使用指南按读者类型的分档建议。

避坑对照：误区与建议做法

学习节奏：双周循环，一节课配一个实验

不需要宏大计划，只需要一个能跑起来的循环：

• 每两周为一个循环：推进一节课的一个单元，同时完成一个实验
• 每周固定 4 小时以上，时间固定比时长更重要
• 实验做不出来超过一周，降一档：先读参考实现，再自己重写
• 每完成一个循环，在仓库对应课程页记录进度，方便回头对照

这个节奏跑完 12 个循环，大约一年，正好覆盖"编程手感 → 算法 → 系统底层"三层。

30 天启动清单

• 克隆仓库：git clone https://gitcode.com/GitHub_Trending/cs/cs-self-learning
• 通读使用指南，确认自己属于哪类读者（初入校园 / 删繁就简 / 心有所属）
• 选一门入门课（CS61A 或 CS106B/X），先读完课程简介和先修要求
• 按上面的双周节奏完成第一个循环：一个单元 + 一个实验
• 遇到卡点先查信息检索的方法，学会再向社区提问

工具、书籍的补充资源见必学工具与好书推荐，随时按需取用。

【免费下载链接】cs-self-learning计算机自学指南项目地址: https://gitcode.com/GitHub_Trending/cs/cs-self-learning