理论与课程介绍

返回 目录

实践之外，这些理论课程决定了你能走多远，在工程中一开始你借助vibe还好，但一旦代码量上去，各种问题就会随之而来，而这些都可以从我们学的课程中找到答案。

程序语言设计、算法与数据结构

应该算是最基本的课吧，程序语言设计这门课，如果是大数据专业/人工智能专业的，我们学校最一开始上的是c++，其他专业应该上的是python。这门课教会的是你如何利用程序语言的角度设计编程，语言是有一堆的，但概念与思想是统一的，一切都从基本的hello world开始打起。紧接着你会学会条件判断，循环，函数，类的概念，以及之后的继承，多态等等，这些都是程序语言共有的概念，多实操，多自己手写程序（可以向ai提问，但是不要照搬全抄），你对细节逻辑的掌握会慢慢变强的。

再就是算法与数据结构课了，这个更多偏数学一些，算法教会的是如何在一段程序内，达成相对应的目标，而数据结构教你的是如何自己创建一个维护数据的工具，使得更好地利用这些数据。你们可能知道的ACM算法竞赛，就是基于这两门课的。一个好的算法，可以从本来一天才能算完的工作量，一个小时就搞定了。这些工具是相当优美的，如果你高中时候对钻研数学压轴题有兴趣的话。

此外我还得强烈推荐一点，不要照着中文教材看，要结合英文术语看，并且宁愿向ai问也不要死看教材，你看不懂的，这是因为有很多概念的中文翻译不明所以，但是英文原文又很生动，比方说class这个中文叫类，object才叫对象，我大一就一直很纳闷为啥叫这个。

数学主课

高等数学

这门课与高中数学略有不同的是，高等数学参杂着一些对数学逻辑的证明（数学分析就更是证明了），然后对于编程的话，一般情况用到的比较少，但是一旦用到万万不能没有它（比方说计算机图形学，又比方说深度学习的梯度下降），所以好好学是有必要的（另外的话如果你们碰到的是康悦明老师的话hhh，不好好学会挂科的，虽然课教的很好）。平时学着如果需要增长理解的话，相当推荐看3blue1brown的视频，然后外网youtube/b站也有部分对高数的讲解，此外还是需要刷一点点题目的。

线性代数

这门课会从你解多元一次方程开始，讲述行列式，矩阵等的概念，如何快速利用这些工具求解方程，另外如果深入机器学习，深度学习的话，这门课会比高数还要经常用到，因此一定要好好学这门课。课程的话，要是是周大鹏或者刘海教的话，你们照着讲义学习就行，很清晰明了，然后多刷题多复盘。

概率论与数理统计

这门课没有超出高中教的概率与统计太多，主要就是补充了更完整的理论体系：你会系统认识各种分布（二项、泊松、正态这些），然后是大数定律和中心极限定理——告诉你为什么样本够多的时候一切都近似服从正态分布，接着是参数估计（矩估计、最大似然估计）与假设检验。如果继续深入机器学习的话，这门课是地基中的地基。学习方法上还是老一套，3blue1brown 有相关的概率视频，教材例题跟着推一遍，弄懂思想比背公式重要得多。

AI 主课

机器学习

如果说前面是修炼内功，这门课就是你接触 AI 世界的正门。这门课教你的是：如何不手动写规则，而是让程序从数据里自己"学"出规律——从线性回归、逻辑回归这些最简单的模型出发，到决策树、支持向量机、聚类、降维，再到集成学习（随机森林、GBDT 这些工业界常青树）。教材国内最经典的是周志华的《机器学习》（西瓜书）和李航的《统计学习方法》，学校课程基本绕不开它们；网课推荐吴恩达的 Machine Learning Specialization 。

还是那句话，只会推导不会跑代码，等于没学。

深度学习

机器学习的延伸，也是当前大模型时代的直接基础。内容是各类神经网络：CNN 处理图像，RNN/Transformer 处理序列（现在大模型的核心就是 Transformer），再加上训练技巧——反向传播、优化器、正则化、归一化。课程首推李沐的《动手学深度学习》（d2l.ai，B站有完整视频，书免费开源），框架认准 PyTorch。学完之后你自己能从零训练一个小网络识别手写数字，那时候再看大模型就不会觉得是什么黑魔法了。

计算机主课

计算机网络

这门课回答一个问题：你发出去的微信消息，到底是怎么穿过半个地球到达对方手机的？内容沿着网络分层模型展开：应用层（HTTP、DNS）、传输层（TCP/UDP）、网络层（IP、路由）、链路层。这门课的特点是概念又多又碎，但是国内大厂面试这块问得极其频繁（俗称"八股文"），想走后端、基础架构方向的话，这门课值得投入双倍精力。

操作系统

如果说算法是程序的大脑，操作系统就是程序住的房子。这门课讲进程与线程、CPU 调度、内存管理（虚拟内存、分页）、文件系统、死锁这些——你写的每个程序，跑起来之后都是操作系统在幕后给它分配资源、安排档期。个人认为这是仅次于算法数据结构，程序语言设计的最重要的课，几乎编程的每个领域到后面都会撞上这堵墙，如果你是想做AI infra，想做后端的，就更是如此了。至于课本身嘛，我建议是跟着蒋炎岩的操作系统课一边问ai一边学，没有时间的话看一下csapp。

计算机体系与结构

（待补充）