针对计算机课程自学话题，画出一张计算机专业流程图，并结合几个最重要的课程，具体讲学习方法
学习路线
课程
用浪潮之巅起步
最开始两方面： 四个数学，四个编程语言都要会
数学学习的方法
专业基础课程
：最重要的四门考研课程数据结构算法、机组、操作系统、计网
（另外还有编译原理、面向对象的方法、关系数据库理论、软件工程）
原则与方法：
网络应用和这些基础课是相辅相成的，可相互促进理解
学习方法
学习动机和方式策略（《学习之道》）
不要多件事情来回切换
基于组块的场景式地学习：确定学习目的，有选择性地学习，来形成知识组块，构建知识框架
必须循序渐进，并且多次反复（一环套一环，不能跳）
看遇到看不懂的地方，要停一下，思考一下，如果是因为基础不够，那么则需要先补基础，这就是反复学习。
高度可控，及时反馈，进度条
比如说游戏：阶段明确，第一关很简单，每一关有奖励
考试：考试大纲+刷题
技术：场景式组块学习法
从感性进入（插图）到之后的理性分析和实践的统一
对知识之网从哪里切入
知识是有关联的，学习特定知识的时候要明白是一个子网。节点之间的联系
新旧知识之间是有关联的的，而不是孤立的。
所以就没有学不会，学不会的原因是第一与现有的知识之网的联结，第二是因为学的知识处在某一复杂的知识网络之中，特定的知识群没有了解
方式
不好的方式 如中心开发：例如数学没有学好就开始学机器学习，外围节点没有掌握；广度遍历，距离现有的知识太远，四处出击；
好的方法 从现有的知识出发，深度遍历是更有效的学习方式，学习不要网状的形式跳来跳去来学习，而是应该以从树根到树叶的方式完整的路径，数据结构中的深度遍历法。一个分支走完之后再走另一个分支。再把这些分支组成一个网络。
n-1底层和n+1上层：
如http协议和web开发框架，但是这是相对的，一些细节不需要了解，只需要了解和自己相关的稍微顶层和稍微底层
计算机系统是分层的，每一层都有特定的工作岗位，依据想从事的，确定工作层次，来明确需要精通的知识集合
比较远的层次，可以不去理会
以互联网为老师，自主学习，终生学习
读书
要自学就先得读书，首先是选书
阅读一本书若是超过自己能力，是没有意义的。选择具备读懂前提的书（即便再好的书，看懂才有意思）
（看前言、或者几页就看不懂了）
分类阅读 ：科普书籍来入门，专业课本学基础，专业技术书籍来深入（如作者个人开发经验小结解决实际问题）
尽可能用英文书（写一个中英文术语对照表）
目的决定阅读方法：若是理解，就应该探究式；若是应付考试，考哪些，记住弄熟
多遍阅读法
多遍阅读法 如系统方法和自顶向下两本书；确定先读什么后读什么，前言，目录和序；网络设计这方面，网络开发者方面
目录：精心组织来体现写作意图，目录是构建知识之网的手段，用对比目录来确定这个领域的知识网络图。重要的知识节点。
正文：多遍扫描，像编译器一样。书的第一章包括重要概念，要反复读。其余每章就是开头部分要重点读，其余就可以略读。看结论和观点。第一遍不要关注细节。
从而切实可行的读书计划就成型了
第二遍是挑出最感兴趣的，不懂得打个记号，重点去学。留在第三遍去攻克。哪些是重点哪些不是重点，你自己去判断。
第三遍只在干货上下功夫。第四遍啃硬骨头，去翻翻论文，去学一下需要用到的数学知识，在此基础上需要通读全书，构建整个知识网络。普通书籍一两遍就够了，只是那些非常经典的书籍和考试书籍才要三四遍或者更多遍。
阅读技术书籍或者很难专业书的障碍有三点：你不具备作者假设你已经掌握的知识（计算机体系结构的设计方法），书中满页的数学公式（机器学习）看到就怕，大牛的写作水平不怎么样很晦涩，如显而易见，易得…..（北大离散数学教程）
应付难书的解决方案：先阅读简单科普书，先弄明白是哪些公式，攻下那些公式，先看前面的书扫清知识障碍。没有任何捷径可走
断点法：看不懂了，多半有知识没弄断，果断放弃，扫清障碍
对照法：多看基本教材，互相补充，建立起知识的联系
教学视频法：很独特，程序的调试过程，算法设计过程，很动态的过程是书无法表示的
计算机专业课程详解
数学
数学在项目中并非决定成败，只需要知道如何调用，算法细节不需要了解。但是中高级程序员，一些特定的技术还是，特定的问题建模和设计算法，要扎实数学基础
有哪些数学分支是计算机必须学的：离散结构（高数、线性代数、离散数学、概率论）
吴军的数学之美：数学在计算机中的具体运用，开发框架来把数据可视化，python有很多数学的库
计算机的全局观：知识地图，所学知识在整个计算机体系中处于什么地位，随便逛逛，有哪些子领域，然后这就找到你自己的学习方向，关注作者视角，他是如何介绍计算机这个科学领域的。
如csapp，从使用者角度来讲解，把零散的知识组块化，再建立组块之间的联系。从而建立整体知识框架。再去阅读一些具体的书籍。
骨干课程
数据结构和算法
数据结构表示信息本身，算法表示信息的处理过程。但实际上是无法分开的。包容大量编程练习和acm，ai和大数据玩的就是算法
两大块：数据结构和算法的理论基础，和各种具体的数据结构和算法介绍。第一部分中，弄明白其中的概念和术语，怎么设计一个算法，怎么评估他的优劣。第二部分，只需要记住最常用的几个，不必要每个深挖。每个数据结构和算法都有特定的应用场景去解决特定问题。学习方式：先不看特定问题的书上解答，自己尝试去解决，实在解决不了，再看书。用自己掌握的语言去尝试实现。java中的数据结构库可以看源码。
流程：算法图解+算法基础+数据结构和算法java实现+算法导论（很多数学证明，但是可以完全不看）（算法是用java写的，很好）
算法知道体现的思想和应用优缺点就行了，开发框架中有现成组建。不必要知道细节，只需要调用函数。
如果在算法密集的领域工作：在算法上 下功夫很必要（数学基础得好）
操作系统
操作系统：分为教材与专著（和软件开发和动手实践结合）
最重要的是理解操作系统的内部机理：推荐c语言。动手去完成实验，另外应用层的软件开发（安卓），安卓是多线程的，可以结合来理解进程线程。linux在上面下功夫绝对没错（linux内核深度解析）。但是没必要深究到操作系统源代码程度
计网
学习计算机网络路线：用c、python、java去编写网络应用，操作系统来负责实现，基本上都是多线程的，网络中还有路由算法
计算机网络最重要的是分层，三本书分别是：自顶向下，自顶向下，横切
计网最重要三个问题：如何连接、数据如何传输、网络系统如何构建
网络协议是上层应用开发的必须，不懂得计网基本原理去写项目都是沙滩上盖楼
具体计网学习建议：
重点理解分层：每个层解决的主要问题和解决方案应用原理算法
动手：编程语言来实现两台计算机的信息互通，实现web server；重点学习http+面向对象，网络抓包工具，
最后以一个图结束
七月份有个程序员live
九月份有个关于职业发展的live