Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- FAQ
- Q: Зачем мне надо изучать computer science?
- A: Для того чтобы стать не быдлокодером, а настоящим программистом. Если ты совсем новичок и нигде не работал - это позволит тебе изучить программирование с "правильного конца", а если ты уже матёрый кодер - углуби свои знания.
- Q: Как учить computer science?
- A: По большей части это теория и учить её надо соответствующим образом. Читать, разбираться, конспектировать, программировать тестовые примеры. Теория не отменяет практику, ей надо уделять 1/3 рабочего времени.
- Q: Что нужно учить?
- A: Ну, во-первых, математику. Без знания математики вам будут недоступны многие хорошие книги, например: CLRS, The Art of Computer Programming, Doing Data Science, Computer Vision и так далее. Во-вторых английский.
- Q: А дальше?
- A: Если у вас нет никакого опыта - C и основы программирования, дальше алгоритмы, структуры данных, архитектура компьютера, компьютерные сети, анализ данных, операционные системы, парадигмы программирования(под этим понимается попрограммировать на языках всех парадигм) - это мастхэв. Дальше можно учить любую утончённую область: Machine learning, Data Sicence, Data Mining, Deep Learnin, Computer Vision... какие вы ещё баззворды знаете?
- Полезные материалы:
- Общее:
- coursera.org
- edx.org
- youtube.com
- google.com
- https://github.com/ossu/computer-science
- Математика:
- https://elib.grsu.by/katalog/161826-346987.pdf
- Concrete Mathematics
- Mathematics for Computer Science (6.042)
- Основы программирования:
- CS50
- K&R
- The GNU C Programming Tutorial
- The GNU C Reference Manual
- acmp.ru
- Основы программирования(другой путь):
- SICP
- HTDP
- 6.001
- Архитектура компьютера:
- Structured Computer Organization
- CS3810
- CS6810
- Assembly Step by Step Programming with Linux
- crackmes.one - для юных хакеров
- Алгоритмы:
- CLRS
- Sedgewick
- Algorithms: Design and Analysis
- Операционные системы:
- Modern Operating Systems
- Linux Kernel Development
- Это были основы. Более утончённые и продвинутые темы вроде ML, Data Science, Компиляторы и тд заслуживают своих тредов каждая.
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement