计算机专业大学四年应该重点学习的主要有两类：
一类是一门主攻语言，比如C++、Java，这是你以后找工作求职的依仗；
另一类是计算机基础学科知识，比如数据结构与算法、计算机网络、操作系统 、数据库、计算机组成原理 。
事实上国内大多数高校的课程安排都不合理，很扎心，但这很真实。
而且不仅仅是不合理，甚至有点脱离工业要求了，大把学生只会死死的跟着学校的课程学，
最后临毕业了才发现学校里教的东西跟工业界要求的相差甚远，
靠学校里学的那点东西，根本找不到工作。
就比如很多人直到毕业后也不知道校招和社招的区别；
还以为校招是在大四快毕业的时候才会举行的，殊不知大三上就要慢慢开始准备找工作了；
学校里教的操作系统、计算机网络、数据库、数据结构与算法、编程语言跟校招求职面试中考察的根本就不在一个level上。
就单单拿算法来说，不去力扣这种算法网站上刷个300+，面试基本就是去送人头的。。。。
不要跟我扯什么你同学、你XX，，，
就简单举个例子来说
现在都2022年了，学校里可能依旧在教C++的时候依旧使用VC++6.0编译器，而不会去让你去用VScode或者Visual Studio；
在教Java的时候可能依旧还是让学生去使用Eclipse，而不是IDEA；
当然了，编译器并没有好坏之分，但有好用与否之分，大神用记事本都能写程序。至于前端Vue、React等三大框架，大多数课堂派老师一个不懂，甚至听都没听过，当然也有好的老师，但真的很少！
良心建议计算机专业的孩子，
一定要学会自学！
一定要学会自学！
一定要学会自学！
不要只图期末过个期末考试就完事了。
自学计算机科学指南
GitHub 曾经诞生过一个特别亮眼的开源项目，这个项目名为：TeachYourselfCS-CN，目前已经收获了超过 10K 的star了。
翻译过来就是计算机自学指南，最早是由 Bradfield 计算机科学学校的两名教员 Ozan Onay 和 Myles Byrne 编写的，内容主要源自他们对数千名自学成才的工程师和培训班学生教授计算机科学基础的经验。
后来一位国内的学者将其翻译成了中文，并将其中文版本正式开源到了 GitHub 上。
现在我把这个自学指南分享给大家看下，下面是正文，首先把地址贴一下：
https://github.com/izackwu/TeachYourselfCS-CN
话说阿秀自己经历了2021届的互联网秋招，在面试的过程中，被问过各种各样的问题，但是大部分都是基础性的题，所以基本功很重要，也很关键。
所以在我以前通过校招上岸字节跳动后，将我自己的秋招找工作认真总结，并且开源在github上了
可以说我能够凭借双非的学历进入字节跳动全靠我自己总结的这份笔记，后来我将这份笔记制作成了PDF，并且同步到了自己的校招学习网站上，现在免费分享给学习学妹们！
自己以前的学习笔记包括操作系统、计算机网络、数据库（MySQL、Redis）、常见情景题、智力题以及计算机面试中需要注意的问题。
下面是我的校招学习笔记网站内容大纲
《阿秀的校招学习笔记》网站内容大纲不少学弟学妹们在这个网站的帮助下，顺利进入BAT、TMD，甚至去了字节跟阿秀一起做同事，都跑来找我报喜！
这是我的学习笔记网站：
不说了，进来学习！！！！
自学计算机科学
如果你是一个自学成才的工程师，或者从编程培训班毕业，那么你很有必要学习计算机科学。
幸运的是，不必为此花上数年光阴和不菲费用去攻读一个学位：仅仅依靠自己，你就可以获得世界一流水平的教育 。
互联网上，到处都有许多的学习资源，然而精华与糟粕并存。你所需要的，不是一个诸如“200+免费在线课程”的清单，而是以下问题的答案：
你应当学习哪些科目，为什么？对于这些科目，最好的书籍或者视频课程是什么？在这份指引中，我们尝试对这些问题做出确定的回答。
以前就推荐过不少不错的计算机学习资源和视频，基本都是在B站、Youtube、慕课上看到的。
我大概是在校招前一年时候开始系统准备校招的，后来在校招顺利进入字节跳动抖音部门做后端研发，下面是我自己记录的工作感受和秋招总结。
简而言之
大致按照列出的顺序，借助我们所建议的教材或者视频课程（但是最好二者兼用），学习如下的九门科目。目标是先花100到200个小时学习完每一个科目，然后在你职业生涯中，不时温习其中的精髓 。
还是太多？
如果花几年时间自学 9 门科目让人望而却步，我们建议你只专注于两本书：《深入理解计算机系统》 和 《数据密集型应用系统设计》。
根据我们的经验，投入到这两本书的时间可以获得极高的回报率，特别适合从事网络应用开发的自学工程师。这两本书也可以作为上面表格中其他科目的纲领。
相遇即是有缘，话说我最近发现三位谷歌大神写算法刷题资料，支持Java、C++、Go三种语言，其中对于面试中考察较多的链表、树、动态规划、数组等知识点讲解的都很全！如果你算法能力比较弱，比如互联网大厂面试中手撕算法比较差的话，那要好好看看了。
BAT大厂必备！支持Java、C++、Go三种语言版本！谷歌大佬亲自总结的Leetcode刷题笔记~
为什么要学习计算机科学？
软件工程师分为两种：一种充分理解了计算机科学，从而有能力应对充满挑战的创造性工作；另一种仅仅凭着对一些高级工具的熟悉而勉强应付。
这两种人都自称软件工程师，都能在职业生涯早期挣到差不多的工资。然而，随着时间流逝，第一种工程师不断成长，所做的事情将会越来越有意义且更为稳定，不论是有价值的商业工作、突破性的开源项目、技术上的领导力或者高质量的个人贡献。
全球短信系统每日收发约200亿条信息，而仅仅靠57名工程师，现在的 WhatsApp 每日收发420亿条。 — Benedict Evans (@BenedictEvans) 2016年2月2日第一种工程师总是寻求深入学习计算机科学的方法，或是通过传统的方法学习，或是在职业生涯中永无止息地学习；第二种工程师 通常浮于表面，只学习某些特定的工具和技术，而不研究其底层的基本原理，仅仅在技术潮流的风向改变时学习新的技能。
如今，涌入计算机行业的人数激增，然而计算机专业的毕业生数量基本上未曾改变。第二种工程师的供过于求正在开始减少他们的工作机会，使他们无法涉足行业内更加有意义的工作。对你而言，不论正在努力成为第一种工程师，还是只想让自己的职业生涯更加安全，学习计算机科学是唯一可靠的途径。
其实我以前就分享过自己的学习路线，但很多人都觉得上手难度比较大，对新手不友好！
于是前段时间专门写了一个比较适合小白新手的学习路线，已经发在知乎文章上了，就是下面这篇：
我当初自己手敲的C++课程笔记：链接:https://pan.baidu.com/s/18XAu8OTsJmX_sfZ1qpmCcw提取码：fw8s
分科目指引
编程
大多数计算机专业本科教学以程序设计“导论”作为开始。这类课程的最佳版本不仅能满足初学者的需要，还适用于那些在初学编程阶段遗漏了某些有益的概念和程序设计模式的人。
对于这部分内容，我们的标准推荐是这部经典著作：《计算机程序的构造和解释》。在网络上，这本书既可供免费阅读（英文版），也作为MIT的免费视频课程。不过尽管这些视频课程很不错，我们对于视频课程的推荐实际上是Brian Harvey 开设的 SICP 课程（即 Berkeley 的 61A 课程）。比起MIT的课程，它更加完善，更适用于初学者。
我们建议至少学完SICP的前三章，并完成配套的习题。如果需要额外的练习，可以去解决一些小的程序设计问题，比如exercism。
关于SICP国内视频观看地址 MIT的免费视频课程（中英字幕） Brian Harvey 开设的 SICP 课程（英文字幕） Scheme 学习的相关资源参见：https://github.com/DeathKing/Learning-SICP 更详细的补充说明：#3自从 2016 年首次发布这份指南以来，最常被问到的一个问题是，我们是否推荐由 John DeNero 讲授的更新的 CS 61A 课程，以及配套的书籍 《Composing Programs》，这本书“继承自 SICP” 但使用 Python 讲解。我们认为 DeNero 的课程也很不错，有的学生可能更喜欢，但我们还是建议把 SICP, Scheme 和 Brian Harvey 的视频课程作为首选。
为什么这么说呢？因为 SICP 是独一无二的，它可以——至少很有可能——改变你对计算机和编程的基本认识。不是每个人都有这样的体验。有的人讨厌这本书，有的人看了前几页就放弃了。但潜在的回报让它值得一读。
如果你觉得SICP过于难，试试 《Composing Programs》。如果还是不合适，那我们推荐 《程序设计方法》（中文版，英文版） ；如果你觉得SICP过于简单，那我们推荐 《Concepts, Techniques, and Models of Computer Programming》 。如果读这些书让你觉得没有收获，也许你应该先学习其他科目，一两年后再重新审视编程的理念。
新版原文删除了对 《Concepts, Techniques, and Models of Computer Programming》 一书的推荐，但这本书对各种编程模型有深入的见解，值得一读。所以译文中依然保留。 — 译者注最后，有一点要说明的是：本指南不适用于完全不懂编程的新手。我们假定你是一个没有计算机专业背景的程序员，希望填补一些知识空白。事实上，我们把“编程”章节包括进来只是提醒你还有更多知识需要学习。对于那些从来没有学过编程，但又想学的人来说，这份指南更合适。
如何在最短的时间内搞定数据结构和算法，应付面试?不妨看看下面这个回答。
计算机系统结构
计算机系统结构——有时候又被称为“计算机系统”或者“计算机组成”——是了解软件底层的的重要视角。根据我们的经验，这是自学的软件工程师最容易忽视的领域。
我们最喜欢的入门书是 《深入理解计算机系统》。典型的计算机体系结构导论课程会涵盖本书的 1 - 6 章。
我们喜爱《深入理解计算机系统》，因为它的实用性，并且站在程序员的视角。虽然计算机体系结构的内容比本书所涉及的内容多得多，但对于那些想了解计算机系统以求编写更快、更高效、更可靠的软件的人来说，这本书是很好的起点。
对于那些既想了解这个主题又想兼顾硬件和软件的知识的人来说，我们推荐 《计算机系统要素》，又名“从与非门到俄罗斯方块”（“Nand2Tetris”），这本书规模宏大，让读者对计算机内的所有部分如何协同工作有完全的认识。这本书的每一章节对应如何构建计算机整体系统中的一小部分，从用HDL（硬件描述语言）写基本的逻辑门电路出发，途经CPU和汇编，最终抵达诸如俄罗斯方块这般规模的应用程序。
我们推荐把此书的前六章读完，并完成对应的项目练习。这么做，你将更加深入地理解，计算机体系结构和运行其上的软件之间的关系。
这本书的前半部分（包括所有对应的项目）均可从Nand2Tetris的网站上免费获得。同时，在Coursera上，这是一门视频课程。
为了追求简洁和紧凑，这本书牺牲了内容上的深度。尤其值得注意的是，流水线和存储层次结构是现代计算机体系结构中极其重要的两个概念，然而这本书对此几乎毫无涉及。
前段时间一份蓝桥杯联合LeetCode官网出品的算法视频学习资料意外流出！这份资料针对现代互联网考察内容，针对性进行授课，内容包括排序搜索算法、贪心算法、动态规划以及一些常见数据结构，包括：栈、队列等等。
当你掌握了Nand2Tetris的内容后，我们推荐要么回到《深入理解计算机系统》，或者考虑Patterson和Hennessy二人所著的 《计算机组成与设计》，一本优秀的经典著作。这本书中的不同章节重要程度不一，因此我们建议根据Berkeley的CS61C课程 “计算机体系结构中的伟大思想”来着重阅读一些章节。这门课的笔记和实验在网络上可以免费获得，并且在互联网档案中有这门课程的过往资料。
算法与数据结构
正如几十年来的共识，我们认为，计算机科学教育所赋予人们的最大能量在于对常见算法和数据结构的熟悉。此外，这也可以训练一个人对于各种问题的解决能力，有助于其他领域的学习。
关于算法与数据结构，有成百上千的书可供使用，但是我们的最爱是Steven Skiena编写的 《算法设计手册》。显而易见，他对此充满热爱，迫不及待地想要帮助其他人理解。在我们看来，这本书给人一种焕然一新的体验，完全不同于那些更加经常被推荐的书（比如Cormen，Leiserson，Rivest 和 Stein，或者 Sedgewick的书，后两者充斥着过多的证明，不适合以 解决问题 为导向的学习）。
如果你更喜欢视频课程，Skiena慷慨地提供了他的课程。此外，Tim Roughgarden的课程也很不错， 在Stanford的MOOC平台Lagunita，或者Coursera上均可获得。Skiena和Roughgarden的这两门课程没有优劣之分，选择何者取决于个人品味。
至于练习，我们推荐学生在Leetcode上解决问题。Leetcode上的问题往往有趣且带有良好的解法和讨论。此外，在竞争日益激烈的软件行业，这些问题可以帮助你评估自己应对技术面试中常见问题的能力。我们建议解决大约100道随机挑选的Leetcode问题，作为学习的一部分。
最后，我们强烈推荐 《怎样解题》。这本书极为优秀且独特，指导人们解决广义上的问题，因而一如其适用于数学，它适用于计算机科学。
我可以广泛推荐的方法只有一个： 写之前先思考。— Richard Hamming数学知识
从某个角度说，计算机科学是应用数学的一个“发育过度”的分支。尽管许多软件工程师试图——并且在不同程度上成功做到——忽视这一点，我们鼓励你用学习来拥抱数学。如若成功，比起那些没有掌握数学的人，你将获得巨大的竞争优势。
对于计算机科学，数学中最相关的领域是“离散数学”，其中的“离散”与“连续”相对立，大致上指的是应用数学中那些有趣的主题，而不是微积分之类的。由于定义比较含糊，试图掌握离散数学的全部内容是没有意义的。较为现实的学习目标是，了解逻辑、排列组合、概率论、集合论、图论以及密码学相关的一些数论知识。考虑到线性代数在计算机图形学和机器学习中的重要性，该领域同样值得学习。
学习离散数学，我们建议从László Lovász的课程笔记开始。Lovász教授成功地让这些内容浅显易懂且符合直觉，因此，比起正式的教材，这更适合初学者。
对于更加高阶的学习，我们推荐 《计算机科学中的数学》，MIT同名课程的课程笔记，篇幅与书籍相当（事实上，现已出版）。这门课程的视频同样可免费获得，是我们所推荐的学习视频。
对于线性代数，我们建议从Essence of linear algebra系列视频开始，然后再去学习Gilbert Strang的《线性代数导论》和视频课程。
如果人们不相信数学是简单的，那么只能是因为他们没有意识到生活有多么复杂。 — John von Neumann操作系统
《操作系统概念》 （“恐龙书”）和 《现代操作系统》 是操作系统领域的经典书籍。二者都因为写作风格和对学生不友好而招致了一些批评。
《操作系统导论》（Operating Systems: Three Easy Pieces） 是一个不错的替代品，并且可在网上免费获得（英文版）。我们格外喜欢这本书的结构，并且认为这本书的习题很值得一做。
在读完《操作系统导论》后，我们鼓励你探索特定操作系统的设计。可以借助“{OS name} Internals”风格的书籍，比如 Lions commentary on Unix， The Design and Implementation of the FreeBSD Operating System，以及 Mac OS X Internals。对于 Linux ，我们推荐 Robert Love 的 《Linux内核设计与实现》。
为了巩固对操作系统的理解，阅读小型系统内核的代码并且为其增加特性是一个很不错的方法。比如，xv6，由MIT的一门课程所维护的从Unix V6到ANSI C和x86的移植，就是一个很棒的选择。《操作系统导论》有一个附录，记载了一些可能的xv6实验项目，其中充满了关于潜在项目的很棒想法。
计算机网络
鉴于有那么多关于网络服务端和客户端的软件工程，计算机网络是计算机科学中价值最为“立竿见影”的领域之一。我们的学生，系统性地学习了计算机网络，最终能够理解那些曾困扰他们多年的术语、概念和协议。
在这一主题上，我们最爱的书籍是 《计算机网络：自顶向下方法》。书中的小项目和习题相当值得练习，尤其是其中的“Wireshark labs”（这部分在网上可以获得）。
如果更喜欢视频课程，我们推荐Stanford的Introduction to Computer Networking，可在他们的MOOC平台Lagunita上免费观看。
对于计算机网络的学习，做项目比完成小的习题更有益。一些可能的项目有：HTTP服务器，基于UDP的聊天APP，迷你TCP栈，代理，负载均衡器，或者分布式哈希表。
你无法盯着水晶球预见未来，未来的互联网何去何从取决于社会。— Bob Kahn数据库
比起其他主题，自学数据库系统需要更多的付出。这是一个相对年轻的研究领域，并且出于很强的商业动机，研究者把想法藏在紧闭的门后。此外，许多原本有潜力写出优秀教材的作者反而选择了加入或创立公司。
鉴于如上情况，我们鼓励自学者大体上抛弃教材，而是从2015年春季学期的CS 186课程（Joe Hellerstein在Berkeley的数据库课程）开始，然后前往阅读论文。
对于初学者，有一篇格外值得提及的论文：“Architecture of a Database System”。这篇论文提供了独特的对关系型数据库管理系统（RDBMS）如何工作的高层次观点，是后续学习的实用梗概。
《Readings in Database Systems》，或者以数据库“红书”更为人知，是由Peter Bailis，Joe Hellerstein和Michael Stonebraker编纂的论文合集。对于那些想要在CS 186课程的水平更进一步的学习者，“红书”应当是下一步。
如果你坚持一定要一本导论教材，那我们推荐Ramakrishnan和Gehrke所著的 《数据库管理系统：原理与设计》。如需更深一步，Jim Gray的经典著作 《Transaction Processing: Concepts and Techniques》 值得一读，不过我们不建议把这本书当作首要资源。
如果没有编写足够数量的代码，很难巩固数据库理论。CS 186课程的学生给Spark添加特性，倒是不错的项目，不过我们仅仅建议从零实现一个简单的关系型数据库管理系统。自然，它将不会有太多的特性，但是即便只实现典型的关系型数据库管理系统每个方面最基础的功能，也是相当有启发的。
最后，数据模型往往是数据库中一个被忽视的、教学不充分的方面。关于这个主题，我们推荐的书籍是 Data and Reality: A Timeless Perspective on Perceiving and Managing Information in Our Imprecise World。
编程语言与编译器
多数程序员学习编程语言的知识，而多数计算机科学家学习编程语言 相关 的知识。这使得计算机科学家比起程序员拥有显著的优势，即便在编程领域！因为他们的知识可以推而广之：相较只学习过特定编程语言的人，他们可以更深入更快速地理解新的编程语言。
我们推荐的入门书是 Bob Nystrom 所著的优秀的 Crafting Interpreters，可在网上免费获取。这本书条理清晰，富有趣味性，非常适合那些想要更好地理解语言和语言工具的人。我们建议你花时间读完整本书，并尝试任何一个感兴趣的“挑战”。
另一本更为传统的推荐书籍是 《编译原理》，通常称为“龙书”。不幸的是，这本书不是为自学者而设计的，而是供教师从中挑选一些主题用于1-2学期的教学。
如果你选择使用龙书进行自学，你需要从中甄选主题，而且最好是在导师的帮助下。我们建议依据某个视频课程来设定学习的结构，然后按需从龙书中获取深入的内容。我们推荐的在线课程是Alex Aiken在MOOC平台 edX 所开设的。
不要做一个只写样板代码的程序员。相反，给用户和其他程序员创造工具。从纺织工业和钢铁工业中学习历史教训：你想制造机器和工具，还是操作这些机器？ — Ras Bodik 在他的编译器课程伊始分布式系统
随着计算机在数量上的增加，计算机同样开始 分散。尽管商业公司过去愿意购买越来越大的大型机，现在的典型情况是，甚至很小的应用程序都同时在多台机器上运行。思考这样做的利弊权衡，即是分布式系统的研究所在，也是越来越重要的一项技能。
我们推荐的自学参考书是 Martin Kleppmann 的 《数据密集型应用系统设计》。与传统的教科书相比，它是一本为实践者设计的具有很高的可读性的书，并且保持了深度和严谨性。
对于那些偏爱传统教材，或者希望可以从网上免费获取的人，我们推荐的教材是Maarten van Steen和Andrew Tanenbaum所著的 《分布式系统原理与范型》（中文第二版，英文第三版）。
对于喜欢视频课程的人，MIT的6.824 是一门很好的在线视频课程，由 Robert Morris 教授的研究生课程，在这里可以看到课程安排。
不管选择怎样的教材或者其他辅助资料，学习分布式系统必然要求阅读论文。这里有一个不错的论文清单，而且我们强烈建议你出席你当地的Papers We Love（仅限美国）。
推荐阅读
最后再送上一些干货，下面是一个高赞回答合集，建议你点赞&收藏，千万要Mark住啊，丢了可能就找不到了，因为你大学学习计算机期间绝对用得上，其中有好几个都是收藏过万的回答。
记得收藏的时候帮学长 @阿秀 点个赞呀！！不要只收藏不点赞啊， (๑•̀ㅂ•́) ✧ 拒绝白嫖，人人有责！
如果有计算机学习、校招求职、考研、读研感兴趣的小伙伴也可以点击下方卡片关注下阿秀鸭
一直致力于分享计算机学习、校招相关、硬核技术等，让你们不再让我走过的弯路！
1、学习编程其实没你想的那么难，完整复盘我系统准备校招&自学的那一年，好好阅读下去，对你肯定有所帮助。
2、对于一些想要转行或者读研的朋友，下面两个回答肯定能帮到你！
3、如果你决定不了到底学习C++还是Java，不妨来看看这个回答！
4、建议多看经典书，而不是什么《七天教你学会Java》、《21天C++从入门到精通》系列，这类型的书完全是浪费时间，让你走歪路！
5、Linux C/C++ 方向自学的完整路线，很多人不知道学习完 C++ Primer 能做什么项目练手，这个回答不可错过！
6、如果你准备时间不多，就抓住重点，在最短的时间内搞定必要的数据结构和算法而去面试
7、我自己在学习计算机过程中看过的优质网课，这些精品课程你的大学四年绝对够用了。
