如果你对计算机感兴趣？
1. 自我诊断：从兴趣和特质出发
- 创造直观页面产品-->前段，移动开发，游戏开发
- 逻辑&架构-->后端，数据库，系统设计
- 善于发现模式，喜欢数学-->数据科学，机器学习
- 细节，防御思维-->网络安全
- 硬件&物理设备-->嵌入式系统，物联网
- 思考，优化-->算法研究
2.动手尝试：建立兴趣
前段、Python、Linux、“good first issue";通过简短前端代码练习，激发学习兴趣。
第一阶段：计算机科学基础和核心”计算思维“
- 选择一门编程语言：python(语法简洁，适合新手)适用于AI/数据、后端。或Java。
- 数据结构与算法：所有领域的基础。学习数据结构算法。“思维”
- 计算机导论：了解计算机历史，数字逻辑（二进制，布尔代数），计算机组成原理。
第二阶段：核心深化&系统认知
（理解计算机系统如何协同工作 ，为选择方向打下基础，连接基础和专业的接口）
-
操作系统
理解线程，进程，内存管理，文件系统。程序如何在硬件运行。
-
计算机网路
TCP/IP/HTTP/DNS等协议。互联网和分布式系统的基石，不分前后端，运维、安全，必须掌握。
-
数据库系统
学习SQL和至少一种关系型数据库（MYSQL），了解索引，事物。数据是应用的核心。
-
软件工程导论
了解版本公职（Git），软件开发流程，设计模式，测试。写代码到做工程的思维转变。
学完本阶段你需要掌握，清晰描述从你在浏览器输入网址到页面显示，背后操作系统，网络，服务器，数据库是如何交互的。
第三阶段： 方向选择&分支深耕
- 创造产品，与人协作，快速迭代-->软件工程与开发
- 数据发现规律，数学模型预测未来-->数据科学与人工智能
- 系统稳定高效，硬件打交道，保障基础设施-->系统与网络
- 解决抽象问题，追求最优解，研究计算本质-->理论研究
各个方向深耕入口点：
软件工程：选择技术栈，例如web方向的react、spring，移动端flutter。学习框架，开始做全栈项目。
数据科学与AI：深入数学（线代，概率，统计），学习机器学习库scikit-learn，TensorFlow，pytorch，kaggle。
系统与网络：学习Linux系统管理，网络配置，CCNA，华为认证，云计算，AWS,Azure，容器化。
理论研究：《算法导论》，深入阅读领域顶会论文，尝试解决ACM竞赛难题，参与学术研究。
打好基础，事半功倍。
理论实践3：7。
必要时，理论功底深厚。
保持灵活，在各个领域丝滑切换。
新手练习建议：
根据相应的要求写出语句后，不断利用相对应的命令反复练习，举一反三。
在同一种练习后，反推不同情况下的任务如何完成。
灵活运用，不论使用何种命令行，只要符合题意即成立。
我喜欢写代码，它就像搭积木一样，不断的组装自己的项目。