本人某不知名大学大一新生，计算机科学与技术专业。大一上学期倒是没学跟计算机相关的内容，但下学期学校开设了计算机导论，单片机技术，以及数字电路课程。学了也快大半个学期了，感觉对计算机硬体方面不是很感兴趣。由于疫情的原因，在家自学了Java，Python（都是学习的一些基础语法仅限于JAVA写个学生管理系统，Python写个特别简单的小游戏）。感觉个人更喜欢编程，去构造一个程序。但学完Python，Java的基础语法，就感觉很迷茫，不知道可以往JAVA，PYTHON哪些更深入的领域学习。

你现在才大一，已经学完了Java和Python基础，已经足够了，你离毕业还有两三年时间，可以争取在毕业前达到中级水平。不知道如何系统地学习Python，可以看下公众号里的这篇文章：

小白速看-大神教你系统地学习Python?

mp.weixin.qq.com图标

Python和Java都只是一门编程语言，在学完其基础语法以后，需要再精学这门编程语言。笔者对你的建议是，Java或Python, 选择一门你最感兴趣的来精学。

以Python来举例，在学完基础语法以后，需要再系统地学习Python的面向对象编程，并发编程，网路编程，资料库编程。学面向对象编程时，你可以再深入地学习下Python中的对象模型，以及常用的设计模式。

学并发编程时，需深入地学习并发编程的基础概念和常用的并发模型。学网路编程时，重点学习TCP/IP协议，http协议。学习资料库编程时，深入地学习资料库的基础概念。DBMS与NoSQL，拣一门企业中常用的资料库来进行学习。

以下是薯条老师的个人博客，可以在博客中系统地学习这些知识：

薯条老师的在线课堂?

www.chipscoco.com图标

Python的主要技术方向是web开发，数据科学，大数据分析，机器学习。你可以根据你个人的学习能力和兴趣，来选择其中一门领域进行持续地钻研，直到成为该领域的技术专家。相对而言，web开发的难度较低，在选择数据科学，大数据分析或机器学习作为你的研究方向时，需要再系统地学习与领域相关的基础知识。

比如机器学习，需要具备扎实的数学基础: 线性代数，统计学，概率论等。系统地学习Python,可以关注笔者在知乎的技术专栏：

Python零基础入门到精通?

zhuanlan.zhihu.com图标发布于 2020-04-24继续浏览内容知乎发现更大的世界打开Chrome继续Duke YuDuke YuIT

书本上已经没什么你能学的了，要么太简单，要么太难。现在是出去真枪实弹的干点儿活的时候了。

干点儿活你会有更针对性的问题。

书本上已经没什么你能学的了，要么太简单，要么太难。现在是出去真枪实弹的干点儿活的时候了。

干点儿活你会有更针对性的问题。

计算机学生动不动就是对硬体不感兴趣 还不是因为入门比纯软体难一些 这种风气真的不好。

但选择是自己的，语言真的不重要，重要的是你想用来做什么。宽泛的讲，工作还是科研？演算法岗还是开发岗？

想搞科研那就至少准备读个研吧，争取保研省出一年的入门科研的时间。机器学习 数据挖掘 模式识别等等偏上层的，高性能计算 区块链等偏体系结构的，可以先了解。

想直接工作，那就先刷题啊，演算法题啥的搞起来，毕竟这是面试躲不过去的。自己做做资料库相关联的项目，读读源码，慢慢就成长起来了。

以上虽然我没做到，但我就觉得挺对的......

以前有个老师说过，语言只是外衣，而数据结构和演算法才是核心。同样一个项目，有的人写了两行代码，花了3秒钟跑出结果，有的人写了五行代码，花了5秒钟跑出来，这就是对演算法理解的差异。一个好的演算法，不管用什么语言，都会受人欢迎。建议题主空闲时间看看有关数据结构与演算法的内容，而不局限在语言上的学习。

其实可以结合TensorFlow、PyTorch学一些机器学习演算法，例如

① 卷积神经网路

如下图所示，LeNet-5是卷积神经网路的经典结构。

② 深度残差网路（ResNet）

ResNet是卷积网路的一种变体，特色是跨层的连接。

深度残差网路

③ 深度残差收缩网路

深度残差收缩网路[1][2]是一种专门针对强噪、高冗余情况的深度学习方法，相当于「残差网路+软阈值化」。

（面向强噪、高冗余数据的）深度残差收缩网路

参考

  1. ^M. Zhao, S. Zhong, X. Fu, B. Tang, M. Pecht, Deep residual shrinkage networks for fault diagnosis, IEEE Transactions on Industrial Informatics, vol. 16, no. 7, pp. 4681-4690, 2020. https://ieeexplore.ieee.org/document/8850096
  2. ^程序 https://github.com/zhao62/Deep-Residual-Shrinkage-Networks

推荐阅读：
相关文章