程序員如何進入科研

❶ 想當程序員，大學應該學什麼專業

想當程序員可以學這兩個專業：

1、軟體工程

軟體工程專業以計算機科學與技術學科為基礎，強調軟體開發的工程性，使學生在掌握計算機科學與技術方面知識和技能的基礎上熟練掌握從事軟體需求分析、軟體設計、軟體測試、軟體維護和軟體項目管理等工作所必需的基礎知識、基本方法和基本技能，突出對學生專業知識和專業技能的培養，培養能夠從事軟體開發、測試、維護和軟體項目管理的高級專門人才。

2、計算機科學與技術

計算機科學與技術專業主要培養具有良好的科學素養，系統地、較好地掌握計算機科學與技術包括計算機硬體、軟體與應用的基本理論、基本知識和基本技能與方法，能在科研部門、教育單位、企業、事業、技術和行政管理部門等單位從事計算機教學、科學研究和應用的計算機科學與技術學科的高級科學技術人才。

選了這兩個專業，會在大學中學習到c語言，c++，java，javaweb等等一系列編程語言，要注意的是，大學里一般一個學期結束一門語言課程的學習，進度會非常快，課程安排量也不會太充足，想要學好，還得靠自己課下努力才行，至少得掌握一門自己拿手的語言。

當程序員需要具備的能力

1、編程語言能力

作為合格的計算機程序員，精通一門語言是必須的。這種精通，不是說看了一本編程寶典，抄了幾個程序就能說精通的，要靠長時間的積累。

2、編碼能力

遵守編碼規范，是一個程序員最基本的要求。另外一個就是注釋，要注意不是為了注釋而注釋。對類，以說明職責為主；對方法，以說明意圖為主；對方法體，以說明實現思路為主。對於大段大段的代碼，要分段，使用空行隔開，並使用行內注釋進行說明。

3、面向對象思維能力

多數編程語言都是面向對象的編程語言。而這些面向對象編程語言的共同精髓就是面向對象的思想。掌握這些比面向對象語言本身更重要，比如對繼承，多態，重載的理解。對面向對象基本原則的理解，比如開閉原則，介面隔離原則，單一職責原則等。在此基礎上，應該掌握常用的設計模式，比如工廠模式，策略模式，觀察者模式，模板方法模式，命令模式等等。

❷ python程序員可以從事是什麼方向的研發

web開發首先就可以用python、其次一些公司的運維部門也會用python開發一些工具、現在很多大公司的架構都採用了微服務架構、就是一個大項目中的不同子模塊可以用不同的開發語言來實現、只要保證介面能對接上就可以、
還有的一些公司會用python進行機器學習演算法的開發、例如招聘網站的人才匹配演算法就可以用python的機器學習演算法來實現、因為python中有很多關於機器學習演算法的庫
拓展：

自從20世紀90年代初Python語言誕生至今，它已被逐漸廣泛應用於系統管理任務的處理和Web編程。
Python的創始人為Guido van Rossum。1989年聖誕節期間，在阿姆斯特丹，Guido為了打發聖誕節的無趣，決心開發一個新的腳本解釋程序，做為ABC 語言的一種繼承。之所以選中Python（大蟒蛇的意思）作為該編程語言的名字，是因為他是一個叫Monty Python的喜劇團體的愛好者。
ABC是由Guido參加設計的一種教學語言。就Guido本人看來，ABC 這種語言非常優美和強大，是專門為非專業程序員設計的。但是ABC語言並沒有成功，究其原因，Guido 認為是其非開
標識
放造成的。Guido 決心在Python 中避免這一錯誤。同時，他還想實現在ABC 中閃現過但未曾實現的東西。
就這樣，Python在Guido手中誕生了。可以說，Python是從ABC發展起來，主要受到了Mola-3（另一種相當優美且強大的語言，為小型團體所設計的）的影響。並且結合了Unix shell和C的習慣。
Python[5] 已經成為最受歡迎的程序設計語言之一。2011年1月，它被TIOBE編程語言排行榜評為2010年度語言。自從2004年以後，python的使用率呈線性增長[6] 。
由於Python語言的簡潔性、易讀性以及可擴展性，在國外用Python做科學計算的研究機構日益增多，一些知名大學已經採用Python來教授程序設計課程。例如卡耐基梅隆大學的編程基礎、麻省理工學院的計算機科學及編程導論就使用Python語言講授。眾多開源的科學計算軟體包都提供了Python的調用介面，例如著名的計算機視覺庫OpenCV、三維可視化庫VTK、醫學圖像處理庫ITK。而Python專用的科學計算擴展庫就更多了，例如如下3個十分經典的科學計算擴展庫：NumPy、SciPy和matplotlib，它們分別為Python提供了快速數組處理、數值運算以及繪圖功能。因此Python語言及其眾多的擴展庫所構成的開發環境十分適合工程技術、科研人員處理實驗數據、製作圖表，甚至開發科學計算應用程序。

❸ 我理工科大專畢業，現在會java編程，在一家公司做程序員，想去國外讀研究生。

英國前十的學校讀研究生(即使是非研究型的碩士)，除開了英語成績，學歷最低的要求也是學士學位

而且，你所讀的大專，如果不被英國教育部承認，想進前十的大學的幾率幾乎是零

IT行業經驗同等重要，建議你積累經驗+自我學習，考取相應的職業資格證，或許可以達到同樣的效果

加油~

對於補充問題的回答：
擔保費+學費(不拿政府資助)+生活費，即便是在新加坡的話，50萬人民幣也大概只能夠一年的學費和生活費(按最低標准計算的)。擔保費具體的就不清楚了。
英國學費和生活費都比新加坡高，學費和生活費應該更高。

❹ 我的夢想是成為一名出色的程序設計人員,想問問那些成功的朋友們,我要怎樣努力,謝謝大家!

這是一條漫長而艱辛的路

❺ 本人大三。想問下從事游戲開發的程序員，如何才可進入游戲開發公司。需要掌握哪些方面的知識

基礎知識扎實，然後確定開發方向，比如作android，IOS，或者PC平台的開發，則相應地了解開發環境，開發語言等，然後有針對性地做些聯系或者作品。如果不確定，則C/C++,Java等基礎方面的開發經驗一定要具備。還有就是對於開發要有自己的理解。
當然還有個很重要的一點是要有持續的熱情，不怕失敗和困難。

AS3相關的開發說實話我個人不是特別看好。並不是說不能掙錢，只是現在國內的網頁游戲做濫了。個人觀點，不是個正途。而且flash開發游戲是有局限性的。但是目前看到的，pc上的游戲，也只有網頁游戲鋪天蓋地，真正的PC游戲，比如說利用directX開發的，都沒聽過有什麼游戲。
另外，ios和android開發的一些小游戲，國內到是有一些不錯的。
按照你現在的情況，如果不願意去做flash游戲，多學習打好基礎最重要了。至於作品之類的，如果沒有好的創意，就不要浪費時間了。其實大多數情況下，作為開發人員只是完成編寫代碼的任務，很少能自己有些什麼作品。畢業後或者提前找個好些的游戲公司，邊干邊學，你也許會重新選擇自己方向的。

❻ 程序員如何在35歲瓶頸期的時候，找到自己的方向

1程序員的困惑

程序員是一個神奇的職業。日復一日面對著電腦，一行一行地碼著代碼，給人的印象是呆頭呆腦，不善於交流和溝通，加班是經常的事，彷彿永遠都有干不完的活，身心都很疲憊。但事實上呢？

大多數程序員，他們熱愛編程， 對很多技術充滿興趣， 總是希望學習並嘗試新奇的技術， 在業余也花了很多時間學習工作中暫時用不到，但是自己很感興趣並且很看好的技術，從進入到第一家軟體公司，後來一直沒有離開軟體行業。

❼ 普通程序員如何向人工智慧方向轉型

當下，人工智慧已經成為越來越火的一個方向。普通程序員，如何轉向人工智慧方向，是知乎上的一個問題。

這個學習路線是這樣設計的：首先了解這個領域，建立起全面的視野，培養起充足的興趣，然後開始學習機器學習的基礎，這里選擇一門由淺入深的課程來學習，課程最好有足夠的實驗能夠進行實戰。基礎打下後，對機器學習已經有了充足的了解，可以用機器學習來解決一個實際的問題。

這時還是可以把機器學習方法當作一個黑盒子來處理的。實戰經驗積累以後，可以考慮繼續進行學習。這時候有兩個選擇，深度學習或者繼續機器學習。深度學習是目前最火熱的機器學習方向，其中一些方法已經跟傳統的機器學習不太一樣，因此可以單獨學習。除了深度學習以外，機器學習還包括統計學習，集成學習等實用方法。

如果條件足夠，可以同時學習兩者，一些規律對兩者是共通的。學習完後，你已經具備了較強的知識儲備，可以進入較難的實戰。這時候有兩個選擇，工業界的可以選擇看開源項目，以改代碼為目的來讀代碼;學術界的可以看特定領域的論文，為解決問題而想發論文。

無論哪者，都需要知識過硬，以及較強的編碼能力，因此很能考察和鍛煉水平。經過這個階段以後，可以說是踏入AI領域的門了。「師傅領進門，修行在個人」。之後的路就要自己走了。

下面是關於每個階段的具體介紹：

0.領域了解

在學習任何一門知識之前，首先第一步就是了解這個知識是什麼?它能做什麼事?它的價值在什麼地方?如果不理解這些的話，那麼學習本身就是一個沒有方向的舟，不知道駛向何處，也極易有沉船的風險。了解這些問題後，你才能培養出興趣，興趣是最好的引路人，學習的動力與持久力才能讓你應付接下來的若干個階段。關於機器學習是什麼，能做什麼，它與深度學習以及人工智慧的關系，可以看我寫的博客從機器學習談起。

1.知識准備

如果你離校過久，或者覺得基礎不牢，最好事先做一下准備復習工作。「工欲善其事，必先利其器」。以下的准備工作不多，但足以應付後面階段的學習。

數學：復習以下基本知識。線性代數：矩陣乘法;高數：求導;概率論：條件與後驗概率。其他的一些知識可以在後面的學習的過程中按需再補;

英文：常備一個在線英文詞典，例如愛詞霸，能夠不吃力的看一些英文的資料網頁;

FQ：可以隨時隨地上Google，這是一個很重要的工具。不是說網路查的不能看，而是很多情況下Google搜出來的資料比網路搜的幾十頁的資料還管用，尤其是在查英文關鍵字時。節省時間可是很重要的學習效率提升;

2.機器學習

機器學習的第一門課程首推Andrew Ng的機器學習。這門課程有以下特點：難度適中，同時有足夠的實戰例子，非常適合第一次學習的人。cs229這門課程我這里不推薦，為什麼，原因有以下：

時間：cs229的時間太早，一些知識已經跟不上當今的發展，目前最為火熱的神經網路一筆帶過。而Cousera上神經網路可是用了兩個課時去講的!而且非常詳細;教學：Ng在cs229時候的教學稍顯青澀，可能是面對網路教學的原因。有很多問題其實他都沒有講清楚，而且下面的人的提問其實也很煩躁，你往往不關心那些人的問題。這點在Coursera上就明顯得到了改善，你會發現Ng的教學水平大幅度改善了，他會對你循循善誘，推心置腹，由淺入深的教學，在碰到你不明白的單詞術語時也會叫你不要擔心，更重要的，推導與圖表不要太完善，非常細致清晰，這點真是強力推薦;字幕：cs229的字幕質量比Coursera上的差了一截。Coursera上中文字幕翻譯經過了多人把關，質量很有保證;作業：cs229沒有作業，雖然你可以做一些，但不會有人看。這點遠不如Coursera上每周有deadline的那種作業，而且每期作業提交上去都有打分。更重要的是，每期作業都有實際的例子，讓你手把手練習，而且能看到自己的成果，成就感滿滿!

3.實踐做項目

學習完了基礎課程，你對機器學習就有了初步了解。現在使用它們是沒有問題的，你可以把機器學習演算法當作黑盒子，放進去數據，就會有結果。在實戰中你更需要去關心如何獲取數據，以及怎麼調參等。如果有時間，自己動手做一個簡單的實踐項目是最好的。

這里需要選擇一個應用方向，是圖像(計算機視覺)，音頻(語音識別)，還是文本(自然語言處理)。這里推薦選擇圖像領域，這裡面的開源項目較多，入門也較簡單，可以使用OpenCV做開發，裡面已經實現好了神經網路，SVM等機器學習演算法。項目做好後，可以開源到到 Github 上面，然後不斷完善它。實戰項目做完後，你可以繼續進一步深入學習，這時候有兩個選擇，深度學習和繼續機器學習;

4.深度學習

深度學習：深度學習是目前最火熱的研究方向。有以下特點：知識更新快，較為零碎，沒有系統講解的書。因此學習的資源也相對零散，下面是一些資源介紹。其中不推薦的部分並不代表不好，而是在這個初學階段不合適：

推薦，UFLDL：非常好的DL基礎教程，也是Andrew Ng寫的。有很詳盡的推導，有翻譯，且翻譯質量很高;推薦，Deep learning (paper)：2015年Nature上的論文，由三位深度學習界的大牛所寫，讀完全篇論文，給人高屋建瓴，一覽眾山小的感覺，強烈推薦。如果只能讀一篇論文了解深度學習，我推薦此篇。這篇論文有同名的中文翻譯;推薦，Neural networks and deep learning：這本書的作者非常擅長以淺顯的語言表達深刻的道理，雖然沒有翻譯，但是閱讀並不困難;推薦，Recurrent Neural Networks：結合一個實際案例告訴你RNN是什麼，整篇教程學完以後，會讓你對RNN如何產生作用的有很清晰的認識，而這個效果，甚至是讀幾篇相關論文所沒有的;不推薦，Neural Networks for Machine Learning University of Toronto Coursera：深度學習創始人教的課，最大的問題是太難，而且老先生的吐字有時不是很標准;不推薦，Deep Learning (book)：同樣也是由深度學習大牛所寫的書，但感覺就像是第二作者，也就是他的學生所寫的。很多內容都講了，但是感覺也沒講出什麼內容來，只是告訴你來自那篇論文，這樣的話可能直接閱讀論文更合適。不推薦，cs231n：李菲菲的課程，很有名，專門講CNN。但是這門課程有一個最大的問題，就是沒有字幕，雖然有youtube的自動翻譯字幕，但有還不如沒有。

5.繼續機器學習

深度學習未必就是未來的一定主流，至少一些大牛是這么認為的。傳統的機器學習有如下特點，知識系統化，有相對經典的書。其中統計學習(代表SVM)與集成學習(代表adaboost)是在實踐中使用非常多的技術。下面是相關資源：

推薦，機器學習(周志華)：如果是在以前，機器學習方面的經典教材首推PRML，但現在周老師的書出來以後，就不再是這樣了。首先推薦讀周老師的書。這本書有一個特點，那就是再難的道理也能用淺顯精煉的語言表達出來。正如周老師的名言：「體現你水平的地方是把難的東西講容易了，而不是把容易的東西講難，想把一個東西講難實在太簡單」;

不推薦，Pattern Recognition And Machine Learning：當前階段不推薦。PRML是以貝葉斯的觀點看待很多機器學習方法，這也是它的一大特色。但對於初學者來說，這種觀點其實並無必要。而且此書沒有中文翻譯，當前階段硬啃很容易放棄;

6.開源項目

當知識儲備較為充足時，學習可以再次轉入實踐階段。這時候的實踐仍然可以分兩步走，學習經典的開源項目或者發表高質量的論文。開源項目的學習應該以盡量以優化為目的，單純為讀代碼而學習效果往往不太好。好的開源項目都可以在Github 里搜索。這里以深度學習為例。深度學習的開源優秀庫有很多，例如torch，theano等等，這里列舉其中的兩個：

推薦，DeepLearnToolbox：較早的一個深度學習庫，用matlab語言撰寫，較為適合從剛學習的課程轉入學習。遺憾的是作者不再維護它了;

推薦，tensorflow：Google的開源庫，時至今日，已經有40000多個star，非常驚人，支持移動設備;

7.會議論文

較好的課程都會推薦你一些論文。一些著名的技術與方法往往誕生於一些重要的會議。因此，看往年的會議論文是深入學習的方法。在這時，一些論文中的內容會驅使你學習數學中你不擅長的部分。有時候你會覺得數學知識儲備不夠，因此往往需要學習一些輔助課程。

當你看完足夠的論文以後，在這個階段，如果是在校學生，可以選擇某個課題，以發論文為目的來學習研究。一般來說，論文是工作的產物。有時候一篇基於實驗的論文往往需要你寫代碼或者基於開源項目。因此開源項目的學習與會議論文的工作兩者之間是有相關的。

兩者可以同時進行學習。關於在哪裡看論文，可以看一下CCF推薦排名，了解一下這個領域里有哪些優秀的會議。

下面介紹兩個圖像與機器學習領域的著名頂級會議：

CVPR：與另兩個會議ICCV和ECCV合稱計算機視覺領域的三大會，注意會議每年的主頁是變動的，因此搜索需要加上年份;Conference on Neural Information Processing Systems：簡稱NIPS，許多重要的工作發表在這上面，例如關於CNN的一篇重要論文就是發表在上面;

8.自由學習

到這里了，可以說是進入這個門了。下面可以依據興趣來自由學習。前階段不推薦的學習資源也可隨意學習，下面是點評：

cs229：Ng寫的講義很不錯，其中關於SVM的推導部分很清晰，想學習SVM推薦;Neural Networks for Machine Learning：大牛的視角跟人就是不一樣，看看Hinton對神經網路是怎麼看的，往往會讓你有種原來如此的感悟。其實看這門課程也等同於讀論文，因為幾乎每節課的參考資料里都有論文要你讀;CS231n: Convolutional Neural Networks for Visual Recognition：最新的知識，還有詳細的作業。國內應該有團隊對字幕進行了翻譯，可以找找;PRML：作為一門經典的機器學習書籍，是很有閱讀必要的，會讓你對機器學習擁有一個其他的觀察視角;

五.總結

本文的目的是幫助對AI領域了解不深，但又想進入的同學踏入這個門。這里只說踏入，是因為這個領域的專精實在非常困難，需要數年的積累與努力。在進行領域學習前，充分認識自己的特點，制定合適的學習方法是十分重要的。

首先得對這個領域進行充分了解，培養興趣。在學習時，保持著循序漸進的學習方針，不要猛進的學習過難資源;結合著學習與實踐相輔的策略，不要只讀只看，實際動手才有成就感。學習某個資源時要有充分的目的，不是為了學開源項目而看代碼，而是為了寫開源項目而看;不是為了發論文而寫論文，而是為了做事情而寫論文。

本文來自公眾號：「大技術技術匯」，guanzhu了解大數據行業學習大數據技術和學習路線，還有免費學習資料放送。

如果一個學習資源對你過難，並不代表一定是你的問題，可能是學習資源的演講或撰寫人的問題。能把難的問題講簡單的人才是真正有水平的人。所以，一定要學習優質資源，而不是不分青紅皂白的學習。最後，牢記以興趣來學習。學習的時間很長，過程也很艱難，而只有興趣才是讓你持之以恆，攻克難關的最佳助力。

❽ 程序員想進入大公司實習或工作，需要掌握哪些技能

第一：學歷。

為什麼把學歷排第一呢？因為現在很多培訓機構都忽悠那些中學生，說現在學歷不重要，只要你把技術學好。這里說一下，學歷很重要，因為學歷是敲門磚。大公司每次招人都會有很多人來應聘，第一輪怎麼篩選，就是看學歷。

第二：綜合素質

初試的時候，看的就是個人的綜合素質了。你的言談舉止，個人表現，是否積極向上等等。因為你到一個公司，你的所作所為就代表著公司的形象，你在外面給人印象，就是別人對公司的印象，就比如：如果你在國外做了一件好事，外國人會說中國怎麼怎麼樣，不會說這個人怎麼怎麼樣，因為他們不認識你。

❾ 想轉行做程序員，如何入門

轉行做程序員優先考慮編程語言，Java就是一個不錯的選擇。

首先、學習門檻較低，入行難度不高
學習Java一般只要大專以上學歷就可以，年齡最好在20-30歲之間，相信這個門檻並不是很高，很多人都有機會進入這個行業。
學習難度其實也沒有大家想像中的那麼難，很多人會糾結於自己的英語差、數學差這些因素，其實這些都不是能影響你學好Java的原因。很多來參加Java培訓的學員都是零基礎、跨專業，為了能讓他們學好Java，成為一名合格的Java開發工程師。

其次、薪資高，發展前景廣闊
關於Java行業的薪資，相信大家已經了解的很詳細了。如今各個地區都在鼓勵和加快進行Java方向的建設，所以，在未來必將創造出更多的Java崗位。
在信息化時代，Java在未來的作用會越來越大，現在學習Java正當時。
IT行業薪資高、待遇好，在轉行的時候，好多人毫無疑問都會指向IT行業。IT行業領域眾多，哪個行業最值得進入呢？相信很多人在轉行之初都會被建議去學習Java，為什麼建議你在轉行之初選擇Java開發呢？如果對編程感興趣可以來我這看看。

我們都知道，IT作為一種新型產業，在過去短短的十幾年內，已經成為我國重要的經濟增長點，也受到國家的大力扶持。隨著「互聯網+」、「人工智慧」、「雲計算」、「智慧城市」等重大的戰略的實施，更是意味著IT行業將產生巨大的作用，而Java作為常年占據編程語言排行榜第一的位置，憑借自身強大的能力必將在這些戰略的發展中扮演更加重要的角色。

希望對您有所幫助！~