程序员如何进入科研

❶ 想当程序员，大学应该学什么专业

想当程序员可以学这两个专业：

1、软件工程

软件工程专业以计算机科学与技术学科为基础，强调软件开发的工程性，使学生在掌握计算机科学与技术方面知识和技能的基础上熟练掌握从事软件需求分析、软件设计、软件测试、软件维护和软件项目管理等工作所必需的基础知识、基本方法和基本技能，突出对学生专业知识和专业技能的培养，培养能够从事软件开发、测试、维护和软件项目管理的高级专门人才。

2、计算机科学与技术

计算机科学与技术专业主要培养具有良好的科学素养，系统地、较好地掌握计算机科学与技术包括计算机硬件、软件与应用的基本理论、基本知识和基本技能与方法，能在科研部门、教育单位、企业、事业、技术和行政管理部门等单位从事计算机教学、科学研究和应用的计算机科学与技术学科的高级科学技术人才。

选了这两个专业，会在大学中学习到c语言，c++，java，javaweb等等一系列编程语言，要注意的是，大学里一般一个学期结束一门语言课程的学习，进度会非常快，课程安排量也不会太充足，想要学好，还得靠自己课下努力才行，至少得掌握一门自己拿手的语言。

当程序员需要具备的能力

1、编程语言能力

作为合格的计算机程序员，精通一门语言是必须的。这种精通，不是说看了一本编程宝典，抄了几个程序就能说精通的，要靠长时间的积累。

2、编码能力

遵守编码规范，是一个程序员最基本的要求。另外一个就是注释，要注意不是为了注释而注释。对类，以说明职责为主；对方法，以说明意图为主；对方法体，以说明实现思路为主。对于大段大段的代码，要分段，使用空行隔开，并使用行内注释进行说明。

3、面向对象思维能力

多数编程语言都是面向对象的编程语言。而这些面向对象编程语言的共同精髓就是面向对象的思想。掌握这些比面向对象语言本身更重要，比如对继承，多态，重载的理解。对面向对象基本原则的理解，比如开闭原则，接口隔离原则，单一职责原则等。在此基础上，应该掌握常用的设计模式，比如工厂模式，策略模式，观察者模式，模板方法模式，命令模式等等。

❷ python程序员可以从事是什么方向的研发

web开发首先就可以用python、其次一些公司的运维部门也会用python开发一些工具、现在很多大公司的架构都采用了微服务架构、就是一个大项目中的不同子模块可以用不同的开发语言来实现、只要保证接口能对接上就可以、
还有的一些公司会用python进行机器学习算法的开发、例如招聘网站的人才匹配算法就可以用python的机器学习算法来实现、因为python中有很多关于机器学习算法的库
拓展：

自从20世纪90年代初Python语言诞生至今，它已被逐渐广泛应用于系统管理任务的处理和Web编程。
Python的创始人为Guido van Rossum。1989年圣诞节期间，在阿姆斯特丹，Guido为了打发圣诞节的无趣，决心开发一个新的脚本解释程序，做为ABC 语言的一种继承。之所以选中Python（大蟒蛇的意思）作为该编程语言的名字，是因为他是一个叫Monty Python的喜剧团体的爱好者。
ABC是由Guido参加设计的一种教学语言。就Guido本人看来，ABC 这种语言非常优美和强大，是专门为非专业程序员设计的。但是ABC语言并没有成功，究其原因，Guido 认为是其非开
标识
放造成的。Guido 决心在Python 中避免这一错误。同时，他还想实现在ABC 中闪现过但未曾实现的东西。
就这样，Python在Guido手中诞生了。可以说，Python是从ABC发展起来，主要受到了Mola-3（另一种相当优美且强大的语言，为小型团体所设计的）的影响。并且结合了Unix shell和C的习惯。
Python[5] 已经成为最受欢迎的程序设计语言之一。2011年1月，它被TIOBE编程语言排行榜评为2010年度语言。自从2004年以后，python的使用率呈线性增长[6] 。
由于Python语言的简洁性、易读性以及可扩展性，在国外用Python做科学计算的研究机构日益增多，一些知名大学已经采用Python来教授程序设计课程。例如卡耐基梅隆大学的编程基础、麻省理工学院的计算机科学及编程导论就使用Python语言讲授。众多开源的科学计算软件包都提供了Python的调用接口，例如着名的计算机视觉库OpenCV、三维可视化库VTK、医学图像处理库ITK。而Python专用的科学计算扩展库就更多了，例如如下3个十分经典的科学计算扩展库：NumPy、SciPy和matplotlib，它们分别为Python提供了快速数组处理、数值运算以及绘图功能。因此Python语言及其众多的扩展库所构成的开发环境十分适合工程技术、科研人员处理实验数据、制作图表，甚至开发科学计算应用程序。

❸ 我理工科大专毕业，现在会java编程，在一家公司做程序员，想去国外读研究生。

英国前十的学校读研究生(即使是非研究型的硕士)，除开了英语成绩，学历最低的要求也是学士学位

而且，你所读的大专，如果不被英国教育部承认，想进前十的大学的几率几乎是零

IT行业经验同等重要，建议你积累经验+自我学习，考取相应的职业资格证，或许可以达到同样的效果

加油~

对于补充问题的回答：
担保费+学费(不拿政府资助)+生活费，即便是在新加坡的话，50万人民币也大概只能够一年的学费和生活费(按最低标准计算的)。担保费具体的就不清楚了。
英国学费和生活费都比新加坡高，学费和生活费应该更高。

❹ 我的梦想是成为一名出色的程序设计人员,想问问那些成功的朋友们,我要怎样努力,谢谢大家!

这是一条漫长而艰辛的路

❺ 本人大三。想问下从事游戏开发的程序员，如何才可进入游戏开发公司。需要掌握哪些方面的知识

基础知识扎实，然后确定开发方向，比如作android，IOS，或者PC平台的开发，则相应地了解开发环境，开发语言等，然后有针对性地做些联系或者作品。如果不确定，则C/C++,Java等基础方面的开发经验一定要具备。还有就是对于开发要有自己的理解。
当然还有个很重要的一点是要有持续的热情，不怕失败和困难。

AS3相关的开发说实话我个人不是特别看好。并不是说不能挣钱，只是现在国内的网页游戏做滥了。个人观点，不是个正途。而且flash开发游戏是有局限性的。但是目前看到的，pc上的游戏，也只有网页游戏铺天盖地，真正的PC游戏，比如说利用directX开发的，都没听过有什么游戏。
另外，ios和android开发的一些小游戏，国内到是有一些不错的。
按照你现在的情况，如果不愿意去做flash游戏，多学习打好基础最重要了。至于作品之类的，如果没有好的创意，就不要浪费时间了。其实大多数情况下，作为开发人员只是完成编写代码的任务，很少能自己有些什么作品。毕业后或者提前找个好些的游戏公司，边干边学，你也许会重新选择自己方向的。

❻ 程序员如何在35岁瓶颈期的时候，找到自己的方向

1程序员的困惑

程序员是一个神奇的职业。日复一日面对着电脑，一行一行地码着代码，给人的印象是呆头呆脑，不善于交流和沟通，加班是经常的事，仿佛永远都有干不完的活，身心都很疲惫。但事实上呢？

大多数程序员，他们热爱编程， 对很多技术充满兴趣， 总是希望学习并尝试新奇的技术， 在业余也花了很多时间学习工作中暂时用不到，但是自己很感兴趣并且很看好的技术，从进入到第一家软件公司，后来一直没有离开软件行业。

❼ 普通程序员如何向人工智能方向转型

当下，人工智能已经成为越来越火的一个方向。普通程序员，如何转向人工智能方向，是知乎上的一个问题。

这个学习路线是这样设计的：首先了解这个领域，建立起全面的视野，培养起充足的兴趣，然后开始学习机器学习的基础，这里选择一门由浅入深的课程来学习，课程最好有足够的实验能够进行实战。基础打下后，对机器学习已经有了充足的了解，可以用机器学习来解决一个实际的问题。

这时还是可以把机器学习方法当作一个黑盒子来处理的。实战经验积累以后，可以考虑继续进行学习。这时候有两个选择，深度学习或者继续机器学习。深度学习是目前最火热的机器学习方向，其中一些方法已经跟传统的机器学习不太一样，因此可以单独学习。除了深度学习以外，机器学习还包括统计学习，集成学习等实用方法。

如果条件足够，可以同时学习两者，一些规律对两者是共通的。学习完后，你已经具备了较强的知识储备，可以进入较难的实战。这时候有两个选择，工业界的可以选择看开源项目，以改代码为目的来读代码;学术界的可以看特定领域的论文，为解决问题而想发论文。

无论哪者，都需要知识过硬，以及较强的编码能力，因此很能考察和锻炼水平。经过这个阶段以后，可以说是踏入AI领域的门了。“师傅领进门，修行在个人”。之后的路就要自己走了。

下面是关于每个阶段的具体介绍：

0.领域了解

在学习任何一门知识之前，首先第一步就是了解这个知识是什么?它能做什么事?它的价值在什么地方?如果不理解这些的话，那么学习本身就是一个没有方向的舟，不知道驶向何处，也极易有沉船的风险。了解这些问题后，你才能培养出兴趣，兴趣是最好的引路人，学习的动力与持久力才能让你应付接下来的若干个阶段。关于机器学习是什么，能做什么，它与深度学习以及人工智能的关系，可以看我写的博客从机器学习谈起。

1.知识准备

如果你离校过久，或者觉得基础不牢，最好事先做一下准备复习工作。“工欲善其事，必先利其器”。以下的准备工作不多，但足以应付后面阶段的学习。

数学：复习以下基本知识。线性代数：矩阵乘法;高数：求导;概率论：条件与后验概率。其他的一些知识可以在后面的学习的过程中按需再补;

英文：常备一个在线英文词典，例如爱词霸，能够不吃力的看一些英文的资料网页;

FQ：可以随时随地上Google，这是一个很重要的工具。不是说网络查的不能看，而是很多情况下Google搜出来的资料比网络搜的几十页的资料还管用，尤其是在查英文关键字时。节省时间可是很重要的学习效率提升;

2.机器学习

机器学习的第一门课程首推Andrew Ng的机器学习。这门课程有以下特点：难度适中，同时有足够的实战例子，非常适合第一次学习的人。cs229这门课程我这里不推荐，为什么，原因有以下：

时间：cs229的时间太早，一些知识已经跟不上当今的发展，目前最为火热的神经网络一笔带过。而Cousera上神经网络可是用了两个课时去讲的!而且非常详细;教学：Ng在cs229时候的教学稍显青涩，可能是面对网络教学的原因。有很多问题其实他都没有讲清楚，而且下面的人的提问其实也很烦躁，你往往不关心那些人的问题。这点在Coursera上就明显得到了改善，你会发现Ng的教学水平大幅度改善了，他会对你循循善诱，推心置腹，由浅入深的教学，在碰到你不明白的单词术语时也会叫你不要担心，更重要的，推导与图表不要太完善，非常细致清晰，这点真是强力推荐;字幕：cs229的字幕质量比Coursera上的差了一截。Coursera上中文字幕翻译经过了多人把关，质量很有保证;作业：cs229没有作业，虽然你可以做一些，但不会有人看。这点远不如Coursera上每周有deadline的那种作业，而且每期作业提交上去都有打分。更重要的是，每期作业都有实际的例子，让你手把手练习，而且能看到自己的成果，成就感满满!

3.实践做项目

学习完了基础课程，你对机器学习就有了初步了解。现在使用它们是没有问题的，你可以把机器学习算法当作黑盒子，放进去数据，就会有结果。在实战中你更需要去关心如何获取数据，以及怎么调参等。如果有时间，自己动手做一个简单的实践项目是最好的。

这里需要选择一个应用方向，是图像(计算机视觉)，音频(语音识别)，还是文本(自然语言处理)。这里推荐选择图像领域，这里面的开源项目较多，入门也较简单，可以使用OpenCV做开发，里面已经实现好了神经网络，SVM等机器学习算法。项目做好后，可以开源到到 Github 上面，然后不断完善它。实战项目做完后，你可以继续进一步深入学习，这时候有两个选择，深度学习和继续机器学习;

4.深度学习

深度学习：深度学习是目前最火热的研究方向。有以下特点：知识更新快，较为零碎，没有系统讲解的书。因此学习的资源也相对零散，下面是一些资源介绍。其中不推荐的部分并不代表不好，而是在这个初学阶段不合适：

推荐，UFLDL：非常好的DL基础教程，也是Andrew Ng写的。有很详尽的推导，有翻译，且翻译质量很高;推荐，Deep learning (paper)：2015年Nature上的论文，由三位深度学习界的大牛所写，读完全篇论文，给人高屋建瓴，一览众山小的感觉，强烈推荐。如果只能读一篇论文了解深度学习，我推荐此篇。这篇论文有同名的中文翻译;推荐，Neural networks and deep learning：这本书的作者非常擅长以浅显的语言表达深刻的道理，虽然没有翻译，但是阅读并不困难;推荐，Recurrent Neural Networks：结合一个实际案例告诉你RNN是什么，整篇教程学完以后，会让你对RNN如何产生作用的有很清晰的认识，而这个效果，甚至是读几篇相关论文所没有的;不推荐，Neural Networks for Machine Learning University of Toronto Coursera：深度学习创始人教的课，最大的问题是太难，而且老先生的吐字有时不是很标准;不推荐，Deep Learning (book)：同样也是由深度学习大牛所写的书，但感觉就像是第二作者，也就是他的学生所写的。很多内容都讲了，但是感觉也没讲出什么内容来，只是告诉你来自那篇论文，这样的话可能直接阅读论文更合适。不推荐，cs231n：李菲菲的课程，很有名，专门讲CNN。但是这门课程有一个最大的问题，就是没有字幕，虽然有youtube的自动翻译字幕，但有还不如没有。

5.继续机器学习

深度学习未必就是未来的一定主流，至少一些大牛是这么认为的。传统的机器学习有如下特点，知识系统化，有相对经典的书。其中统计学习(代表SVM)与集成学习(代表adaboost)是在实践中使用非常多的技术。下面是相关资源：

推荐，机器学习(周志华)：如果是在以前，机器学习方面的经典教材首推PRML，但现在周老师的书出来以后，就不再是这样了。首先推荐读周老师的书。这本书有一个特点，那就是再难的道理也能用浅显精炼的语言表达出来。正如周老师的名言：“体现你水平的地方是把难的东西讲容易了，而不是把容易的东西讲难，想把一个东西讲难实在太简单”;

不推荐，Pattern Recognition And Machine Learning：当前阶段不推荐。PRML是以贝叶斯的观点看待很多机器学习方法，这也是它的一大特色。但对于初学者来说，这种观点其实并无必要。而且此书没有中文翻译，当前阶段硬啃很容易放弃;

6.开源项目

当知识储备较为充足时，学习可以再次转入实践阶段。这时候的实践仍然可以分两步走，学习经典的开源项目或者发表高质量的论文。开源项目的学习应该以尽量以优化为目的，单纯为读代码而学习效果往往不太好。好的开源项目都可以在Github 里搜索。这里以深度学习为例。深度学习的开源优秀库有很多，例如torch，theano等等，这里列举其中的两个：

推荐，DeepLearnToolbox：较早的一个深度学习库，用matlab语言撰写，较为适合从刚学习的课程转入学习。遗憾的是作者不再维护它了;

推荐，tensorflow：Google的开源库，时至今日，已经有40000多个star，非常惊人，支持移动设备;

7.会议论文

较好的课程都会推荐你一些论文。一些着名的技术与方法往往诞生于一些重要的会议。因此，看往年的会议论文是深入学习的方法。在这时，一些论文中的内容会驱使你学习数学中你不擅长的部分。有时候你会觉得数学知识储备不够，因此往往需要学习一些辅助课程。

当你看完足够的论文以后，在这个阶段，如果是在校学生，可以选择某个课题，以发论文为目的来学习研究。一般来说，论文是工作的产物。有时候一篇基于实验的论文往往需要你写代码或者基于开源项目。因此开源项目的学习与会议论文的工作两者之间是有相关的。

两者可以同时进行学习。关于在哪里看论文，可以看一下CCF推荐排名，了解一下这个领域里有哪些优秀的会议。

下面介绍两个图像与机器学习领域的着名顶级会议：

CVPR：与另两个会议ICCV和ECCV合称计算机视觉领域的三大会，注意会议每年的主页是变动的，因此搜索需要加上年份;Conference on Neural Information Processing Systems：简称NIPS，许多重要的工作发表在这上面，例如关于CNN的一篇重要论文就是发表在上面;

8.自由学习

到这里了，可以说是进入这个门了。下面可以依据兴趣来自由学习。前阶段不推荐的学习资源也可随意学习，下面是点评：

cs229：Ng写的讲义很不错，其中关于SVM的推导部分很清晰，想学习SVM推荐;Neural Networks for Machine Learning：大牛的视角跟人就是不一样，看看Hinton对神经网络是怎么看的，往往会让你有种原来如此的感悟。其实看这门课程也等同于读论文，因为几乎每节课的参考资料里都有论文要你读;CS231n: Convolutional Neural Networks for Visual Recognition：最新的知识，还有详细的作业。国内应该有团队对字幕进行了翻译，可以找找;PRML：作为一门经典的机器学习书籍，是很有阅读必要的，会让你对机器学习拥有一个其他的观察视角;

五.总结

本文的目的是帮助对AI领域了解不深，但又想进入的同学踏入这个门。这里只说踏入，是因为这个领域的专精实在非常困难，需要数年的积累与努力。在进行领域学习前，充分认识自己的特点，制定合适的学习方法是十分重要的。

首先得对这个领域进行充分了解，培养兴趣。在学习时，保持着循序渐进的学习方针，不要猛进的学习过难资源;结合着学习与实践相辅的策略，不要只读只看，实际动手才有成就感。学习某个资源时要有充分的目的，不是为了学开源项目而看代码，而是为了写开源项目而看;不是为了发论文而写论文，而是为了做事情而写论文。

本文来自公众号：“大技术技术汇”，guanzhu了解大数据行业学习大数据技术和学习路线，还有免费学习资料放送。

如果一个学习资源对你过难，并不代表一定是你的问题，可能是学习资源的演讲或撰写人的问题。能把难的问题讲简单的人才是真正有水平的人。所以，一定要学习优质资源，而不是不分青红皂白的学习。最后，牢记以兴趣来学习。学习的时间很长，过程也很艰难，而只有兴趣才是让你持之以恒，攻克难关的最佳助力。

❽ 程序员想进入大公司实习或工作，需要掌握哪些技能

第一：学历。

为什么把学历排第一呢？因为现在很多培训机构都忽悠那些中学生，说现在学历不重要，只要你把技术学好。这里说一下，学历很重要，因为学历是敲门砖。大公司每次招人都会有很多人来应聘，第一轮怎么筛选，就是看学历。

第二：综合素质

初试的时候，看的就是个人的综合素质了。你的言谈举止，个人表现，是否积极向上等等。因为你到一个公司，你的所作所为就代表着公司的形象，你在外面给人印象，就是别人对公司的印象，就比如：如果你在国外做了一件好事，外国人会说中国怎么怎么样，不会说这个人怎么怎么样，因为他们不认识你。

❾ 想转行做程序员，如何入门

转行做程序员优先考虑编程语言，Java就是一个不错的选择。

首先、学习门槛较低，入行难度不高
学习Java一般只要大专以上学历就可以，年龄最好在20-30岁之间，相信这个门槛并不是很高，很多人都有机会进入这个行业。
学习难度其实也没有大家想象中的那么难，很多人会纠结于自己的英语差、数学差这些因素，其实这些都不是能影响你学好Java的原因。很多来参加Java培训的学员都是零基础、跨专业，为了能让他们学好Java，成为一名合格的Java开发工程师。

其次、薪资高，发展前景广阔
关于Java行业的薪资，相信大家已经了解的很详细了。如今各个地区都在鼓励和加快进行Java方向的建设，所以，在未来必将创造出更多的Java岗位。
在信息化时代，Java在未来的作用会越来越大，现在学习Java正当时。
IT行业薪资高、待遇好，在转行的时候，好多人毫无疑问都会指向IT行业。IT行业领域众多，哪个行业最值得进入呢？相信很多人在转行之初都会被建议去学习Java，为什么建议你在转行之初选择Java开发呢？如果对编程感兴趣可以来我这看看。

我们都知道，IT作为一种新型产业，在过去短短的十几年内，已经成为我国重要的经济增长点，也受到国家的大力扶持。随着“互联网+”、“人工智能”、“云计算”、“智慧城市”等重大的战略的实施，更是意味着IT行业将产生巨大的作用，而Java作为常年占据编程语言排行榜第一的位置，凭借自身强大的能力必将在这些战略的发展中扮演更加重要的角色。

希望对您有所帮助！~