• 编程：《计算机程序的构造和解释》（SICP），配合 Brian Harvey 的 Berkeley CS 61A 课程，深入理解递归等核心概念，告别“似懂非懂”。
• 计算机系统结构：推荐《深入理解计算机系统》（CS:APP），辅以 Berkeley CS 61C，帮助你构建从硬件到软件的完整认知；入门者也可选《计算机系统要素》（Nand2Tetris），通过项目实操理解计算机内部协作机制。
• 算法与数据结构：《算法设计手册》是实用主义者的首选，Steven Skiena 的视频课程生动易懂；搭配 Leetcode 练习，提升实际问题解决能力。
• 数学基础：计算机科学离不开离散数学，首选 Lovász 的课程笔记及 MIT 的《计算机科学中的数学》视频课程，线性代数则推荐“Essence of Linear Algebra”系列和 Gilbert Strang 教授的经典教材。
• 操作系统：《操作系统导论》（OSTEP）免费且结构清晰，适合自学；后续可深入阅读 Unix、FreeBSD、Mac OS X 内核设计等专业书籍，实践可选 MIT 的 xv6 小型操作系统代码。
• 计算机网络：推荐《计算机网络：自顶向下方法》和 Stanford CS 144 课程，注重项目实操，理解网络协议和架构。
• 数据库：先看 Berkeley CS 186 课程录像，辅以“数据库红书”论文集，强化理论基础。推荐《数据库管理系统：原理与设计》作为入门教材，进一步可读 Jim Gray 的经典著作。实践建议自行实现简单关系数据库，理解底层机制。
• 编程语言与编译器：Bob Nystrom 的《Crafting Interpreters》活泼且系统，适合初学；经典“龙书”《编译原理》则适合有导师指导的深入学习。EdX 上 Alex Aiken 的课程是极佳配套资源。
• 分布式系统：Martin Kleppmann 的《数据密集型应用系统设计》为实用导向佳作，MIT 6.824 课程视频免费开放。建议结合阅读经典论文和参与社区（如 Papers We Love）加深理解。
如果时间有限，重点推荐《深入理解计算机系统》和《数据密集型应用系统设计》两本书，投入回报极高，特别适合自学工程师。
学习计算机科学，助你成为能够驾驭底层原理、解决复杂问题的工程师，而非仅会使用工具的“跟风者”。掌握基础，职业成长自然水到渠成。
汇聚了《计算机程序设计艺术》系列的多部著作；提供了从基础算法到高级组合算法的全面学习资源；适合从新手到专家的各个阶段的学习者
The-Art-of-Computer-Programming-Books | #计算机科学
通过这些课程，你可以获得从顶级大学和教育机构的专家直接传授的知识和技能。
一些主要领域的课程示例：
计算机科学入门：包括MIT、哈佛大学和斯坦福大学的课程。
数据结构和算法：涵盖了UC Berkeley、普林斯顿大学和MIT的课程。
系统编程：如CMU和Stanford的课程。
数据库系统：包括加州理工学院和UC Berkeley的课程。
软件工程：如UC Berkeley和康奈尔大学的课程。
人工智能和机器学习：包括哈佛大学、MIT和斯坦福大学的课程。
Computer Science courses with video lectures | #教程 #计算机科学
GitBook | GitHub | Google Docs | #机器学习 #计算机科学
