首先，师兄写的文章我基本赞同，不过个人觉得稍微" 局限"了一点。
这里的局限，指的是师兄认为需要侧重掌握的能力，可能更偏向适合某类具体的工作。
因为强调要知道系统底层运作，则显得非常computer engineering，更偏向的系统运维类的工作。
但是，有些人可能比较感兴趣于其他方面，如网页前端设计等（当然这个就有点偏离CS了），
则不一定对某些细节需要钻研得那么仔细。
再者，加上由于technology的限制，有些时候成立的观点日后不一定成立。
比如深刻钻研磁盘读写调度算法会对performance有很大的改进，
但这些算法都被限制于现在外存存储的碟片模型，说不定以后SSD之类的全面dominaate市场了，
那些算法就可能成为一些legacy的东西了。
我个人认为，作为一个合格的CS毕业生/IT民工/xyz（这里有很多label可以用的。。）
可以从以下几个方面评价、学习：
- 基本素质
- 生存技能
- 自身修养
1. 基本素质
我认为，作为一个合格的CS毕业生/从业人员，必须拥有的基本素质有：
- 程序设计。如了解10门以上的语言，精通2-3门语言。 程序设计语言这是作为一个CS科班出身的人所必须拥有的与别人交流的能力。
无论你算法、理论多牛B也好，我也窃以为起码要掌握一种能与人沟通的语言。
其中我认为，C语言是最接近现今主流计算机实现模型 (limited resource TM)而又不至于太low level的描述，所以强烈建议任何人都精通之。
其次，think like a computer scientist，掌握一门高级语言，如Python/Apple script，你会发觉自己不再拘泥于底层细节，而是天高任鸟飞。
不再拘泥于一些底层的、重复性的东西，而是把自己的表达能力提高了一个层次，因此瞬间能力强大了很多。
- 算法与数据结构。排序、查找、搜索我想是工程里最最常用的case，一定要熟练。
关于它们的重要性，我想CLRS 的序言比我说得好一百倍，不再强调。这对于想做研究的人来说更要。
自我读研以来，越来越发现他们的重要性——除了数学逻辑、可计算性等理论中的战斗机较少用到，之外的几乎任何方向，归根结底总是要设计出一个好的算法解决问题。
如果让我再读一次本科，我会选择少学些花里胡哨的技术，多学些算法。
注意这里说的算法与数据结构，不是指你知道回字有多少种写法，而是你的思维锻炼得究竟如何。
- 根据IEEE/ACM 的Computing Curriculum(CC)，你必须熟悉（越深越好）计算机的一些核心课程，如Discrete Math, OS, Networking等。
接下来，具体的侧重点可以参考最新的CC（好像是03，里面具体分了IT/CS/CE/Management/DB等，好像是七种方向）。
在这个基础上，大量了解CS-related的各个方面(extensive study)，并且在你的职业道路上做好intensive study。
- 了解各大平台与流行的技术以及*系统*底层，这就与pudding的建议有点接近但又没有具体。
这需要时间的积累。以下随便列举一些能学到的并且可能颇为重要的：
-- Windows: Win32 API/MFC/WPF/.Net
-- Linux: shell, kernel, its philosophy, scripting, X
-- OS X: kernel, Cocoa, Obj C, MVC-style Inter Process Communication (IPC)
-- Server side: AIX/SunOS/Solaris etc. system mangement & operation
2. 生存技能
3. 自身修养
- 掌握解决问题(Problem Solving)的基本思路（如Divide & Conquer, Recursion, DP等）与常用Heuristic（如'无机为先'的思路，推荐Polya的How to solve it）。不断提高自己解决问题的能力。
掌握一些解决问题的基本工具、技术。如DP，LP，simulated annealing， genetic algorithm，taboo search，data mining，machine learning（后面这两个已经成为无数research topic的有力灌水工具囧）
- 建议了解一门functional PL，如pudding推崇的scheme/LISP（学习递归思维的利器），或者haskel, O'Caml等。
这是接近从递归论/lambda calculus出发的计算模型描述，让你更深刻地理解计算本质。
- 发挥优秀程序员"懒"的本性，培养"计算机为我所用"的观点，深刻挖掘"Automation"的潜力。
如何让计算机为你干活？这就需要有广度深度并重的结合。在这个思想的指导上，你才能发挥程序员lazy的本性，让计算机帮你做更多的东西，一劳永逸。
我认为一个有水平的程序员必须学会脚本/批处理来处理一些繁琐、周期性的任务，如文本处理、资料备份压缩，等。
- 优秀的学习能力。比方说，能快速地上手工具、学习一门新的语言、借助文档快速开发（给你手册，你能快速地开发如Firefox 插件，Twitter Gadget，系统管理script等的东东吗）。
- 保持学习的动力与激情。技术总是不断淘汰与更新的，必须保持良好的心态与兴趣动力，才能在历史的潮流中屹立不倒。
- 数学修养。不知道pudding 大神碰到了虾米问题让他觉得数学不够，可能是因为接触到B公司的核心IR技术，必须从理论上研究东西的层面上了？
不讨论究竟做IT究竟需不需要数学，但是最起码数学是可以作为一门兴趣培养，并且锻炼思维的。
首先离散数学的各个方向肯定是我们必须要掌握的东西，包括: 集合论、数理逻辑、关系与函数、抽象代数、图论、组合数学、数论、运筹学、形式语言与自动机等。
这一堆是最体现CS背景的东西。离开了这一堆，只能称作CE/IT毕业生了。
其余的各种数学理论，我不敢说干IT究竟能不能用到（比如我就很难看到做系统管理员与近世代数有什么关系），但是如果你aim at research，就很容易碰到。
起码我以前觉得用不上的东西，现在全部都能碰到，如：
-- 几乎所有的research都能或多或少用到微积分/转化为图论、combinatorics的问题
-- image processing: 需要一些信号分析、微积分、微分方程等
-- quantum computing: 线性代数、概率统计
-- cryptography: 代数系统、数论
-- system research: 排队论、博弈论、马尔可夫链、控制论、运筹
-- 就连一些泰勒展开式之类的我以前觉得超级恶心的东西，用来解决某些问题也能屡试不爽。
除此之外，还建议看一些拓扑学、逻辑学等的开拓智力的东西，提高自己的修养。
- 理论层面的兴趣培养。Computer Science 之所以能被称为Science，就是因为其基础Theoretical Computer Science，实质上与数学、物理等能归结到一起，上升到哲学的层面。
首先我们可以从历史层面开始研究计算的历史，从第一个算法GCD到Diophantine Equation与费马最后定理，从abacus到calculus machine，从第一个女程序员ada到第一个女图灵奖获得者Frances Allen
从到图灵机与递归论，从图灵的gay友死去到阿西莫夫再到强人工智能主义的兴衰，从第一台晶体管计算机到冯诺伊曼机，
从几合原本到罗素悖论再到哥德尔不完备性定理，数学史上与物理史上的三次危机，等等等等，都是非常生动有趣的故事。
然后，我们可以阅读一些TCS的东西，体验一下理论带给我们的震撼。可计算性、计算复杂性、形式语言、量子计算，都是值得思考玩味的学科。
最后，我们也可以从信息论(Informatics, Information Theory)的角度入手研究计算，体验一下Shannon 截然不同的观点。
----------
最后，我觉得还有一些off topic但很重要的points……
- mm问题
- 培养一门兴趣爱好，琴棋书画（艺术）方面的兴趣
- 身体健康问题
No comments:
Post a Comment