1樓：
前面很多答案假大空，估計很多大頭書自己都沒看完就拿來裝b了
最好的辦法就是直接用C++去刷leetcode，然後多看看其他人的高分解答，一點點去google那些C++特性，堅持個1年以上，不僅資料結構和演算法還有語言特性，隨便完爆那些啃大頭書的人。
刷完leetcode更重要的，學好了演算法和資料結構，所有語言都能融會貫通了
2樓：luanlijie
學哪種程式語言是次要的，主要的還是資料結構、演算法、程式設計思想。這就好像，你學會了駕駛技術之後，就不在乎它是賓士還是夏利，自己的車還是別人的車，你都可以開，最多是剛上手時先花一小點時間熟悉一下，僅此而已。
另外，多動手。
3樓：
程式設計水平能力分為兩種。
其一是演算法能力，包括但不限於語言，資料結構，演算法，以及基本的數學能力（包括不限於初等數學，組合數學，離散數學，微積分，概率論，線性代數，數值分析）。
其二是工程能力，包括不限於軟體工程，資料庫理論，編譯理論，作業系統，計算機網路，計算機原理，以及各種框架，輪子等。
鑑於題主的情況應該是傾向於第一種能力。那麼就很簡單了，刷題就行了。另外其實不用糾結於語言，語言貴在精而不再多，而且一種語言「精通」之後，你就會發現其實各種高階語言都大同小異。。。。
資料結構和演算法才是根本。
4樓：Garfield
如果做高能物理，你沒得選，C++,因為CERN開發的ROOT，GEANT4，Garfield++，用的都是C++。其他方向，我不了解。符號計算用的多的話擼math吧，雖然我一直沒學。
統計用的多話，比如高能實驗，會R就錦上添花了。
如果你不需要做控制論研究系統，做計算很少用矩陣，那就離matlab遠點，這東西我玩精之後，除了數模平時很少開。
總結下來，我大C++才是最好的，硬體軟體都可以搞，將來物理找不到工作還可以去做硬體(逃。。。。)。
5樓：
取決於你是實驗方向，還是理論方向。
如果是理論的話，mathematica 是必須的。學習的方法是，平時就養成習慣，所有的機械活都讓 mathematica 去做。本科時就有很多這種活，比如算 operator 展開、變換 PDE 之類。
當然，這些都是需要程式設計的。不需要任何書，直接讀 mathematica 官方文件就行。程式設計處理表示式的技巧需要慢慢積累，但回報是可觀，一旦熟悉之後，可以快速用 mathematica 測試一些想法。
等到做研究的時候，就是牛車拉煤和火車拉煤的區別。
6樓：zhdllwyc
double major computer science
哈哈我就是這樣，而且感覺會很有用，但是如果不想可以讀一些c++的入門書，我們學校第一節程式設計課是用的c++ for everyone, 感覺還好
物理系學生如何學物理？
淺念 學好專業課真的蠻重要的，好好學習教材吧，真的感覺搞明白教材蠻重要的，如果感覺自己老師講的沒聽懂，可以去b站看看，好多優秀的老師，優秀的課，真的獲益匪淺！ 無屆 善於建立自己的物理影象，有了影象後，剩下的就是根據影象來理解和計算。很多物理中的概念，書上為了表達精確，詞藻較為複雜晦澀，這就需要我們...
物理系的學生如何學習數學物理方法？
Zeldovich Yakov 不要看國內或者美國的一幫實用主義導向的人搞出來的只管計算，不考慮證明的數學物理方法，除非只是為了救急。如果按照那種實用主義導向學數學，將來物理研究對數學需要發生變化，這種實用主義訓練出來的人將因為很難自學新的數學，無法適應變化而很快被淘汰。老老實實找正經的數學物理專家...
物理系學生如何學習人工智慧？
大江東去 樓主已經有微積分和線性代數的基礎，估計可以很快學會多層感知機 卷積神經網路等演算法，尤其建議掌握卷積神經網路和它的一些變體，例如 卷積神經網路 卷積神經網路是現在最常用的機器學習方法之一，尤其在影象 語音領域。卷積神經網路 深度殘差網路 深度殘差網路的核心在於identity connec...