1樓：
你提的這三本，前兩本我是真的一頁一頁讀完了，收穫很大。我導師跟我說，每隔幾個月，就把深入理解計算機系統翻一遍，當然我沒做到，至今也就從頭到尾完整翻過一遍，零零碎碎地用到啥就翻過去看啥有一些。演算法4也是這樣，對演算法更有體會，看到了這些演算法的簡潔實現，感慨「大神就是大神」之餘，對那些看上去很複雜的演算法也不再還沒寫就懼怕了，有時候用到什麼會回來翻翻書，當工具書用了。
經典的書就是經典的書，是值得反覆看的。至少從頭到尾翻過一遍，偶爾再回來翻翻某些章節。《C程式語言》，我從頭到尾完整翻過3遍，單從語言以及對一些原理的理解上說，我敢說自己精通了。
經典是有必要讀的。實踐也是必要的。在學校裡寫5000行左右的小專案，比寫1000行以內的小程式體會更多收穫更大。
工作了，從頭開始構建乙個10萬行的專案，其中還涉及多人合作，體會又不一樣。我的觀點，理論結合實踐，兩手抓兩手都要硬。光有實踐，遇到點問題就撓頭了；光有理論，一些實踐中總結的經驗連聽都沒聽過，容易埋雷。
兩個例子。
1：剛工作時，組裡用Qt開發，我此前從沒接觸過GUI，只是C++底子還行。於是用一周時間上手Qt，立刻開始幹活。
沒過兩三個月，很多同事有問題都會問我。這就是底子厚基本功紮實的好處。
2：前段時間實現乙個協議，按協議的寫法：乙個傳送方可能對應多個接收方，如果傳送方1秒後未收到回執，就重傳。
我就原封不動，為每個接收方都搞了個1秒的定時器。後來看到同事的寫法：全域性只有乙個300毫秒的定時器，每次定時器超時，遍歷所有接收方，判斷需不需要重傳。
同事問我我搞那麼精確幹嘛？按我的寫法，如果接收方多了，定時器開太多，系統會慢。他這樣寫，無非是損失一點點精度，需求又沒說要把超時時間弄那麼精確，只要超過1秒給它重傳就行了。
我驚為天人，這就是我經驗不夠造成的，容易埋雷。
2樓：程式喵大人
分階段。拿《深入理解計算機系統》舉例。
如果你基礎一般的話，對作業系統的理解還沒有梳理出乙個體系，沒有達到可以構建「面」的層次，那其實我是建議你先把整本書通讀一遍的，當然，很多廢話略過。
3樓：AmberGarden
一般來說，某一方面的知識都是成體系的，而且有很多細節。如果乙個人在學習的時候喜歡從大局觀的角度上來看，那麼他就比較容易能夠了解各個知識點之間的關聯，對構建自己的知識體系幫助較大，而且學習效率較高。如果乙個人在學習時看的比較細，那麼他就能更清晰地了解區域性領域內的關聯關係，對實際落地的助力更多，缺點就是消耗的時間太多
從我個人的角度來說，體系和細節都應該注重。無論是高中搞競賽還是現在的學習中，這兩種學習方式我都會兼顧：
選取一本還不錯的書作為基礎書籍，先按章節學習理清整個知識脈絡。在該階段，我會在每學習完一段時間想想書裡講解的各種知識，並記錄下當時沒有理解或者思路並不清晰的問題。如果書中用大量篇幅講述了某部分知識但是我當時沒看懂，我也會記錄下來。
這是第一遍快速的讀，要盡量理清整個知識體系的脈絡，同時也允許自己有不理解的地方。在下一次讀這本書的時候，我們就需要特別關注這些問題。
再讀這本書的時候，你可能就會發現有些之前沒有弄明白的問題已經懂了。這是因為書對於知識的講述是線性的，而實際的知識體系是立體的。書籍只是找乙個最簡單合適的角度來切入這個知識體系，並不代表這些知識就一定與後面講解的知識沒有關聯。
因此再次閱讀時，哪怕你沒懂，學習的難度已經降低了，至少看懂的概率比一開始高了不少
最後這本書中的內容就可以作為你的基礎知識集。再看其它書籍的時候如果有了新發現，就可以將這本書沒講到的知識點記錄在書籍的夾縫（或者筆記）中
需要注意的是當前這本書是不是真的太細了。比如鍊表，把怎麼操作的思路給講得清清楚楚就好。如果它講了單鏈表，又把雙鏈表，環形鍊表又事無鉅細地講了一遍，那其實就是太細了
4樓：
目錄是文字媒介最偉大的發明，請依照目錄看自己哪些感興趣，哪些需要學習，很多書都可以被當作工具書需要就翻不需要就放著，沒人能告訴你你該學啥因為我們不了解你的情況，興趣，和水平。
5樓：
一頁一頁這樣幹過，但是第一遍的時候沒有這樣幹。最開始讀演算法的時候，只是大概了解了整體書內容結構。後續有針對性的讀取書中的內容。
6樓：
兩個最關鍵的點：你的目標是什麼，你要掌握什麼。
我們最常見的說法是，要構建乙個體系。作為乙個計科人，最能體現我們的專業性的第一性就是層次結構的計算機系統，第二性是沒有最好、只有更好（沒有一種演算法對於所有的問題都是最優的，沒有一種計算機系統對於所有的應用都是最優的，只有各種折衷）。
本科是打基礎的階段，所以，我們要掌握構建體系的一般性知識與技術，以及使用這些知識與技術構建體系的理論與方法。這些東西，我們要熟而又熟，成為本能。
在計算機學科的幾十年發展的歷史上，曾經提出的理論、方法與技術多如牛毛，最後留下來的東西，並不算多。另外，由於較前沿的研究需要相當的前置知識與能力，所以，90年代中後期的發展並不適合初學者學習。
所以，我的意見是，深入理解計算機系統、演算法4、演算法導論，都不太適合作為教材和主要學習材料。
如果你立志成為一名電腦科學某個方向的學者、專家，那麼，要精心規劃整個成長過程。
本科階段，要打好基礎，初步接觸某個方向。碩士階段，要初步構建出這個方向的體系，接觸前沿。博士階段，在這個方向的前沿進行探索。
博士畢業之後的前幾年，要開始進一步拓展這個方向，之後，開拓新的方向。
這裡面最重要的一點，就是學校的傳承、團隊的傳承。
7樓：
深入理解計算機系統做lab就好，幾個lab質量挺高的。
演算法書也是對著目錄把演算法掃一遍刷題，leetcode之類的。書反而是小頭。
正經躺在床上一本書掃一遍乙個晚上，大綱就知道了，計算機方向的，動手實驗一下就會了，實驗器材要麼電腦要麼伺服器，都在手邊。
8樓：舒琴
你花三個月讀三千篇各種資訊新聞零散的網路文章，基本三個月就忘乾淨了，
與你花三個月讀一本書，學到的東西大半生受益匪淺，
自己選。
事實可能是：你花一年讀十本普通計算機書籍，不如花一年精讀一本計算機經典書籍。二十個普通程式設計師，可能比不上乙個20X程式設計師。
肯花功夫的人，老天不會虧待他；想走捷徑的人，我不知道結果會怎樣。
真正需要你讀的書不會超過百本，但它們給你的教益可能是終生的。衡量一下投入產出比。
如何閱讀厚厚的經典技術書籍？化整為零，制訂計畫，堅持學習，嚴格貫徹，自會收到好的效果。
聰明的人肯花笨功夫。這裡的笨功夫就是讀必讀書籍，無論這書有多厚有多難。花不了這種笨功夫，泯然眾人矣，那就不要抱怨內卷嚴重了。
關於一些計算機基礎知識？
極端 需要數學基礎 高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。數學基礎知識蘊含著處理智慧型問題的基本思想與方法，也是理解複雜演算法的必備要素。抄今天的種種人工智慧技術歸根到底都建立在數學模型之上，要了解人工智慧，首先要掌握必備的數學基礎知識。線性代數將研究物件形式化，概率論描...
數學和計算機哪個專業更好一些？
就是蹦 我是計算機專業，曾經參加數學建模的時候，你其實就發現計算機和數學不可分的，查資料就又會發現，很多計算機學習的演算法都會有數學專業的大牛參與。平時出去打ACM比賽的時候，做的每乙個演算法題，最終都會歸結到解乙個數學問題。如果乙個計算機專業的人將來做軟體開發什麼的，可能用前人造出來的演算法就可以...
能推薦一些學計算機基礎的書嗎？
zsam 個人覺得電腦科學概論是本很好的入門書 對於沒接觸過的 為什麼這麼說呢？因為這本書可以讓你較全面的了解很多方面的相關知識，有助於你學習的時候不限於單方面的範圍。看完後再去學習對應詳細的資料。這樣子感覺會好很多。 瀟瀟灑灑 搬運工感覺還可以 forry 不知道答主你具體情況怎麼樣，基礎到底怎麼...