标签：
科学与技术
知识架构
大学阶段如何学习1st
基础、术语、知识【思维】
数理思维
【思维与系统】
计算思维
→高度决定视野
（设计，机械产品中的自动控制系统，改变生活）
（程序设计，计算思维。理解程序变成机器，程序执行程序环境，求解的计算思维）「机器」
→角度改变观念
（沉迷于事业不能自拔）
（思维有用还是技术有用，软件体现的计算思维）
→尺度把握人生
（不断学习，训练，提高。量变到质变）
为什么学，怎样学，学什么
为什么学
?
STEM job
supply versus demand
jobs vs grads
computing,enginering,life sciences,mathematics,physics sciences
计算机系统system
计算机理论theory
人工智能ai
（
安全security→设计design，网络networking，分布系统attributed system，硬件hardware→电子工程electrical engineering，服务计算service computing→sociology&serviceology
几何计算geometric comp，算法algorithms，图形学graphics→艺术，人机交互hci:human comouter interaction→心理学
数据仓库数据挖掘database&data mining→统计学statistics，机器人robotics，机器学习machine learning，自然语言理解natural language→语言学linguistics，计算生物学comp.bio→生物学，计算经济学comp economics→经济学economics
)
重要：
学习「计算思维」（计算学科为代表：计算手段来主动支撑理论思维 实验思维）
理论思维（数学学科为代表定义，性质，定理，公理及其证明）
实验思维（化学：观察，实验，发生现象，对现象归纳总结研究）
ACM主席the great principle of computing计算的伟大原理
☆复合性思维（计算机学科+其他学科思维体系）→创造性思维
学什么之「计算学科」
①社会/自然问题→②计算手段→③自然/社会问题求解
②计算手段：
-人计算（数学→计算方法获得结果）
-机器自动计算（计算机科学→
程序vs系统，程序被机器自动执行
语言vs编译，编写机器可以执行的程序
问题?算法?程序，构造求解问题的算法。理解计算系统如何构造）
-机器难于计算（计算机科学→
可求解vs难求解，哪些难求解的问题
计算vs算法，构造算法降低计算量
怎样研究算法，借鉴自然界生物规律、计算系统）
①→③：计算和社会自然的融合，用计算手段研究社会/自然问题
总结.学什么：
程序vs系统
语言vs编译
问题?算法?程序
可求解vs难求解
计算vs算法
怎样研究算法
用计算手段研究社会/自然问题
学什么之计算思维
奠基性思维：0和1，程序，递归
计算环境衍化：冯诺依曼机→个人计算环境→并行分布环境→云计算环境
算法（数学建模）/系统（非数学建模）
分支学科：（计算机与社会/自然融合）
计算经济学、计算统计学、计算金融学
.......
大学阶段如何学习
标签：
原文地址：http://www.cnblogs.com/lqzxx/p/2ed5c9ce-9022-418b-967e-d0f142d494ac.html
