一、基础学习
1.别人家的大学（复旦）的培养方案
学硕科研的基本要求
（1）应了解本研究方向的发展动态，基本熟悉本研究课题的文献。
（2）掌握英语，读写英语外文。
（3）具有一定的发现问题、表述问题、分析问题、解决问题的能力，会利用本专业工具。
（4）应至少以第一作者在核心期刊上发表1篇以上较高水平的学术论文。
能在国内外重要的学术会议上发表有见解的论文。能在导师的指导下，开展本专业热点问题的研究工作。能在导师指导下，跟踪本专业前沿研究方向的发展。
（5）研讨会次数：
讨论班每周一次，每学期每个研究生报告1次以上。参加讨论班的总次数应在60次以上。每年听3次以上的前沿讲座。
学位论文的基本要求
（1）学位论文选题应属于本学科专业有关研究方向的基础研究或应用研究中的重要课题，对于学科发展或产品开发应用有一定的意义。 （2）文献综述应基本掌握与课题有关的国内外研究发展动态，能明确提出待解决的问题。
（3）研究工作部分应有一年以上的工作量，有一定的创造性成果，至少以第一作者在国内核心刊物上发表一篇以上（含一篇）的研究论文，且论文内容与学位论文中 的部分内容密切相关。
（4）科学硕士生申请学位发表的论文必须以第一作者发表（特殊情况除外）、且第 一署名单位为复旦大学，满足以下要求之一：
1、根据《中国计算机学会推荐国际学术会议和期刊目录》中的A类国际学术会议或 期刊上发表（含录用）的论文（长文）；
2、根据《中国计算机学会推荐国际学术会议和期刊目录》中的B类国际学术会议或 期刊上发表（含录用）的论文（长文）；
3、在列入ESI的国际学术期刊上发表（含录用）论文；
4、在《复旦大学学位与研究生教育国内期刊指导目录》中的A类期刊上发表（含录用）论文。
一区二区是中科院根据杂志的影响因子（平均每篇文章两年引用数）对杂志按照专业进行划分。一区是占前5%，二区是前20%对期刊。一区二区一般认为是该专业的top期刊了。一区二区期刊有很多，比如，大家熟知的nature science就是综合类一区。
别人家的大学课表（不包括选修课的部分）
2.渣渣大学
可以看出渣渣大学和别人家的大学差距是非常巨大的。。。。。。。。
下面只列出必修课，不包含3门选修课和导师的任务（横&纵向课题）：
（1）第一学期：
机器学习导论+矩阵论及其应用（另外中特+英语）
（2）第二学期：
算法分析与设计+人工智能与深度学习导论+2门AI相关专题课
（3）第三学期：
论文写作学术规范+机器视觉与模式识别+自然语言处理
软件工程技术与设计+无线网络与移动计算+计算机应用综合实践+大数据&电商智能
——另外实践和科研各为2个学分，学位论文3个学分。
二、研究方向
继续看别人家的大学。。。研究方向的介绍
三、CS读研规划
说实话自己还不知道怎么规划，也还没选好导师，看到知乎的YANBO大佬的经验贴内心有点震撼，下面是YANBO的计算机硕士读研规划，后面再补写自己的计划：
YANBO大佬上海某高校计算机专业，科班出身。
热爱存储与虚拟化技术，在相关领域有一定的技术积累，包括数据库、rocksdb存储引擎、文件系统、NVMe驱动、虚拟化以及kernel by pass技术。在秋招中有幸获得阿里、腾讯、百度、Intel、网易互娱、金山云等公司的offer。在此希望能够为未来的同学介绍一些硕士期间的学习路线，希望大家能够有效利用三年的学习时间，积累自己的技术栈。
1. 确立目标
大家刚入学，首先要对自己未来三年后的规划有明确的目标。对于一般人来说（大神除外），无非主要关注两种选择，一是未来能够加入到喜欢的公司继续搬砖做工程技术（工程型），另外一种是希望能够做research，参与最前沿的科研项目，将来能够将自己的学术成果发表在顶会上（学术型）。只要大家能够确定自己的目标，制定相应的学习计划，坚持下去，就一定会有收获。当然，在自己刚入学还在迷茫时候，可以试着尝试先选定一个努力的目标，只有试了才知道自己适不适合。博主本人属于工程学术兼备型，具体的学习规划后面将详细介绍。
2. 制定规划
在这不具体介绍每个专业的学习规划是什么，因为计算机方向实在太多了，对于每一个方向都要涉及到特别多的技术积累，在这是讲不清的，况且博主对其它方向也不是特别熟悉。在这里主要告诉大家，该如何摸索自己的学习规划，坦白的说，就是在这个方向上我如何学哪些东西，才能在将来秋招大队中显示出自己独特的地方。在此以博主自己的“存储”方向为例，来说明如何摸索。
基础知识
基础知识相当重要，主要是计算机相关的必修课，如语言相关、数据结构、操作系统、数据结构、计算机网络等。基本上对于所有的计算机方向来说，都离不开上述基础知识。虽然说把这些学好，貌似还做不了什么成就出来，但没有这些基础知识是万万不能的。然而，大多数同学对基础知识还有很大的误区，认为所从事的工作就是以语言划分为主的，本科加硕士七年时间，只要熟练掌握一门语言，例如Java，未来就能胜任一份工作，这是远远不够的。编程语言是计算机学科中最重要的一项基础知识，也是做其它事情的先前条件。就好像刚出生的小孩子一样，学会了走路说话，似乎还不能自己独立做一些事情，然而如果连说话走路都还没有达到的话，还说明还是需要很多的时间来成长的。其实编程语言是大二就应该熟练掌握的知识，而且至少需要会三种不同的编程语言。个人认为，语言只是基础，必须熟练掌握，没有哪个语言好，哪个语言不好。各类编程语言（C/C++、Java、Python、Shell、Golang等）都是相通的，不存在会不会的问题，团队需要什么，老板需要什么，大家就用什么，即使不熟悉的，看个两三天基本就应该可以上手工作了。
以存储方向为例，这是我遇到的各种编程语言的使用场景：
C：底层基本都是用C写的（例如文件系统、driver），C是我个人使用最多的语言。
C++：由于喜欢钻研数据库的源码，因此如果要自己动手修改MySQL内核、Rocksdb引擎等，都必须掌握C++。否则源码看不懂，自己改内核也无从下手。
Python：因为在论文中，博主经常会遇到一些算法方面的研究，因此在模拟各类不同的算法时，经常会选用Python最为测试语言。
Shell：由于经常操作Linux，对于一些经常使用的集成测试，都会手写shell脚本来完成。并且针对一些有规律的重复性操作，自己经常会写一些shell脚本来控制，大大提高了自己的工作效率。
Golang：由于在深圳某T公司实习的时候，项目需要优化Kafka的客户端，因此使用golang进行重构，虽然之前没接触过golang，但看了一天教程，基本第二天就直接开始用golang来coding了。
此外还有数据结构、操作系统等，此处不再多叙述，如果在基础知识方面还很欠缺的话，建议多花额外的时间补习。
必备工具
熟练掌握各类工具真的是事倍功半。最早的时候没有在这方面投入很多精力，导致失去了很多东西。因此建议大家在自己方向上的必备工具一定要花时间去学习，这是未来在效率上和别人竞争的神器。下面还是以我的专业"存储"方向为例，来说明工具的重要性。
在做存储相关的技术时，经常会遇到行一些奇葩的bug，例如I/O hang，segmentation fault等。此外，存储方面大部分的主要关注点是性能的提升，因此不同的类型的性能评估测试也是必备项。此外，对于经常写代码的同学来说，好的编辑器，例如vim，各种调试、测试工具都是必不可少的。
fio: 大名鼎鼎的fio，用来直接评估裸盘以及文件系统的I/O性能。
perf：可以用来生成火焰图分析程序中的热点函数以及CPU使用率等，直观的分析出程序中的瓶颈以及问题所在。
cgroup：在做性能评估的时候，经常会遇到为了达到真实的使用场景，用于一些资源限制，系统资源分配管理的工具。
gdb：Linux下编程，尤其是系统软件，都离不开gdb的调试。尤其经常遇到segmentation fault的时候。熟练的使用gdb决定了debug的速度。
valgrind：程序检测工具，就算再严谨的人，难免会遇到一些疏忽的意向不到的错误，例如memory leak。因此，熟练使用这类工具能够保证代码的质量，提前解决一些意想不到的bug。
vim：vim真的是特别强大的编辑器，尤其是在Linux环境下工作的同学，vim的常用配置方法以及各种快捷键都是必须要熟练掌握的技术。
此处不再一一介绍，主要是向大家说明工具的重要性。
提升阶段
在有了牢固的基础知识以及熟练掌握各类神器工具之后，后面需要开始进阶学习，并不断的动手提升自己。
首先是基本的进阶，就是一些常见的算法与编程。建议可以通过在各类编程平台上动手练习（例如leetcode），一是锻炼自己的算法思维以及语言的熟练度；其次是学习其它大神的写代码规范。如果能够坚持一到两年，每天至少一道题的话，会有很大的提高，这个过程是量变到质变的过程。
其次是阅读学习一些优秀项目的源码，如果能够将一个项目理解到一行行代码程序的话，才是真正的学习到其精华，并且能够加深对其的认识。例如，我们都学过操作系统，知道操作系统基本的线程管理、内存管理、I/O系统等。但都是理解在文字概念的层面，如果能够深入内核源码，去细细品味每一个子模块，每一个数据结构的话，对个人的技术来说是很大的提升。例如，在博主大四的时候，便开始阅读Linux内核文件系统与内存管理相关的源码。当然，当你第一次看这么庞大的项目的时候，一定是一脸懵逼，不知所云。所有人都会经历从不会到会再到精通的过程，没有人第一次看就能直接看懂的。我们要做的是，坚持不懈。在别人看电视剧的时候，我们在看源码，在别人玩游戏的时候，我们还在看源码，在别人逛淘宝的时候，我们还在看源码。所以当别人在最后抱怨太难放弃的时候，你基本已经上道了。
博主在硕士期间精读过多个优秀项目的源码，ext4、blobstore、Redis、Rocksdb、SPDK、DPDK等。
进阶学习
要想在相关领域内学习到最前沿的技术，个人认为有两个最佳的渠道。一是各类开源社区，二是各类计算机顶会的论文。
首先从开源社区谈起，随着我国互联网的发展，越来越多的大公司开始倡导去IOE，因此随之而来的是各种开源项目的不断崛起。而且越来越多的企业开始使用开源软件作为底层服务软件，并且为了更够更加匹配公司的实际业务环境，越来越多优秀的开发者加入到开源社区当中来。
因此，为了学习到这些新技术的发展方向，要时长关注各类社区的动向，最好能参入其中。首先，若想了解到更多的未来发展方向，可以订阅社区的mailing list，看社区中的大牛经常会提出什么讨论，新的patch等。
其次，再不断的学习相关源码的时候，试着做一些优化，可以向社区提patch，来参与其中。对于大家来说，这个刚开始不容易上手，可以选择先从文档和注释做起，比如有一些文档写的不够全面、不够规范，或者有一些必要的地方缺少注释说明，这些都可以作为一个贡献去向社区提request。
在逐渐的更加熟悉后，可以经常关注该项目的github issues，看是否有一些bug需要解决，可以尝试帮着社区解bug，其次也可以针对一些该项目缺少的功能，自己进行开发，向社区做贡献。这是一个很好的学习路径。
其次是各类计算机顶会。各大公司和名校的最新research都会发表在一些好的计算机会议上。要经常关注每年的会议，精读自己感兴趣领域的最新研究。例如，博主是学存储方向的，因此经常会关注一些系统和数据库方面的会议，例如FAST、OSDI、VLDB、USENIX ATC等。例如，经常阅读这些顶会的论文，你将会发现，如今LSM Tree、用户态软件栈、Open Channel SSD、RDMA、NVDIMM等，都是目前近几年无论在企业界还是学术界都特别关心的技术。通过阅读学习这些优秀的论文，一是能够学习到其中精妙的系统设计，二是能够学习到很多表达的技巧（包括presentation、做PPT、画各类图等），这些积累都是特别重要的财富。
其次，无论是参与到开源社区中，还是精读论文，都需要有一个良好的英语基础。无论是阅读、写作、还是听力和口语都是必须的。因此，每天留出额外的时间去学习英语是必不可少的。博主本人在这方面就有些缺失，因此目前仍在不断努力加强中。
4. 核心竞争力
确立了目标与学习计划是远远不够的，态度决定一切。最主要的还是脚踏实地，一步步地去学习。当然，学习的过程中难免会遇到很多困难，最主要的还是坚持不懈，勇敢的去战胜困难。要向优秀的人看齐，不要被外界的东西所打扰。例如，书还没看两页，就去打游戏了。刚配了一个环境，遇到点困难就放弃了，转身去看电视剧了。这样是万万不能的。
要有坚定和果断的意志。以博主本人硕士期间的生活举例，通常周中晚上都是12点、1点睡觉，早上一般都是7点吃过早饭就坐在实验室了。中途从不玩手机、不打游戏、不看剧、不逛淘宝的。但是周末喜欢出去疯玩两天，周末除了特殊情况需要加班加点赶论文外，一般情况周末是不去实验室的。因此，可以做到劳逸结合。但个人非常喜欢技术，曾经，修改一个开源项目，自己琢磨到半夜，在遇到问题真的很难过，但在自己的坚持下，当新的功能可以完全跑起来的时候，半夜回去躺下都激动不已，难以入眠。
四、著作/期刊
（一）著作
1、The Art of Computer Programming，Volume 1：Fundamental Algorithms，3rd Edition，Donald.E.Knuth，Prentice Hall
2、James F.Kurose，Keith W.Ross，Computer Networking，Pearson Education，2001
3、M.J.Zaki and C.-T.H，editor.Large-Scale Parallel Data Mining.Springer，2002
4、Jiawei Han and Micheline Kamber.Data Mining：and Technique.Morgan Kaufmann Publishers，2006
5、Ian Sommerville，Software Engineering，8th Edition，Pearson Education，2006
6、Richard.Stevens.Unix.Network.Programming.Vol.1 and 2，Addison-Wesley
7、Randal E.Bryant and David R.Ohallaron，Computer Systems:A Programmer Perspective,Prentice-Hall,2005
8、Tanenbaum．潘爱民译．计算机网络（第4版）．清华大学出版社
9、Margarent H.Dunham．郭崇慧，田凤占等译．数据挖掘教程．清华大学出版社
10、尼尔森．郑扣根等译．人工智能．机械出版社
11、Patrkzk Henry著．人工智能．清华大学出版社
12、Abraham Silberschatz著．数据库系统概念．高等教学出版社
（二）期刊
1、Artificial Intelligence
2、IEEE Transaction on Pattern Analysis and Machine Intelligence
3、ACM Transaction on Database Systems
4、IEEE Transaction on Knowledge&Data Engineering
5、Journal of Data Mining & Knowledge Discovery
6、Computer Networks
7、Distributed Computing
8、Information syatems
9、计算机学报，计算机学会主办，科学出版社
10、软件学报，中国科学院软件研究所和中国计算机学会联合会主办
相关文章
精彩导读
热门资讯