csdiy.wiki 暂未发现付费内容

CS自学指南（csdiy.wiki）是一个面向计算机科学自学的开源中文指南，核心内容是把海外名校的CS课程按学习阶段整理成一条可执行的路线，并附上工具、教材和规划建议。它适合想系统自学CS但不知道从哪门课入手、或想用公开课程替代部分大学课程的人；如果你已经有明确的学习目标且只需要单门课的链接，它的价值会小一些。

网站提供什么内容

从目录结构看，内容大致分为四类：

• 学习规划：一份“仅供参考的CS学习规划”，把课程按先后顺序串起来，解决“先学什么、后学什么”的问题。
• 必学工具：翻墙、Vim、Emacs、Git、GitHub、GNU Make、CMake、LaTeX、Docker、Scoop，以及日常学习工作流和实用工具箱。这些是自学过程中绕不开的环境与效率工具。
• 课程清单：按方向分类，每门课标注了学校与课程编号，例如：
  • 编程入门：MIT Missing Semester、UCB CS61A、CS50P、MIT 6.100L
  • 数据结构与算法：UCB CS61B、MIT 6.006、UCB CS170
  • 计算机系统：CMU 15-213（CSAPP）、Stanford CS110
  • 操作系统：MIT 6.1810（6.S081）、UCB CS162、NJU OS
  • 并行与分布式：CMU 15-418 / Stanford CS149、MIT 6.5840（6.824）
  • 数学基础与进阶：MIT 18.01/18.02、MIT 18.06、UCB CS70、MIT 6.042J、Stanford EE364A 等
• 其他板块：好书推荐、信息检索、毕业论文等。

它适合谁

根据网站“这本书适合谁”的章节设置，目标读者是自学者。结合内容可以判断出几类典型使用者：

• 在校学生：想用公开课程补齐学校没讲透的科目，比如操作系统、体系结构。
• 转行或跨专业的人：需要一条从编程入门到系统课程的完整路径，而不是零散视频。
• 已有基础的自学者：按目录挑课，用名校课程和作业检验自己的水平。

网站也明确写了“自学的坏处”，说明它并不把自学描述成没有门槛的路径——缺乏反馈、容易半途而废是它承认的问题。

怎么用

网站本身是一份静态文档，没有账号体系或课程播放功能，使用方式是自行查阅：

1. 先读“前言”和“如何使用这本书”，了解作者的编排逻辑。
2. 如果完全没有方向，从“一个仅供参考的CS学习规划”入手，按阶段推进。
3. 如果有明确短板，直接跳到对应分类（如“操作系统”）挑课。
4. 每门课通常给出课程主页或资源入口，学习行为发生在原课程网站上，本站只做索引和推荐。

需要注意的地方

• 课程链接指向的是各大学的公开课程页面，能否访问、是否有中文字幕、作业是否开放，取决于原课程，不在本站控制范围内。
• 目录里出现的课程数量多，不代表需要全部学完；“仅供参考的规划”这个措辞本身就说明路径可以调整。
• 网站没有标注价格信息，涉及付费或注册限制的内容需以原课程页面为准。

CS自学指南（csdiy.wiki）是一份面向计算机科学自学者整理的公开学习路线与课程清单，核心价值在于把散落在全球高校的优质公开课按主题串成一条可执行的路径。它最适合有自学意愿、但缺一条清晰路线的人，尤其是想系统补齐CS基础的学生和转行者。如果你期望速成、或者需要有人督促才能坚持，这份指南大概率帮不上忙——它提供的是地图，不是陪跑。

它到底提供了什么

从网站目录看，内容覆盖从入门到进阶的完整链条：

• 入门与工具：翻墙、Vim、Git、GitHub、GNU Make、CMake、LaTeX、Docker 等必学工具
• 数学基础：MIT 18.01/18.02 微积分、18.06 线性代数，进阶有 UCB CS70 离散数学与概率论、MIT 6.042J 等
• 编程语言：Python（UCB CS61A、CS50P）、C（Harvard CS50）、C++（Stanford CS106L/B）、Java、Rust、函数式语言（Cornell CS3110 OCaml、Haskell MOOC）
• 核心专业课：数据结构与算法（UCB CS61B、MIT 6.006）、计算机系统（CMU 15-213 CSAPP）、体系结构（Nand2Tetris、UCB CS61C）、操作系统（MIT 6.1810、UCB CS162）、并行与分布式系统、系统安全等

也就是说，它把“学CS该学什么”这件事，按课程粒度给出了具体答案。

适合你的几种情况

1. 有自学意愿，但不知道从哪下手 网站开篇就有“一个仅供参考的CS学习规划”和“如何使用这本书”，相当于先给路线再给资源。你不需要自己判断先学离散数学还是先学操作系统，照着规划走即可。

2. 想系统学习CS基础的学生或转行者 目录里的课程大多来自 MIT、UCB、CMU、Stanford 等高校，覆盖数学、语言、系统、算法、安全等完整板块。对科班学生是补充，对转行者是补齐地基的现成清单。

3. 能接受英文课程、习惯自主查资料 列出的课程以英文公开课为主，配套作业、讲义、论坛也多为英文。网站本身是中文的，但学习过程绕不开英文阅读。

4. 想按主题查漏补缺 即使不从头学，也可以按“操作系统”“分布式系统”等板块定位到具体课程，当作选课参考。

不适合你的几种情况

• 期望速成：这些是完整学期课程，不是几天能刷完的教程。想“三个月转行”的人会失望。
• 需要教师督促：没有作业批改、没有考试压力、没有同学圈子，全靠自驱。网站自己也把“自学的坏处”单列出来讨论。
• 完全零基础且英文吃力：虽然部分课程有中文字幕或中文社区笔记，但主线仍是英文材料，起步门槛不低。
• 只想学某个具体工具或框架：它偏向计算机科学基础，不是前端/后端速成班。

怎么判断自己该不该用

可以用三个问题自测：

三个都答“是”，这份指南值得你从“如何使用这本书”那一页开始读。有一个答“否”，可以先解决那个短板，再回来用它。

CS自学指南（csdiy.wiki）在“前言”里专门写了“自学的好处”和“自学的坏处”两节，说明它并不把自学包装成一条轻松的路。按照它的定位，自学计算机科学最大的好处是时间灵活、资源免费、进度自主；最大的坏处是缺少反馈、容易迷失方向、对自律要求极高。是否适合走这条路，取决于你能不能主动补上“反馈”和“节奏”这两块。

自学的好处

指南在前言中把自学的好处放在很靠前的位置，结合它列出的课程资源，可以归纳为几点：

• 时间和进度自己控制：不必等学期开始，也不用被统一的教学进度拖着走。一门课没吃透，可以停下来重看；已经会的部分，可以直接跳到下一门。
• 资源基本公开且免费：指南收录的 MIT、UCB、CMU、Stanford 等课程，大多是公开的课程网站、讲义、作业和视频。你不需要先交学费才能开始。
• 可以按兴趣和基础定制路线：指南给出的“一个仅供参考的CS学习规划”本身就强调“仅供参考”，意味着你可以根据自己是想补数学、转开发，还是深入系统方向，调整顺序和取舍。
• 接触到的内容不局限于单一学校：同一主题下，指南常给出多门课供选择，比如编程入门有 UCB CS61A、CS50P、MIT 6.100L，操作系统有 MIT 6.1810、UCB CS162、NJU OS 等。你可以对比不同讲法，找到更适合自己的那门。

自学的坏处

指南同样明确列出了自学的坏处，这些往往比“好处”更决定成败：

• 缺乏反馈：没有老师批改作业、没有同学讨论，做错了可能长时间意识不到。编程尤其如此，代码能跑不等于写得对。
• 容易迷失：课程列表很长，从数学基础到分布式系统，如果没有规划，很容易在“下一门学什么”上反复纠结，或者同时开太多课。
• 需要极强的自律：没有考试、没有学分、没有固定截止日期，拖延的成本很低，放弃的成本也很低。
• 缺少环境和同伴：遇到卡点时，没人可以当面问；长期独自学习也容易失去动力。
• 证书和学历不直接对应：自学完成课程，通常不会自动换来被广泛认可的学历凭证，求职时需要用项目、代码和实际能力来证明自己。

怎么权衡：用指南减少自学的负面影响

指南的价值不只是列课程，更在于它提供了一套可执行的框架。可以这样用：

1. 先定一个短期目标，而不是“学完CS”。例如“三个月内完成 CS61A 并做完大部分作业”，目标越具体，越不容易迷失。
2. 按指南的规划做主线，但允许替换。把“一个仅供参考的CS学习规划”当作默认路线，遇到不适合自己的课，就在同一主题下换一门，而不是推翻整个计划。
3. 主动制造反馈。作业尽量做，最好能找到公开的测试或参考答案；加入交流群，把卡住的问题写清楚再问；把自己的代码和笔记公开出来，接受别人的指出。
4. 用项目验证学习。学完数据结构与算法、软件工程、计算机系统基础后，做一个能跑起来的小项目，比只看完视频更能暴露理解漏洞。
5. 接受“坏处”是常态。如果发现自己连续几周没有进展，先检查是不是目标太大、反馈太少，而不是直接否定自学这条路。

适合谁，不适合谁

指南在前言里也回答了“这本书适合谁”。结合它列出的利弊，可以这样判断：

简单说：如果你能自己定目标、自己找反馈、自己扛住长期没有外部奖励的过程，CS自学指南提供的路线和资源足够支撑你走很远；如果你需要别人推着走、需要明确的截止日期和批改，那它更适合当补充，而不是唯一路径。

CS自学指南（csdiy.wiki）给出的是一条“工具先行、数学打底、编程入门、系统进阶”的自学路线，整体参考 MIT、UCB、CMU、Stanford 等海外高校的公开课程。它明确把这套规划标注为“一个仅供参考的CS学习规划”，也就是说路线是建议性的，不是必须逐条打卡的硬性课表。适合想系统自学计算机、但不知道从哪门课开始、按什么顺序学的人。

路线整体结构

从网站目录看，内容按下面的顺序组织，基本也对应推荐的推进节奏：

1. 必学工具：翻墙、Vim、Emacs、Git、GitHub、GNU Make、CMake、LaTeX、Docker、Scoop，以及日常学习工作流、实用工具箱、毕业论文、信息检索、好书推荐。
2. 数学基础：MIT 18.01/18.02 微积分、MIT 18.06 线性代数、MIT 6.050J 信息论与熵。
3. 数学进阶：UCB CS70 离散数学与概率论、UCB CS126 概率论、MIT 6.042J 计算机科学数学、MIT 18.330 数值分析、Stanford EE364A 凸优化、信息论与模式识别神经网络。
4. 编程入门：MIT Missing-Semester、Sysadmin DeCal、Python 语言。
5. 编程语言：Python、C、C++、Java、Rust、函数式语言（OCaml、Haskell）。
6. 电子基础：EE16A&B、UCB EE120 信号与系统、MIT 6.007 信号与系统。
7. 数据结构与算法：UCB CS61B、Coursera Algorithms I & II、MIT 6.006、MIT 6.046、UCB CS170。
8. 软件工程：MIT 6.031、UCB CS169、CMU 17-803。
9. 计算机系统基础：CMU 15-213（CSAPP）、Stanford CS110。
10. 体系结构：Coursera Nand2Tetris、UCB CS61C、ETHz 数字设计与计算机体系结构、ETHz 计算机体系结构。
11. 操作系统：MIT 6.1810（6.S081）、UCB CS162、NJU OS、HIT OS。
12. 并行与分布式系统：CMU 15-418 / Stanford CS149 并行计算、MIT 6.5840（6.824）分布式系统。
13. 计算机系统安全：UCB CS161、MIT 6.1600、MIT 6.858、ASU CSE3 等。

各阶段在学什么

工具与数学：先解决“能不能学”和“学得动”

必学工具解决的是自学过程中的基础设施问题：怎么获取资料、怎么管理代码、怎么写文档、怎么复现环境。数学基础与数学进阶则提供后续课程需要的微积分、线代、概率、离散数学、数值与优化基础。网站把数学拆成基础和进阶两层，意味着不必等数学全部学完再碰编程，可以按课程依赖并行推进。

编程入门到编程语言：从会写到写得好

编程入门部分以 Python 为主线，配合 MIT Missing-Semester 和 Sysadmin DeCal 补齐命令行与系统管理能力。编程语言部分则按语言分块，每门语言对应具体课程，例如：

• Python：UCB CS61A、CS50P、MIT 6.100L
• C：Harvard CS50x、Duke 的 C 编程专项
• C++：Stanford CS106L、CS106B/X
• Java：MIT 6.092
• Rust：Stanford CS110L、KAIST CS220、KAIST CS431
• 函数式：Cornell CS3110（OCaml）、Haskell MOOC

系统方向：从数据结构一路到分布式与安全

数据结构与算法、软件工程、计算机系统基础、体系结构、操作系统、并行与分布式系统、系统安全，构成一条完整的系统进阶链。典型课程包括 UCB CS61B、MIT 6.006/6.046、CMU 15-213、UCB CS61C、MIT 6.1810、MIT 6.5840 等。这条链的依赖关系比较强：先有数据结构和算法，再进入系统基础与体系结构，之后才适合啃操作系统和分布式系统。

怎么用这条路线

• 按依赖顺序选课，而不是按目录顺序全刷：工具和数学可以随时补，系统类课程建议按“数据结构与算法 → 系统基础 → 体系结构 → 操作系统 → 分布式/安全”推进。
• 每门课只选一个版本：同一主题下网站列了多所学校的课程，例如操作系统有 MIT、UCB、NJU、HIT 多个版本，选一门跟完比同时开多门更有效。
• 把“仅供参考”当真：这份规划是作者给出的示例路径，不是唯一解。已有编程基础的人可以跳过编程入门，直接进入数据结构与算法或系统课程。

网站前言部分还包含“自学的好处”“自学的坏处”“这本书适合谁”等章节，说明这条路线默认面向愿意长期投入、能自主安排进度的自学者，而不是需要有人督促的短期速成场景。