PKUFlyingPig/cs-self-learning：计算机自学指南，一份系统化学习路径与资源整合

这是什么

PKUFlyingPig/cs-self-learning 是一个由北京大学学生发起的开源计算机科学自学指南，托管在 GitHub 上，累计获得超过 74000 颗星。该项目以 HTML 为主要语言，系统性地收录了来自欧美名校（如 MIT、Stanford、UC Berkeley 等）的优质公开课程资源，并按照计算机科学知识体系进行组织，涵盖从入门到进阶的多个方向。项目不仅提供课程链接、教材、作业、考试等资料，还附有作者本人的学习路径建议和经验总结，旨在帮助自学者在 2-3 年内成长为具备扎实基础与广泛涉猎的全栈程序员。

解决的问题

自学计算机面临几个典型痛点：

• 课程选择困难：名校公开课数量庞大，但缺乏指导，容易迷失在“收藏夹里吃灰”。
• 资料零散残缺：许多课程虽然有名，但官方页面可能因时间推移无法访问，部分视频需要翻墙，作业和项目资源分散。
• 难度评估缺失：自学者无法判断一门课的实际难度，容易高估或低估，导致挫败或放弃。
• 课内任务冲突：在校学生需要应付课内任务，难以抽出时间系统自学，缺乏统筹规划。
• 缺乏学习共同体：独自学习容易孤独，缺少交流渠道和进度比较。

该项目通过精选课程、提供完整链路（视频+教材+作业+项目+考试），并给出明确的推荐顺序和时间预估，直接解决了上述问题。同时，项目开源并拥抱社区贡献，允许用户通过 Pull Request 补充新课程或修正错误，形成持续更新的学习资源库。

核心功能

1. 结构化课程目录：按“基础阶段”“核心方向”“进阶领域”与“工具与技能”划分，每门课程附有简介、前置要求、预计时长、推荐理由。例如，基础阶段包含 CS50、MIT 6.001 等，核心方向涵盖算法（MIT 6.006/6.046）、体系结构（UC Berkeley CS61C）、操作系统（MIT 6.S081）、网络（Stanford CS144）、编译原理（Stanford CS143）等。

2. 完整资源链接：每门课程提供官网、视频播放列表（YouTube / Bilibili 镜像）、教材（PDF 或在线版）、作业（源文件与测试环境）、考试（往年试卷）以及 Project 的代码框架。部分课程还附有国内镜像，方便无法访问外网的学习者。

3. 学习路径建议：作者根据自身经验，推荐了“2年计划”和“3年计划”两种节奏，明确每学期应完成哪些课程，并标注了核心课程（必须完成）与可选课程。同时，针对就业或科研方向给出了不同的选课侧重点。

4. 社区互动机制：页面支持评论功能，自学者可以在对应课程页面下建立学习群聊（QQ/微信），注明学习目标与联系方式，便于组队学习。GitHub Issues 中也有现成的学习小组招募帖。

5. 贡献指南：详细说明如何新增课程（使用模板文件）、修改现有内容、添加书籍推荐。贡献者需同时提供英文翻译，以支持项目的英文版。所有贡献遵循 MIT LICENSE 许可。

亮点 / 与同类相比

• 系统性与完整性：不同于零散汇总的“Awesome XXX”列表，该项目按学期、按难度、按方向组织，给出明确的“学习路线图”，而非仅仅罗列链接。作者本人亲身实践了这套路线，可信度较高。
• 中文语境优化：针对国内学习者，提供了 B 站镜像、国内下载链接、常见问题解答（如如何科学上网、如何下载作业），并采用中英混合排版规范（如使用 zh-cn 语言标签），降低阅读门槛。
• 持续维护与社区驱动：项目自 2020 年启动以来持续更新，至今已有 7000+ 次 commit，超过 200 位贡献者提交了 PR。Issues 和 Discussions 活跃，形成了良好的互助生态。相比之下，许多静态资源库（如某些个人博客整理）往往在发布后停止更新。
• 覆盖广度与深度兼顾：不仅包含传统 CS 核心课程（算法、系统、网络、编译），还涉及 AI、ML、CV、NLP、强化学习、密码学、信息论、博弈论、数值分析、统计学、分布式系统、数据库、图形学、Web 开发、云服务、超算等前沿领域，甚至包括数学基础（微积分、线性代数、概率论）的推荐课程。
• 精美 Logo 与排版：项目 Logo 由 @AlfredThiel 设计，页面采用 Material for MkDocs 构建，阅读体验良好，支持搜索、标签、夜间模式等。

适合谁用 / 上手

• 计算机专业在校生：尤其是大一、大二学生，若对学校课程质量不满或想额外强化，可参考此路线补充学习，避免走弯路。
• 非科班转行者：零基础或有一定编程经验，希望系统学习计算机科学，替代或补充传统培训班内容。项目提供了从零开始的完整路径，包括数学基础。
• 已经工作的开发者：希望补全计算机基础（如操作系统、网络、编译原理），或拓展新领域（如机器学习、分布式系统），可挑选对应模块学习。
• 自学爱好者：任何对计算机科学感兴趣、有毅力坚持自学的个人，甚至高中生或大学生。

上手方法：直接访问 GitHub 仓库主页（PKUFlyingPig/cs-self-learning），或通过 GitHub Pages 部署的在线文档阅读。建议从“学习规划”部分开始，了解整体路线，然后根据自己当前水平选择入门课程（如 CS50 或 MIT 6.001）。每门课程页面都有详细的学习步骤，通常包括：观看视频 → 阅读教材 → 完成作业 → 做 Project。部分课程提供 Docker 或 Vagrant 环境，方便本地配置。