原文：https://matklad.github.io/2023/08/06/fantastic-learning-resources.html
作者：Alex Kladov
译者：ChatGPT 4 Turbo
人们有时会问我：“Alex，我该如何学习X？”这篇文章是我通常给出的建议的汇编。这是“对我有效的事物”，而不是“世界上最棒的事物”。不过，我确实认为列表上的每一项都很棒，我永远感激那些整合这些资源的人。
学习编程
我认为我没有任何有用的建议关于如何从零开始学习编程。文章的其余部分假设你至少能够，在足够的时间内，编写简单的程序。例如，一个程序，它从一个输入文本文件中读取一个整数列表，使用二次算法对它们进行排序，然后将结果写入另一个文件。
Project Euler
https://projecteuler.net/archives 真是太棒了。前 50 个左右的问题是构建编程肌肉的完美“训练”，可以让你从“我能写一个程序来排序一个整数列表”变成“我可以轻松写出一个程序来排序一个整数列表”。
后面的问题非常依赖数学。如果你对数学有兴趣，这很完美 —— 你既能解决有趣的难题，又能练习编程。如果高级数学不是你的菜，一旦觉得不好玩就随时可以停止做题。
现代操作系统
https://en.wikipedia.org/wiki/Modern_Operating_Systems 非常棒。这本书的一个版本是我第一本阅读的厚重的编程相关书籍。它全面介绍了软件堆栈的内部工作原理，对我个人来说是一个转折点。阅读这本书后，我意识到我想成为一名程序员。
Nand 到 Tetris
https://www.nand2tetris.org 网站非常棒。它扮演了一个类似 MOS 的“大局观”角色，但这次你是画家。在这门课程中，你将从几乎无到有自己构建一个完整的计算系统。它不会教你真实的软件/硬件堆栈是如何工作的，但它彻底消除了任何神秘感，并且非常有趣。
CSES 题库
https://cses.fi/problemset/ 真是太棒了。这是一个算法问题列表，它精心设计，涵盖了所有标准主题到一个合理的深度。这是到目前为止练习算法的最佳资源。
编程语言
https://www.coursera.org/learn/programming-languages 非常棒。这门课程是对几种编程范式的快速导览，让你真正理解编程语言的本质（以及差异性）。
编译器
http://openclassroom.stanford.edu/MainFolder/CoursePage.php?course=Compilers 非常棒。在这门课程中，你将为一个简单但真实的编程语言实现一个工作中的编译器。请注意，你可以用任何语言来实现你的编译器。
软件架构
https://www.tedinski.com/archive/ 真是太棒了。按时间顺序浏览整个档案。这是迄今为止关于“大规模编程”的最佳资源。
随机建议
以下是我自己学到的一些东西。切勿全信！
关于导师制
拥有一个出色的导师是极好的，但导师并不总是可用的。幸运的是，如果你已经度过了最初的学习阶段，编程是可以在没有导师的情况下掌握的。当你编码时，你会得到很多反馈，通过反复试验，你可以处理这些反馈来提高你的技能。实际上，最难的部分其实是找到要解决的问题（而本文建议了很多）。但如果你有问题，你可以通过注意以下几点来自我提高：
- 你如何验证解决方案是否有效。
- 常见的错误及其避免技巧。
- 解决方案的长度：你能使用更短、更简单的代码来解决问题吗？
- 技巧 —— 你能应用你这周读到的任何内容吗？在 Haskell 中会如何解决这个问题？你能将语言 X 中的模式应用到语言 Y 吗？
在这种情况下，重复解决同一个问题很重要。例如，你可以尝试用你知道的所有语言解决同一个模型问题，并在尝试之间休息一个或两个月。重复做同一件事并注意到尝试之间的差异和相似之处是自学的本质。
关于编程语言
学习你的第一门编程语言是一场噩梦，因为你首先要学习你的编辑环境（PyScripter、IntelliJ IDEA、VS Code），其次是简单算法，最后才是语言本身。但之后就容易多了！
学习不同的编程语言是提高编程技能的最佳方式之一。通过观察它们的相似之处和不同之处，你可以更深入地了解事物的底层原理。不同的语言强调不同的习惯用法，学习多种语言可以大幅扩展你的词汇量。作为额外好处，学习了 N 种语言之后，学习第 N+1 种语言就变成了浏览官方文档的问题。
一般来说，你想要涵盖大类的编程语言：Python、Java、Haskell、C、Rust、Clojure 将是一个很好的基线。之后，Erlang、Forth 和 Prolog 也是不错的补充。
关于算法
学习算法有三个级别。
一级。
你实际上不是在学习算法，你在学习编程。在这个阶段，代码的长度、美观度或效率都不重要。唯一重要的是它能解决问题。通常，这个阶段会在你对递归相当熟悉时结束。Project Euler 的前几个问题在这里是很好的资源。
二级。
在这里，你将正确学习算法。这里的目标主要是对常见技术有百科全书式的知识。虽然有相当多的算法，但数量并不过多。在这个阶段，最有用的是理解算法背后的数学原理 —— 能够用铅笔和纸解释算法，证明其正确性，并分析 Big-O 运行时间。通常，你需要学习算法或技术的名称，阅读并理解完整的解释，然后实现它。
我建议首先做一个抽象实现（即，不是“用 HashMap 解决问题 X”，而是“仅仅是 HashMap”）。在你的实现中包含测试。使用随机测试（例如，在测试排序算法时，不要使用有限的示例集，生成一百万个随机的）。
实现同一个算法多次是可以的，甚至是可取的。解决问题时，比如 CSES，你可以抽象你的解决方案并重复使用它们，但最好每次都从头开始编码，直到你完全内化了该算法。
三级。
有一天，我大学毕业很久之后，我成了一门算法课程的助教。这门课的讲师是最初通过一门类似的算法课教会我编程的人。然后，在一个咖啡休息时间，他说了些什么。
我们教授算法并不是为了让学生们在工作中能闭着眼睛编写 Dijkstra 算法。他们可能根本不需要自己编写任何复杂的算法。
我们教授算法，以便学生在编写代码时学会思考不变量和属性。现实生活中的代码通常足够简单，如果你只是随意尝试，它大多数情况下都能工作。但它并不总是有效。要在工作中编写正确、健壮的代码，你需要思考不变量。
编写算法的诀窍是，编码它们很难。避免错误的唯一方法是强迫自己用不变量的思维方式来思考。
我被雷劈了！我没意识到这就是我学习（嗯，那时候是教）算法的原因！以前，我总是通过随机地调整大致正确的东西来混过算法，直到它能工作。例如，在二分查找中，只要在某处加上 +1 ，直到它不会在随机数组上循环。听了这个建议后，我回家又写了第一百万个二分查找，但这次我实际上加上了带有循环不变量的注释，而且第一次尝试就成功了！我在课程的剩余部分应用了类似的技巧，从那以后，我主观上感觉到的代码错误率（对于正常工作代码）大幅下降。
所以这是算法的第三层次——你磨练编程技能以实现无错误的编程。如果你已经对算法相当熟悉，不妨再尝试一次 CSES。但这次，在提交代码前无论花多少时间都要进行仔细检查，尽量确保第一次就做到无误。
关于算法名称
这是你可能想要能够以算法方式完成的事情列表。你不需要能够立即编写所有代码。我认为如果你知道每个词是什么意思，并且至少在过去实现过一次，这会有帮助。
线性搜索，二分搜索，二次排序，快速排序，归并排序，堆排序，二叉堆，可增长数组（又称 ArrayList，向量），双向链表，二叉搜索树，AVL 树，红黑树，B 树，伸展树，哈希表（链地址法和开放定址法），深度优先搜索，广度优先搜索，拓扑排序，强连通分量，最小生成树（普里姆算法 & 克鲁斯卡尔算法），最短路径（广度优先搜索，迪杰斯特拉算法，弗洛伊德-沃尔萨尔算法，贝尔曼-福特算法），子字符串搜索（二次，拉宾-卡普，博耶-摩尔，克努特-莫里斯-普拉特），字典树，Aho-Corasick 算法，动态规划（最长公共子序列，编辑距离）。
更大的程序
从零开始编码一个中等规模的项目是一个非常有力的练习。这样的项目需要的时间超过一天，但少于一周，并且具有意义的架构，这个架构可能恰到好处，也可能会搞砸。以下是一些很好的项目可以尝试：
光线追踪器
将一个 3D 场景的分析描述转换为彩色 2D 图像，通过模拟光线在物体上反弹的路径来实现。
软件光栅化器
将 3D 场景的描述作为一组三角形，通过将三角形投影到观察平面上并按正确顺序绘制投影，将其转换为彩色 2D 图像。
动态类型编程语言
一个解释器，它读取源代码作为文本，将其解析成 AST，并直接执行 AST（或者可能将 AST 转换成字节码以加快速度）
静态类型编程语言
一个编译器，它读取源代码文本，并输出二进制文件（WASM 将是一个极好的目标）。
关系型数据库
几个组件：
- 存储引擎，它将数据持久地存储在磁盘上，并实现了磁盘上有序的数据结构（B 树或 LSM）
- 关系数据模型是在原始有序数据结构之上实现的。
- 关系语言用于表达模式和查询。
- 要么是一个 TCP 服务器来接受作为数据库服务器的事务，要么是一个用于嵌入的 API，用于进程内的“嵌入式”数据库。
聊天服务器
一项关于网络和异步编程的练习。多个客户端程序连接到一个服务器程序。客户端可以向特定的不同客户端发送消息，或者向所有其他客户端发送消息（广播）。实现这一功能有许多变体：阻塞读/写调用、 epoll 、 io_uring 、线程、回调、futures、手动编码的状态机。
再次强调，进行六次带有变化的同一练习，比一次性完成所有练习更有价值。