向AI轉型的程式員都關注了這個号👇👇👇
機器學習AI算法工程 公衆号：datayx
目錄：
- 聊聊大學計算機專業重點關注學科及資源推薦
- 計算機專業應該注意哪些筆記本參數
- 京東購買檢視筆記本電腦曆史價格
- 計算機專業筆記本電腦推薦（計算機專業買什麼電腦？）
一、聊聊大學計算機專業重點關注學習以及資源推薦
先來聊聊專業，關于大學中的計算機專業，作為一個已經在 java 領域工作幾年的人，給幾個建議。
如果你的目标很明确，未來打算就是從事程式員行業。
那麼大學中，一定要重視的課程有以下幾個：
- 計算機作業系統與原理
- 資料結構和算法
- 一門程式設計語言課（必修應該是C，選修是Java）
- 資料庫相關課程
- 計算機網絡相關課程
以上課程，學起來肯定會非常枯燥無聊，但迄今，越來越多的公司重視基礎，尤其是大廠面試，資料結構和算法是面試前的鴻溝，基礎不夠，必然邁不過這道溝。
計算機相關工作從前幾年開始，就再也不是會一點皮毛就容易找到工作的時代了。要想找到好工作，打好基礎是與其他人拉開差距的關鍵。
如果覺得自己大學課堂老師講的無趣，不适用。
那麼下面兩個國内的網站非常推薦有目标的同學去根據自己每學期的課程去學習。
其一，慕課網：
https://www.imooc.com
其二，中國慕課大學：
https://www.icourse163.org
慕課網的免費教程對于小白來說非常友好，尤其是程式設計語言的學習。（本人就是通過慕課網自學找到工作的，不是廣告。）
而上面介紹的重要課程在中國慕課大學裡，都能找到國内名校名師的免費課程，可以說網絡的線上教育消除了一些學校差距的門檻。
比如：想學 Python，比如可以去看中國慕課大學裡，嵩天老師的免費教程，講的通俗易懂。
關于計算機專業的同學，這裡必須強調一點，一定學會利用網際網路的搜尋引擎，你在學習過程中遇到的問題，有 90% 以上，很多前輩們早已經踩過坑，以部落格的形式在網絡上分享過解決方案。
而對于網際網路上的資訊識别能力，也是可以通過自己不斷地檢索資訊鍛煉出來的。
這種能力可以簡稱為 “搜商”（類似智商、情商）。
關于網際網路引擎(百度、bing、谷歌)的搜尋技巧，感興趣可以自行搜尋，李笑來老師的《七年就是一輩子》開源github上，也有介紹到。
二、計算機專業應該注意哪些筆記本參數
寫代碼，對于筆記本配置來說，其實主要就看三點。
- CPU
- 記憶體
- 硬碟
顯示卡是一個特殊的存在，目前會用到顯示卡的專業，一定是涉及到算力了。比如深度學習、機器學習的一些架構，跑任務時會用 GPU 來進行計算。
CPU
CPU決定着你程式的運作速度，也決定着代碼編譯（看不懂，可以直接忽略，後續學習了程式設計語言就懂了）的速度。
CPU就像大腦一樣，越好的CPU，腦袋就越靈活，畢竟大家都喜歡聰明人嘛！
但日常寫代碼，并不需要用到那麼好的CPU，因為等你真正工作了會發現，所有的程式都是跑在雲端伺服器上的，你本地的電腦用途最大作用就是寫代碼和調試代碼。
關于英特爾的CPU，舉個例子來看下：
以英特爾 i5-10300H 為例：
i5 表示的是 CPU 的系列代号。
10300 前 2 位是 CPU 的第幾代，比如這裡說的就是 10 代，後面的 300 CPU 的具體型号。
還有一個小尾巴字尾，直接看官網截圖即可：
Intel 字尾官網：
https://www.intel.cn/content/www/cn/zh/processors/processor-numbers.html
筆記本CPU性能參考排行的網站（僅供參考，排行不一定準确）：
http://rank.kkj.cn/mcpu.shtml
問：CPU的代數越高，性能一定越好嗎？
答：不一定，有些時候CPU更新僅僅是加強了核顯性能的提升。自身的核心線程數并沒提升。
關于 CPU 廠商的問題。
如果對 CPU 有一定了解的同學，一定知道目前市場主流 CPU 分為 intel 和 amd 兩家公司。
在前幾年的時候，有人可能會說程式設計用 amd 的 cpu 會有大坑，但從今年開始未來可能要變風了，畢竟連 Linux 的創始人 Linus 都已經在使用 AMD 的 CPU 進行開發了。
關于 amd 和 intel 的處理器，知乎上讨論的文章挺多的，感興趣可以看看這個：
計算機專業 CPU 應該用 AMD 還是 Intel？
https://www.zhihu.com/question/391185825
如果不涉及到底層指令集的程式設計， amd 的 CPU 目前成本效益是非常高的，尤其是對于不玩遊戲的同學來說，5k以内的預算就可以買到一台很好的筆記本。
是以，關于CPU選擇，程式設計來說，每年筆記本市場上主流的機型搭載的 CPU 都是沒有問題的，大可放心選擇。
記憶體
記憶體，軟體真正運作的地方。
舉個例子，超市中的儲物櫃，見過沒？
每開一個軟體，就相當于往儲物櫃裡放進一個物品，占一個格子。随着軟體打開的越來越多，直到櫃子滿了，那你的電腦也就卡爆了。
像大學學習，必不可少的應該是虛拟機了，虛拟機是非常吃記憶體的。
日常IDE（代碼編輯器）以及跑代碼都是比較吃記憶體的。
比如現在我手裡的macbookpro 2019：
搭載了兩條同規格的 4 代 8gb 記憶體條。
是以，記憶體往大了選，是沒有錯的，目前 16GB 是标準。
硬碟
硬碟目前倒是沒什麼好說的，像我上大學那會兒，主流是固态硬碟加機械硬碟，目前主流市場已經是 512GB 固态硬碟了。
固态硬碟，可以加快軟體打開速度，本質上是資料傳輸變快了。電子元件（固态硬碟内部）的傳輸讀寫速度遠遠大于實體元件（機械硬碟内部）。
硬碟的選擇，可以看下京東的對應參數，如果帶有 NVMe 的字眼，可以優先考慮。
NVMe 是一種高速傳輸資料的協定。感興趣的自己搜尋資料了解下。
顯示卡
顯示卡是針對于算力相關的專業，由于個人沒有研究過，姑這裡不詳細介紹。但基本架構的官方文檔，都會介紹相關的顯示卡，比如 TensorFlow：
https://tensorflow.google.cn/install/gpu
三、京東購買檢視筆記本電腦曆史價格
分享個網站，可以複制京東的型号到此網站，能看到該機型的曆史價格：
四、計算機專業筆記本電腦推薦
電腦推薦環節，我準備将其分為兩部分，一個是玩遊戲的人群，用到的遊戲級獨顯的，一個是不玩遊戲的人群，帶入門級獨顯示卡以及不帶顯示卡的。
推薦的電腦品牌均為一線品牌，以售後保障為基礎進行推薦。
PS:以下連結均為京東自營店，建議線上購買，若有看上的機型，可以去線下店體驗。
線上購買，盡量選擇自營店鋪，不要去第三方店鋪購買，有一定風險！
每款電腦都根據 CPU 或 顯示卡 對應不同版本，每個電腦的型号，隻推薦個人認為最适合大學生的那一款，如果預算很足，那請随意選擇。
不玩遊戲的人群：
當然這裡不玩遊戲指的是不玩大型遊戲的同學，像Lol這種遊戲，此處推薦的電腦均沒問題。
4k預算：
低預算air14plus：
5-6k 預算：
小新pro14，i5
小新Pro14 2021銳龍（3月新品）
小新pro16英特爾（MX450顯示卡）
如果你的預算在5-6k，同時不玩遊戲，想要輕便易攜帶，首選此款即可。
聯想YOGA 14s 2021款 标壓新銳龍版（3月底新産品）
edmiBook Pro 15：
紅米近期新出了一款比較合适的本子，如果沒有外接屏的朋友，15英寸的本本，預算5k可以看看這塊
華碩無畏Pro14 标壓銳龍版 ：
如果有品牌（聯想，小米）忌諱，可以看看華碩這台，缺點在接口上，沒有快充，優點在于螢幕
玩遊戲的人群：
遊戲指的是以類似"吃雞"為分界線的遊戲。
預算5~7k：
2021年10月06日更新，新增一款thinkbook14p，32gb，有需求的朋友，預算在7k+直接上就完事了。
小新pro16銳龍（2021年4月，1650顯示卡）
宏碁(Acer)暗影騎士·龍
聯想thinkpadP15v
預算8k ~ 1w ：
聯想(Lenovo)拯救者R9000X
這個價位的遊戲本，均使用程式設計...甚至性能過剩(顯示卡方面)，具體參數都寫在卡片上了，不詳細介紹了。
惠普(HP)暗影精靈6Pro銳龍版
聯想（Lenovo）拯救者R7000P 新銳龍标壓
華碩(ASUS)天選2
聯想(Lenovo)拯救者R9000P
聯想ThinkBook 16p
最後，關于蘋果筆記本，适不适合大學生購買？
我認為國内大學生來說，蘋果系列的筆記本成本效益并不高，不适合上學人群。
這裡涉及到一個投入産出比的問題。（沒有收入，成本付出的太高）
同價位mac的本子，如果按照成本效益考慮，确實能買一個非常好的遊戲本了。
但如果你是出國留學，那我的觀點就是另一個了，建議購買。
既然出國留學，說明經濟實力是非常充足的，那不需要考慮那麼多問題。在國外你會發現，大學課堂中基本都是一清色的mac。（三個大學出國的同學都是這麼說的，他們自己也都是買了 mac 出去的，學習用mac，打遊戲再用另一台遊戲本。）
2021.10.19日更新，新增macbook pro 2021 14 英寸：
1萬左右運算的今天（2021年10月19日），java程式員我肯定是推薦Macbook pro2021 的。
就在昨天，蘋果釋出了 m1 pro 以及 m1 pro max 晶片搭載的新一代 mac 。
分别是 14 英寸和 16 英寸的。
推薦選擇 14 英寸的，一是相對16英寸的重量多少會輕一些，便于攜帶辦公（好裝包），二是相對 16 英寸剩下來的錢，可以加記憶體或者加硬碟。
至于記憶體加大還是硬碟加大，看自己的需求，目前我的 2019年 MacBook Pro 16GB ，平時開 4 個 idea 外加各種浏覽器，依然不卡。
加記憶體到 32gb官方在 3000 。
本地java開發，m1 pro 的 8 核晶片足夠了，在高沒必要，性能隻會溢出，而10核以上的m1 pro更多的是給視訊處理創作者提供的，除非你有剪輯的需求，追求機制體驗，那盡管上就好了。
同比8核cpu
同等功耗下，新能超出 1.7 倍。（橫軸，功耗瓦數；數軸，性能數值。）
除了性能以外，續航也是比較在意的一點，畢竟有時候抱着電腦 code review，一 review 就是小半天，和充電器說拜拜。
鍵盤方面，取消了 touchbar ，回歸了實體按鍵。媽媽再也不用擔心 debug 按不下去了：
鍵盤實體硬體回歸
豐富的接口：
- 三個雷靂 4 端口
- HDMI 端口
- SDXC 卡插槽
- MagSafe 3 端口
以及 14 英寸 Liquid 視網膜 XDR 顯示屏 。
看完正常釋出會覺得這電腦真的是對專業不打遊戲人的福音...（打遊戲請移步 16英寸 的 m1pro max晶片）
說到底，還是一個錢的問題~
遊戲本對男生相對來說，成本效益較高。但遊戲适度，一直打遊戲，到大四那一年，慌的終歸是自己。
關于程式員電腦的選擇，可以看下這篇
https://zhuanlan.zhihu.com/p/146470789
原文連結
https://zhuanlan.zhihu.com/p/173476148
機器學習算法AI大資料技術
搜尋公衆号添加： datanlp
長按圖檔，識别二維碼
閱讀過本文的人還看了以下文章：
TensorFlow 2.0深度學習案例實戰
基于40萬表格資料集TableBank，用MaskRCNN做表格檢測
《基于深度學習的自然語言處理》中/英PDF
Deep Learning 中文版初版-周志華團隊
【全套視訊課】最全的目标檢測算法系列講解，通俗易懂！
《美團機器學習實踐》_美團算法團隊.pdf
《深度學習入門：基于Python的理論與實作》高清中文PDF+源碼
《深度學習：基于Keras的Python實踐》PDF和代碼
特征提取與圖像處理(第二版).pdf
python就業班學習視訊，從入門到實戰項目
2019最新《PyTorch自然語言處理》英、中文版PDF+源碼
《21個項目玩轉深度學習：基于TensorFlow的實踐詳解》完整版PDF+附書代碼
《深度學習之pytorch》pdf+附書源碼
PyTorch深度學習快速實戰入門《pytorch-handbook》
【下載下傳】豆瓣評分8.1,《機器學習實戰:基于Scikit-Learn和TensorFlow》
《Python資料分析與挖掘實戰》PDF+完整源碼
汽車行業完整知識圖譜項目實戰視訊(全23課)
李沐大神開源《動手學深度學習》，加州伯克利深度學習（2019春）教材
筆記、代碼清晰易懂！李航《統計學習方法》最新資源全套！
《神經網絡與深度學習》最新2018版中英PDF+源碼
将機器學習模型部署為REST API
FashionAI服裝屬性标簽圖像識别Top1-5方案分享
重要開源！CNN-RNN-CTC 實作手寫漢字識别
yolo3 檢測出圖像中的不規則漢字
同樣是機器學習算法工程師，你的面試為什麼過不了？
前海征信大資料算法：風險機率預測
【Keras】完整實作‘交通标志’分類、‘票據’分類兩個項目，讓你掌握深度學習圖像分類
VGG16遷移學習，實作醫學圖像識别分類工程項目
特征工程(一)
特征工程(二) :文本資料的展開、過濾和分塊
特征工程(三):特征縮放,從詞袋到 TF-IDF
特征工程(四): 類别特征
特征工程(五): PCA 降維
特征工程(六): 非線性特征提取和模型堆疊
特征工程(七)：圖像特征提取和深度學習
如何利用全新的決策樹內建級聯結構gcForest做特征工程并打分？
Machine Learning Yearning 中文翻譯稿
螞蟻金服2018秋招-算法工程師（共四面）通過
全球AI挑戰-場景分類的比賽源碼(多模型融合)
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（列印收藏）
python+flask搭建CNN線上識别手寫中文網站
中科院Kaggle全球文本比對競賽華人第1名團隊-深度學習與特征工程
不斷更新資源
深度學習、機器學習、資料分析、python
搜尋公衆号添加： datayx