【毕业季】走一步看一步？一个自动化er对大学四年的思考 ...

活动地址：毕业季·进击的技术er
  
目录

• 1 前言
  
• 2 大学学习适合题海战术吗？
  
• 3 要不要迅速投身各种竞赛？
  
• 4 如何看待升学与就业？
  
• 5 阶段性学习目标
  
• 6 总结
  

1 前言

前两周刚刚结束毕业答辩，在写毕业论文致谢的时候挺感慨的：四年说快很快，快到还未好好品味的生活，转瞬已成为回忆；说慢也慢，每一次大作业的历练、十字路口上的困难选择还历历在目。
我是一个普通学生，从进入大学校园开始就经历了数不清的第一次。我无法做到像学校公众号宣传的那些学霸一样，从大一开始就有非常明确的规划，在什么时间节点该做什么事，我的大学生活从来是走一步看一步。
毕业季恰逢上海疫情，被困在一隅错过了很多。借这次毕业季征文机会，回忆一下过去，给自己一点毕业的仪式感。大学有个很有意思的地方，就是喜欢让你做出不符合你当下水平的选择，例如高考结束要求选择你不了解的学院、刚接触通识基础课就要求进行专业分流、刚接触专业基础课就要求选择升学(考研或保研)还是工作。本文聊一聊我在四年里遇到的若干个选择。
2 大学学习适合题海战术吗？

这其实是一个中学和大学学习模式的差异性问题，也是我步入大学后思考的第一个问题，先给出我个人的答案：题海战术始终适合应试性强的科目。
这句话啥意思？
首先，信息类学科大多属于工科，比如我来自传统工科自动化专业。工科和理科不同，更重视理论到落地应用的转化。
在本科阶段的课程分为两类——应试型和应用型，前者包括高等数学、线性代数等通识性科目；后者则包括计算机视觉、机器人控制等专业性科目。具体如何区分每个人都有不同的标准，于我而言，越容易直接应用产生可见成果的越属于应用型科目。举个例子，也许机器人学修完后直接可以上手控制一台机器人，产生成果，但高等数学就没有这种属性。
费这么大劲区分这两种类型的课程是因为它们的学习方法有所区别，对于应试型，完全可以沿用中学的题海战术；而对于应用型，用题海战术确实不如做几个实验，写几段代码理解得深刻。对于应试型科目，我可以刷半本、一本的题，但对于应用型科目，我主要精力则花费在做仿真上，一章学下来就精做四五题而已。
3 要不要迅速投身各种竞赛？

我的答案是：不要
在我大一的时候，总有各路神仙参加各种比赛，营造一种“抓紧一切时间打比赛，刷经历，拿加分”的氛围。对于大神来说，可能高中就已经接触过信息类竞赛，大学直接上手很正常，但对于我这种两眼一抹黑的普通学生来说，确实是很焦虑的。
当时，为了强行跟上大家的脚步，也参加了几个比赛，在C语言还没学到数组的时候就开始强行看单片机的控制代码，装模作样地熬了几个通宵，直接被淘汰，而焦虑复至。
这说明竞赛一定不能超过你现有储备技术栈太多，否则就是做无用功(除非有大神愿意带飞你)。而大一、大二正是进行通识学习的阶段，随便一个专业领域含金量高的竞赛都远远超出现有储备，越级打怪在现实中是很难实现的！
所以大二一整年我就收手，好好掌握课程内的知识足矣。在经历一两个课程设计后，会对开发有更深刻的理解，此时再参加比赛绝对不晚，经过专业必修的历练后，我在大三下学期一口气参加了3个比赛且都取得了不错的结果。比赛或经历重在质量而非数量。
下面列举几个本科阶段信息类学科含金量高的比赛

4 如何看待升学与就业？

打开求职网站，选择一个心仪的岗位，分别看看以本科与研究生毕业的水平能不能胜任，大致就能知道自己应该选择升学还是就业了。
对我个人而言，我的万金油专业自动化毕业确实不知道该找什么对口的工作：软件方面学了一些软工理论，搭了几个本地应用；算法方面学了一些人工智能最基础的算法；硬件方面单片机、FPGA也都碰过。但要单拎出来一个，我真没把握成为这个方向的就业者。
比如下面这个规划工程师的要求，我作为控制工程的学生，在本科阶段却完全没接触过路径规划算法。

5 阶段性学习目标

之前在知乎发过一次，这次在C站也做个总结
   

• A 编程技术进阶
  
  
  
  • Python进阶：主要涉及生成器、装饰器、异步编程等
    
  • C++进阶：主要涉及C++11新标准的学习，重点强化面向对象思想
    
  
  
• B 技术栈拓展
  
  
  
  • 前端技术基础：HTML+CSS+JavaScript+Vue+ElementUI
    
  • Docker原理与应用
    
  • SolidWorks原理与应用
    
  • 计算机网络技术
    
  
  
• C 工程开发工具
  
  
  
  • CMake工具
    
  • Git工程管理
    
  • Shell自动化
    
  • Vim编辑器
    
  • LaTex排版
    
  
  
• D 机器学习理论
  
  
  
  • 机器学习基础
    
  • Pytorch深度学习框架
    
  
  
• E 机器人工程
  
  
  
  • ROS原理与应用开发
    
  • ROS常用库与仿真工具
    
  
  
• F Linux操作系统
  
  
  
  • Linux常用指令
    
  • Linux基础技术：用户管理、文件系统
    
  
  
• G 数学分析基础
  
  
  
  • 最优化理论
    
  • 数值计算方法
    
  • 矩阵分析
    
  
  

  这些场景根据所在专业有所不同，但核心只有一个：本科期间的学习实在无法覆盖到研究生乃至工作时的所有场景，必然会碰到你所没经历过的知识，而且这些知识可能不会给你分配系统学习的时间，比如主管临走前丢给你个仓库地址，说「待会下班前把今天代码提交到这里」，却不知道你之前都是拿U盘或者QQ群做代码管理，没用过git。
所以，在大家制定计划时，并不是为了求广度而盲目选型，首选那些今后大概率会用到，但却没有接触过的东西，例如各种开发工具。
6 总结

回首四年，我的大学生活从来是走一步看一步。仅以此文纪念一下我对本科四年的想法，也许过一段时间回来看看又有新的体会。有意义的事情从来不会容易，加油！

   活动地址：毕业季·进击的技术er

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！