信息与计算科学四年，说说我从”数学+编程”到”算法工程师”的转变
先说背景：某985高校信息与计算科学本科，现在在一家互联网公司做算法工程师。
说实话，当初选信息与计算科学是被”信息”和”计算”两个字吸引的——听起来就是搞计算机的。进来之后才发现，这专业是数学和计算机的深度交叉，比纯数学难，但比纯计算机更有深度。
信息与计算科学是数学与计算机科学深度融合的交叉学科。简单来说，就是”用数学思维做算法”的专业。
大一：数学基础+编程入门
大一上学期，数学分析、高等代数、C++/Python高级程序设计。
这三门课是基础中的基础。数学分析让我理解了微积分的严谨性，高等代数让我学会了线性代数，C++和Python则是编程的必备技能。
我还开始刷LeetCode了——虽然一开始很难，但坚持下来确实有效。
大一下学期，离散数学、数据结构与算法、计算机组成原理、数值计算方法。
离散数学是计算机的基础——集合论、图论、数理逻辑……
数据结构与算法是核心课——数组、链表、树、图、排序、搜索……
数值计算方法让我学会了用计算机求解数学问题——数值分析、误差分析、迭代法……
大二：核心专业课+算法训练
大二上学期，算法设计与分析、操作系统、计算机网络、概率论与数理统计。
算法设计与分析是核心课——动态规划、贪心算法、分治策略、回溯搜索……
操作系统和计算机网络是计算机的基础——进程管理、内存管理、TCP/IP协议栈……
我还开始维护GitHub了——这是程序员的作品集和第二张简历。
大二下学期，数据库原理、机器学习基础、密码学与网络安全、优化理论与方法。
数据库原理让我学会了设计和使用数据库——SQL、事务、索引、查询优化……
机器学习基础让我接触到了AI的核心——监督学习、无监督学习、深度学习……
密码学与网络安全是热门方向——对称加密、非对称加密、区块链……
大三：深入学习+项目实践
大三上学期，深度学习、自然语言处理、计算机视觉、并行计算与分布式系统。
深度学习是现在最热的方向——CNN、RNN、Transformer……
我还参加了数学建模竞赛——用数学模型和算法解决实际问题，那种感觉很酷。
大三下学期，准备毕设+思考未来。
我的毕设是关于推荐系统的——用协同过滤和深度学习方法构建个性化推荐模型。
大四：最后的冲刺+就业
大四上学期，参加秋招+准备面试。
算法工程师的面试主要考三块：算法题、机器学习/深度学习、项目经验。
最后我选择了一家互联网公司做算法工程师。工作内容是做推荐算法优化、用户画像构建、数据分析。
说实话，干了几年下来，我觉得信息与计算科学真的很有竞争力——数学思维+编程能力+算法功底，在任何科技公司都很受欢迎。
考研还是就业？
本科就业：互联网公司、金融科技公司——做算法工程师、开发工程师。
读研之后：高级算法工程师、AI研究员——做核心技术研发。
信息与计算科学人必须知道的技能
-
LeetCode刷题：这是算法工程师的必备技能。
-
GitHub维护：这是程序员的简历和作品集。
-
机器学习框架：TensorFlow、PyTorch——深度学习必备。
-
大数据技术：Hadoop、Spark——处理海量数据必备。
信息与计算科学毕业都能去哪？
互联网公司：这是我现在的方向。推荐算法、搜索算法、广告算法。
金融科技公司：做风控模型、量化策略。
AI公司：做计算机视觉、自然语言处理、智能语音。
通信公司：做信号处理、通信算法。
科研院所：继续深造，做学术研究。
该考什么证书？
-
PAT（程序设计能力测试）：计算机专业认可度高。
-
阿里云/腾讯云认证：云平台技能证明。
-
AWS/Azure认证：国际云平台认证。
-
** Kaggle比赛获奖**：数据科学能力证明。
最后说一句：信息与计算科学是”数学+计算机”的双重硬核专业。就业方向很广，算法、开发、数据、AI都可以做。但想拿高薪就得在某个方向深耕——建议选择一个主攻方向，如推荐算法、计算机视觉、自然语言处理等，然后持续学习、积累项目经验。