作为计算机专业学生，最应该学习的课程前五位是什么？
正统篇1. 编程入门（如C、python 等）2. 数学基础（一阶逻辑系统、集合论、图论、线性代数、微积分、概率论）3. 数据结构与算法4. 软件理论入门（形式语言、自动机）5. 体系结构（数字电路、
作为计算机专业学生，最应该学习的课程前五位是什么？正统篇
1. 编程入门（如C、python 等）
2. 数学基础（一阶逻辑系统、集合论、图论、线性代数、微积分、概率论）
3. 数据结构与算法
4. 软件理论入门（形式语言、自动机）
5. 体系结构（数字电路、CPU设计、操作系统、编译器、网络协议）
理论篇
1. 逻辑（一阶逻辑、时序逻辑）
2. 代数（线性代数、抽象代数）
3. 算法（设计、复杂度分析、证明）
4. 软件理论（形式语言、自动机、可计算性理论）
5. 程序语言理论（Lambda 演算、类型系统、证明论等）
系统篇
1. C 语言是汇编的语法糖
2. 造台计算机（CPU）
3. 写个工具链（编译器后端工具链构建）
4. 操作系统（原理和实现）
5. 计算机网络（原理和协议栈实现）
机器学习篇
1. python入门
2. 概率论、统计
3. 机器学习导论
4. 人工神经网络
5. 调参实践
前端篇
1. 前端审美基础（HTML5、CSS）
2. javascript入门
3. 多范式编程（面向对象、函数式、异步）
4. 工程管理导论（如何版本控制、如何炒别人网站的样式、如何忽悠项目经理）
5. 前端项目实践（如何使用框架）
======= 更新 2016-06-06 =======
前端进阶篇
1. javascript进阶
2. 数据可视化
3. UI 交互理论
4. 函数式编程
5. FRP (Functional Reactive Programming)
后端篇
1. 编程入门（python/PHP/etc.）
2. 网站开发导论（HTTP、Web 3.0、MVC 架构、流行的后端框架）
3. 数据库架构设计
4. OAuth 与 Restful API 的哲学和设计
5. Saas 项目实战
后端进阶篇
1. 并行程序设计
2. 密码学
3. 计算机网络
4. 函数式编程（Scala）
5. Reactive Programming
软件工程（现实）篇
（假设已经有编程基础）
1. 需求分析（如何与用户撕*）
2. UML建模（如何增加文档页数）
3. 敏捷开发（如何压榨程序员、为什么用户需求又变了）
4. 测试（如何用完项目经费）
5. 部署与运维（为什么客户老是反映系统有 bug）
软件工程（理想）篇
（假设已经有编程基础）
1. 软件开发方法导论（瀑布式开发、敏捷开发、模型驱动开发）
2. Web 和移动端应用开发实战
3. 软件系统形式化建模（Petri 网、时间自动机、进程代数等）
4. 测试与验证（单元测试、运行时验证、模型检测）
5. 模型驱动开发实战
形式验证篇
（假设已修：微积分、概率论、随机过程、离散数学、代数）
1. 软件理论基础（形式语言、自动机、可计算性理论）
2. 程序构造与解释
3. 模型检测与软件验证（时序逻辑、模型检测算法、静态分析、谓词抽象）
4. 定理证明（Coq、Isabelle）
5. 形式化方法前沿专题（概率模型检测、程序综合、运行时验证）
===== 回答几个评论区的问题 =====
1. 英语放进去？
假设学术英语作为已修课程。
2. 软件开发和数学的联系？
引用某老师课上的话，“如果你只是想做一个‘码农’，即项目的需求已经明确了，框架也有架构师搭好了，甚至于接口都已经定义清楚了，剩下你做的只是编码去实现这个接口，那么你确实不需要数学。但是如果你想做比这个高一点点层次的东西，就会发现数学是很用的。”
也许一部分工业界的人由于平时对理论关注较少，更多的是考虑工程上的实践问题，所以会有一种数学没有用的感觉。但是，从软件理论的角度来看，数学是其中最核心的基础。研究软件理论的人，往往先对软件进行建模，然后透过模型来研究其性质，比如一些用户需求是否被满足。这些工作对相关数学理论，如代数、概率论、随机过程等的依赖是相当高的。即使是工业界做开发，当所开发的系统需要用到形式化模型时，就会不可避免地用到数学，如控制系统（自动机）、通信系统（进程代数、通信自动机等）、传输系统（Petri 网）、概率系统（Markov 链）。掌握更多的理论工具，对于解决实际问题是有很大帮助的。很多时候，推动工业发展的不是经验，而是理论。
1. 编程入门（如C、python 等）
2. 数学基础（一阶逻辑系统、集合论、图论、线性代数、微积分、概率论）
3. 数据结构与算法
4. 软件理论入门（形式语言、自动机）
5. 体系结构（数字电路、CPU设计、操作系统、编译器、网络协议）
理论篇
1. 逻辑（一阶逻辑、时序逻辑）
2. 代数（线性代数、抽象代数）
3. 算法（设计、复杂度分析、证明）
4. 软件理论（形式语言、自动机、可计算性理论）
5. 程序语言理论（Lambda 演算、类型系统、证明论等）
系统篇
1. C 语言是汇编的语法糖
2. 造台计算机（CPU）
3. 写个工具链（编译器后端工具链构建）
4. 操作系统（原理和实现）
5. 计算机网络（原理和协议栈实现）
机器学习篇
1. python入门
2. 概率论、统计
3. 机器学习导论
4. 人工神经网络
5. 调参实践
前端篇
1. 前端审美基础（HTML5、CSS）
2. javascript入门
3. 多范式编程（面向对象、函数式、异步）
4. 工程管理导论（如何版本控制、如何炒别人网站的样式、如何忽悠项目经理）
5. 前端项目实践（如何使用框架）
======= 更新 2016-06-06 =======
前端进阶篇
1. javascript进阶
2. 数据可视化
3. UI 交互理论
4. 函数式编程
5. FRP (Functional Reactive Programming)
后端篇
1. 编程入门（python/PHP/etc.）
2. 网站开发导论（HTTP、Web 3.0、MVC 架构、流行的后端框架）
3. 数据库架构设计
4. OAuth 与 Restful API 的哲学和设计
5. Saas 项目实战
后端进阶篇
1. 并行程序设计
2. 密码学
3. 计算机网络
4. 函数式编程（Scala）
5. Reactive Programming
软件工程（现实）篇
（假设已经有编程基础）
1. 需求分析（如何与用户撕*）
2. UML建模（如何增加文档页数）
3. 敏捷开发（如何压榨程序员、为什么用户需求又变了）
4. 测试（如何用完项目经费）
5. 部署与运维（为什么客户老是反映系统有 bug）
软件工程（理想）篇
（假设已经有编程基础）
1. 软件开发方法导论（瀑布式开发、敏捷开发、模型驱动开发）
2. Web 和移动端应用开发实战
3. 软件系统形式化建模（Petri 网、时间自动机、进程代数等）
4. 测试与验证（单元测试、运行时验证、模型检测）
5. 模型驱动开发实战
形式验证篇
（假设已修：微积分、概率论、随机过程、离散数学、代数）
1. 软件理论基础（形式语言、自动机、可计算性理论）
2. 程序构造与解释
3. 模型检测与软件验证（时序逻辑、模型检测算法、静态分析、谓词抽象）
4. 定理证明（Coq、Isabelle）
5. 形式化方法前沿专题（概率模型检测、程序综合、运行时验证）
===== 回答几个评论区的问题 =====
1. 英语放进去？
假设学术英语作为已修课程。
2. 软件开发和数学的联系？
引用某老师课上的话，“如果你只是想做一个‘码农’，即项目的需求已经明确了，框架也有架构师搭好了，甚至于接口都已经定义清楚了，剩下你做的只是编码去实现这个接口，那么你确实不需要数学。但是如果你想做比这个高一点点层次的东西，就会发现数学是很用的。”
也许一部分工业界的人由于平时对理论关注较少，更多的是考虑工程上的实践问题，所以会有一种数学没有用的感觉。但是，从软件理论的角度来看，数学是其中最核心的基础。研究软件理论的人，往往先对软件进行建模，然后透过模型来研究其性质，比如一些用户需求是否被满足。这些工作对相关数学理论，如代数、概率论、随机过程等的依赖是相当高的。即使是工业界做开发，当所开发的系统需要用到形式化模型时，就会不可避免地用到数学，如控制系统（自动机）、通信系统（进程代数、通信自动机等）、传输系统（Petri 网）、概率系统（Markov 链）。掌握更多的理论工具，对于解决实际问题是有很大帮助的。很多时候，推动工业发展的不是经验，而是理论。
责任编辑：
