LO
计算机科学 · 能连到哪里
多条方向,绝不只有一条。每条都写明:你的训练里什么真的用得上、毕业生普遍缺什么、现实的入门条件,以及这个学期能验证的一个动作。这一页不评估专业 —— 评估落在任务上,所以沿任何一条方向点进它的职业页。
能连到哪里#
软件工程(但要有策略地进)
任务级分析 →- 什么用得上
- 全部 —— 这是直路。
- 毕业生普遍缺什么
- 缺的不是知识,而是判断力的证据。传统第一份工作靠「付钱让你写两年常规代码」来教判断力;这个安排正在削弱,所以你需要在别人通常还不会要求的时候,就证明自己有审查级的思维。
- 入门的现实
- 梯子最低一级比过去窄了,顶端完好。去看对应的职业页 —— 在首批职业里,这个职业「入门 vs 资深」的分裂是最尖锐的。
本学期可验证
拿一个生成的 PR(你的或开源项目的),写一份真的找出了问题的评审意见,把推理写清楚。每周做一次并存下来。那个文件夹比再做一个教程项目更值钱。
「错了代价很高」的方向
任务级分析 →- 什么用得上
- 失效推理 + 基础理论,用在会把人牢牢留在环节里的地方:支付、安全、数据一致性、基础设施。
- 毕业生普遍缺什么
- 在某一个具体领域的深度,而深度只能靠时间。大多数毕业生是广而不深,对这条路恰好是反的。
- 入门的现实
- 入门岗位更少,但存在的那些风险更低、薪资更好。通常是在别处做一两年之后才进入,而不是直接进。
本学期可验证
挑一个这样的领域,把一个真实生产系统对它的处理从头读到尾 —— 找一个开源的支付或认证库 —— 直到你能向同学讲清它的失效模式。
工程与问题之间
- 什么用得上
- 问题建模 + 读懂系统的能力,用在「同时理解机器和人需要它做什么」的位置:解决方案工程、开发者体验、技术产品。
- 毕业生普遍缺什么
- 把沟通当成一级能力而不是「软技能」—— 写出别人真能照着做的文档,以及和一个不共享你词汇表的人把对话进行下去。
- 入门的现实
- 很少有面向应届的岗位,通常是做过一段工程之后横向进入。值得早点知道它存在,以便有意识地往那边积累。
本学期可验证
给你做过的东西写文档,交给一个不熟悉它的人,看着他卡在哪里 —— 不要帮忙。那段沉默就是收获。
把工程思维带到非软件行业
- 什么用得上
- 整套工具,用在几乎没有人「既懂本行又能动手做」的地方。这个组合很稀缺,而且不和生成式工具正面竞争。
- 毕业生普遍缺什么
- 行业知识本身,几乎从零开始 —— 以及忍受第一年感觉像在倒退的耐心。
- 入门的现实
- 没有标准路径 —— 这有两面:没有队要排,但也没人在招。通常起点是你和那个行业本来就有某种连接。
本学期可验证
找一个非软件行业、有重复性问题的人,做出真能帮到他的最小的东西。一个人在用,胜过一百个 star。
测试与质量工程
任务级分析 →- 什么用得上
- 把失效推理变成一份工作:在用户之前想清楚一个系统会怎么坏,并搭出那套持续证明它没坏的装置。
- 毕业生普遍缺什么
- 毕业生通常会给自己写的代码写测试 —— 而那是简单的那一种。这份工作是给别人写的代码做测试,而且赶的是别人的进度。
- 入门的现实
- 这是软件里比较开放的入口之一,也常常被不公平地当成次一等的入口。在决定之前先读那一页:测试生成是本站已核实证据最多的任务之一,而那些证据改变的是「这份工作还剩下哪一半」。
本学期可验证
拿一份不是你写的同学项目,找出三种他没预料到的弄坏它的方法。然后写下来:这三种里,自动生成的测试能抓到哪几种。
把 AI 落到一家公司里
任务级分析 →- 什么用得上
- 读懂系统加上问题建模,用在一家已经把工具买回来、而现在需要有人决定「它没人看着时能做什么」的公司里。
- 毕业生普遍缺什么
- 毕业生会低估这份工作里属于组织的那一部分:让两个部门达成一致,以及在它做错的时候站在那里 —— 而不是技术的那一部分。
- 入门的现实
- 很少是第一份工作,而且从外面很难看清:这个岗位年轻到本站把它的置信度标为低,而写它的人绝大多数在卖 AI 落地服务。这是「去看一看」的理由,不是「躲开它」的理由。
本学期可验证
挑一个社团或实验室真正在用的工具,写一页:它现在有哪些事是自己决定的、哪些应该要人过一遍。拿给管这个工具的人看,看他跟你争的是哪一行。
人真正碰到的那一层
任务级分析 →- 什么用得上
- 问题建模,用在「未定义情况会被陌生人一眼看见」的地方:没有人画过的那些状态 —— 空的、加载了一半的、断网的,以及用户还在打字时就来了的那个错误。
- 毕业生普遍缺什么
- 可访问性 —— 计算机专业几乎不教,而它在很多市场是法律要求,不是「做得好一点」。注意这对这条路意味着什么:这个专业跳过的那一部分,恰好是背后有法律的那一部分。
- 入门的现实
- 软件里最宽的入口,也是「生成一个界面」的演示看起来最吓人的那个方向。在从那段演示得出结论之前,先去读那一页:生成得好的是第一屏,这份工作剩下的部分是真实设备、真实网络,以及别人都在你之上搭东西的那套组件。
本学期可验证
拿一个你做过的界面,只用键盘从头走到尾,不碰鼠标。记下你卡在第几步。然后把那一步修好 —— 你刚刚做的,正是这份工作里生成不出来的那部分。
管道,以及「出来的东西算谁的」
任务级分析 →- 什么用得上
- 失效推理,对准的是这个专业教你去预期、而大多数人从不设想的那一种失效:什么都没报错,数字就是错的。
- 毕业生普遍缺什么
- 毕业生写过查询,没维护过一个「会在凌晨三点坏掉,因为上游某个系统改了一个字段而没通知任何人」的东西。也还没有人要求过他们用一句话、并且是要负责的那种,说清一个数字是什么意思。
- 入门的现实
- 比算法那扇门宽,也挤得少得多 —— 一半因为它不够光鲜,一半因为这份工作只在出事的时候才被看见。那一页说得很直白:排在第一位的那项任务(把管道搭起来)正是自动化得最快的一项;剩下的,是必须有人为「定义」担责的那一部分。
本学期可验证
搭一条每天自己跑的管道,然后故意往最上游塞一条脏数据,看有没有任何东西来告诉你。多数人第一次都是:没有。那段沉默就是这个职业的全部,浓缩成一次实验。
行为是学出来的那类系统
任务级分析 →- 什么用得上
- 基础理论与失效推理,用在「没有人能逐行说明它为什么这么做」的系统上 —— 所以推理必须是统计的,而不是机械的。
- 毕业生普遍缺什么
- 实验设计,以及足够让你怀疑自己结果的统计。还有一件课程很少直说的事:一个模型在离线指标上变好、在被它作用的人身上变差,是常态,不是意外。
- 入门的现实
- 两扇不同的门,被叫成同一个名字。偏研究那一类岗位窄、基本要研究生,而且是所有人都在投的那一类。宽的那扇门是在买来的模型之上做应用,它在长,而且往往不挂这个职位名。那一页对这份工作的切法是一样的:训一个模型是自动化最快的那项任务,决定「什么才算够好」是不动的那一项。
本学期可验证
用一个公开数据集训点东西,然后写下你预期它会在哪里「自信地答错」—— 再去把那种输入构造出来,直到它真的错。决定什么才算够好、并且自己动手证明它还不够,是这份工作里没法交给工具的那一半。