Ce document est une traduction de TeachYourselfCS, écrit par Ozan Onay et Myles Byrne.
Ceci est une traduction de la version originale mise à jour en mai 2020.
Si vous êtes un ingénieur autodidacte ou que vous avez suivi une formation accélérée, vous vous devez d'apprendre la science informatique. Heureusement, vous pouvez vous instruire dans ce domaine sans y passer des années ni dépenser une petite fortune dans un diplôme 💸.
Si les ressources disponibles sont nombreuses, toutes ne se valent pas. Et vous n'avez pas besoin d'encore une autre liste de "200+ cours en ligne gratuits". Vous avez besoin de réponses aux questions suivantes:
- Quelles disciplines apprendre, et pourquoi ?
- Quel est le meilleur livre ou la meilleure série de cours filmés pour chacune de ces disciplines ?
Ce guide est notre tentative de répondre définitivement à toutes ces questions.
Étudiez l'ensemble des neufs disciplines suivantes approximativement dans le même ordre à l'aide du manuel ou des vidéos conseillées (idéalement les deux). Comptez 100 à 200 heures pour chaque sujet, puis revoyez vos préférés tout au long de votre carrière 🚀.
| Domaine | Pourquoi l'étudier ? | Livre | Vidéos |
|---|---|---|---|
| Programmation | Ne soyez pas la personne qui n'a "jamais vraiment bien compris" quelque chose comme la récursion. | Structure and Interpretation of Computer Programs | Berkeley CS 61A par Brian Harvey |
| Architecture des ordinateurs | Si vous n'avez pas une représentation mentale solide de la manière dont fonctionne un ordinateur, toutes vos abstractions de haut niveau en seront fragilisées. | Computer Systems: A Programmer's Perspective | Berkeley CS 61C |
| Algorithmes et structures de données | Si vous ne savez pas comment utiliser des structures de données omniprésentes, comme des piles, des queues, des arbres ou des graphes, alors vous ne serez pas en mesure de résoudre des problèmes difficiles. | The Algorithm Design Manual | Les cours de Steven Skiena |
| Mathématiques pour l'informatique | La science informatique est fondamentalement une branche dérivée des mathématiques appliquées, par conséquent apprendre les mathématiques vous donnera un avantage compétitif. | Mathematics for Computer Science | MIT 6.042J par Tom Leighton |
| Système d'exploitation | La plupart du code que vous écrivez est exécutée par un système d'exploitation donc vous devriez savoir comment celui-ci interagit. | Operating Systems: Three Easy Pieces | Berkeley CS 162 |
| Réseaux informatiques | Internet s'est avéré être une grosse problématique: comprenez comment il fonctionne pour déployer son plein potentiel. | Computer Networking: A Top-Down Approach | Stanford CS 144 |
| Bases de données | Les données sont au coeurs des programmes les plus importants, or peu de personnes comprennent comment les systèmes de bases de données fonctionnent réellement. | Readings in Database Systems | Berkeley CS 186 par Joe Hellerstein |
| Langages et compilateurs | Si vous comprenez comment les langages et les compilateurs fonctionnent, votre code en sera meilleur et il vous sera plus aisé d'apprendre de nouveaux langages. | Crafting Interpreters | Le cours d'Alex Aiken sur edX |
| Systèmes distribués | De nos jours, la plupart des systèmes sont distribués. | Designing Data-Intensive Applications de Martin Kleppmann | MIT 6.824 |
Si vous vous sentez débordés à la perspective d'étudier seul neuf disciplines pendant plusieurs années, nous vous conseillons de vous concentrer uniquement sur deux livres : Computer Systems: A Programmer's Perspective et Designing Data-Intensive Applications. D'expérience, ces deux livres fournissent un retour sur le temps investi incroyablement payant, en particulier pour les ingénieurs autodidactes et les personnes qui ont suivi une formation accélérée travaillant sur des applications en réseau. Ils peuvent également servir de "drogue d'initiation", vous ouvrant ainsi la porte aux autres sujets et ressources listées ci-dessus.
Il y a deux types d'ingénieurs: ceux qui comprennent la science informatique suffisamment bien pour effectuer un travail audacieux et innovant, et ceux qui s'en sortent parce qu'ils sont familiers avec quelques outils de haut niveau. Les deux se font appeler ingénieurs informatique, et les deux tendent à gagner des salaires similaires au début de leur carrière. Mais les ingénieurs de type 1 évoluent vers un travail plus épanouissant et bien rémunéré au cours du temps, qu'il s'agisse de travaux à valeur commerciale ou de projets open-source avant-gardistes, de direction technique ou de contributions individuelles d'une grande qualité.
Le système de SMS global traite 20 milliards de messages par jour. WhatsApp en traite maintenant 42 milliards. Avec 57 ingénieurs. pic.twitter.com/zZrtSIzhlR
— Benedict Evans (@BenedictEvans) 2 février 2016
Les ingénieurs de type 1 trouvent des moyens pour apprendre la science informatique en profondeur, que ce soit de manière conventionnelle ou en se formant continuellement pendant leur carrière. Ceux de type 2, typiquement, restent à la surface, apprenant des outil et des technologies spécifiques au lieu de leurs fondements sous-jacents, en se contentant d'acquérir de nouvelles compétences quand la mode technologique change de direction. Actuellement, le nombre de personnes entrant dans l'industrie augmente rapidement, tandis que le nombre de diplômés en science informatique est relativement constant. Cet excédent d'ingénieurs de type 2 commence à restreindre leurs opportunités de travail et les maintient à l'écart des tâches les plus épanouissantes. Que vous vous efforciez de devenir un ingénieur de type 1 ou que vous soyez simplement à la recherche d'une sécurité d'emploi accrue, apprendre la science informatique est le seul moyen fiable d'y parvenir.
Lol oh pourtant ils l'étaient.... pic.twitter.com/XVNYlXAHar
— Jenna Bilotta (@jenna) 4 mars 2017
La plupart des licences en informatique commencent par une "introduction" à la programmation. (Note de la traductrice: Ce texte a été écrit dans un contexte nord-américain.) Les meilleures versions de ces cours profitent non seulement aux débutants, mais aussi à ceux qui ont manqué des concepts et modèles bénéfiques lors de leur premier apprentissage à programmer. Notre recommendation standard pour ce type de contenu est le classique Structure and Interpretation of Computer Programs (SICP) qui est disponible gratuitement en ligne aussi bien sous forme de livre que sous forme de vidéos de cours du MIT Bien que ces vidéos soient formidables, nous suggérons plutôt les cours de Brian Harvey basés sur SICP (pour le cours 61A à Berkeley). Ceux-ci sont plus raffinés et conviennent mieux aux nouveaux étudiants que les cours du MIT.
Nous recommandons de travailler au moins les trois premiers chapitres de SICP et de faire les exercices. Pour un entraînement supplémentaire, travaillez un ensemble de petit problèmes de programmation comme ceux sur exercism.
Compte-tenu du fait que ce guide a été publié pour la première fois en 2016, l'une des questions les plus fréquemment posées a été si nous recommandions maintenant des enregistrements d'itérations plus récentes du cours 61A enseigné par John DeNero et/ou le livre correspondant Composing Programs, qui est "dans la tradition du SICP" mais utilise le Python. Nous pensons que les ressources de DeNero sont également formidables et que certains étudiants pourraient en fin de compte les préférer, mais nous continuons de suggérer SICP, Scheme et les cours de Brian Harvey comme le premier jeu de ressources à essayer.
Pourquoi ? Parce que SICP est unique dans ses capacités - du moins potentiellement - à altérer vos croyances fondamentales à propos des ordinateurs et de la programmation. Tout le monde n'expérimentera pas cela. Certains détesteront cet ouvrage, d'autres n'iront pas au-delà des premières pages, mais la récompense éventuelle vaut la peine d'essayer.
Si vous n'aimez pas SICP, essayez Composing Programs. Si cela ne vous convient toujours pas, essayez How to Design Programs. Si aucun de ces ouvrages ne semble récompenser vos efforts, peut-être est-ce signe que vous feriez mieux de vous concentrer sur d'autres sujets pour un moment et de repasser à cette discipline dans un an ou deux.
Pour finir, un point de clarification: ce guide n'est PAS conçu pour ceux qui sont entièrement novices en programmation. Nous partons du principe que vous être un développeur compétent sans bagage en science informatique et qui cherche à combler des lacunes. Le fait que nous ayons inclu une section sur la "programmation" est simplement un rappel qu'il peut y avoir davantage à apprendre. Pour ceux qui n'ont jamais codé auparavant, mais qui aimeraient le faire, vous devriez préférer un guide tel que celui-ci.
L'architecture des ordinateurs - parfois appelée "systèmes informatiques" ou "organisation des ordinateurs" - est un premier aperçu important de l'informatique en-dessous de la surface des logiciels. Selon notre expérience, c'est le domaine le plus négligé parmi les ingénieurs autodidactes.
Notre livre introductif préféré est Computer Systems: A Programmer's Perspective (CS:APP) et un cours d'introduction typique à l'architecture des ordinateur basé sur cet ouvrage couvre la plupart des chapitres 1 à 6.
Nous aimons CS:APP pour son approche pratique, orientée développeur. Bien que l'architecture des ordinateurs soit bien plus vaste que ce qui est couvert dans le livre, il sert d'excellent point de départ pour ceux qui aimeraient comprendre les systèmes informatiques principalement pour écrire des logiciels plus rapides, plus efficaces et plus fiables.
Le matériel est la plate-forme.
— Mike Acton, Directeur moteur à Insomniac Games (regardez sa conférence CppCon)
Pour ceux qui préfèreraient une introduction plus douce et un équilibre entre les enjeux matériels et logiciels, nous suggérons The Elements of Computing Systems, aussi connu sous le nom "Nand2Tetris". C'est un ouvrage ambitieux qui tente de vous livrer une compréhension cohésive de comment tout fonctionne dans un ordinateur. Chaque chapitre implique de construire une petite partie du système entier, de l'écriture de portes logiques élémentaires en utilisant HDL, un CPU et un assembleur, jusqu'à une application de la taille d'un jeu de Tetris.
Nous recommandons de lire les six premiers chapitres du livre et de réaliser les projets associés. Cela développera votre compréhension des liens entre l'architecture de la machine et le logiciel qui tourne dessus.
La première moitié du livre (et l'ensemble de ses projets) sont disponibles gratuitement sur le site web de Nand2Tetris. Il est aussi disponible sous forme d'un cours Coursera accompagné de vidéos.
En cherchant la simplicité et la cohésion, Nand2Tetris met de côté la profondeur. En particulier, deux concepts très importants dans l'architecture moderne des ordinateurs que sont le pipelining et la hiérarchie de la mémoire sont quasi-totalement absents du texte.
Une fois que vous vous sentirez à l'aise avec le contenu de Nand2Tetris, nous vous proposons soit de revenir à CS:APP, soit d'envisager de lire Computer Organization and Design de Patterson et Hennessy, un excellent ouvrage désormais classique. Toutes les sections du livre ne sont pas essentielles ; nous suggérons de suivre le cours CS61C de Berkeley, "Great Ideas in Computer Architecture" pour une lecture plus spécifique. Les notes de cours et travaux pratiques sont disponibles en ligne, et les cours passés sont disponible sur Internet Archive.
Nous sommes en accord avec des décennies de sens commun selon lequel la familiarité avec les algorithmes et structures de données courantes est l'un des aspects les plus valorisants d'une instruction à la science informatique. C'est également un excellent endroit pour entraîner ses capacités de résolution de problème en général, ce qui sera payant dans tous les autres domaines d'étude.
Il existe des centaines de livres disponibles, mais notre préféré est The Algorithm Design Manual de Steven Skiena. Il est évident qu'il aime la résolution de problèmes algorithmiques et réussi généralement à susciter un enthousiasme similaire auprès de ses étudiants et lecteurs. Selon nous, les deux ouvrages les plus souvent proposés (CLRS (Note de la traductrice: Cormen, Leiserson, Rivest et Stein) et Sedgewick) tendent à être un petit peu trop alourdis de preuves pour ceux qui apprennent ce contenu principalement en vue de résoudre des problème en pratique.
Pour ceux qui préfèrent les cours filmés, Skiena fourni généreusement les siens en ligne. Nous aimons aussi beaucoup le cours de Tim Roughgarden, disponible sur Coursera et ailleurs. Préférer le style de Skiena ou de Roughgarden est une question de préférence personnelle. En fait, il existe des douzaines d'alternatives viables, aussi s'il vous arrive d'en trouver une autre que vous appréciez, nous vous encourageons à continuer avec !
Je n'ai qu'une seule méthode que je recommande largement - cela s'appelle réfléchir avant d'écrire.
— Richard Hamming
Pour la pratique, notre approche préférée est pour les étudiants de résoudre des problèmes sur Leetcode. Ces problèmes tendent à être intéressants et pourvus de solutions et discussions décentes. Il aident également à mesurer les progrès face aux questions couramment utilisées pendant les entretiens techniques dans les companies les plus compétitives. Nous vous suggérons de résoudre environ 100 problèmes aléatoires sur leetcode comme une partie à part entière de vos études.
Enfin, nous recommandons vivement How to Solve It, un guide excellent et unique pour la résolution de problèmes en général ; cela est autant applicable à la science informatique qu'aux mathématiques.
Si les gens ne croient pas que les mathématiques soient simples, c'est uniquement parce qu'ils ne réalisent pas à quel point la vie est compliquée.
— John von Neumann
D'une certaine manière, la science informatique est une branche dérivée des mathématiques appliquées. Tandis que plusieurs ingénieurs en informatique essaient - et parviennent à des degrés variables - d'ignorer cela, nous vous encourageons d'en aborder l'étude de manière directe. Procéder ainsi avec succès vous donnera un énorme avantage compétitif sur ceux qui ne le font pas.
Le domaine des mathématiques le plus pertinent pour la science informatique est généralement appelé "mathématiques discètes", où "discret" est opposé à "continu" et désigne vaguement une collection de sujets de mathématiques appliquées intéressants en-dehors de l'arithmétique. Compte-tenu de la définition souple, il n'aurait pas de sens d'essayer de couvrir l'entièreté des "mathématiques discrètes". Un objectif plus réaliste est de se forger une compréhension de la logique, de la combinatoire et probabilités, de la théorie des ensemble, de la théorie des graphes et un petit peu de la théorie des nombres formant la cryptographie. L'algèbre linéaire est un domaine d'étude supplémentaire qui vaut le coup, compte-tenu de son importance dans les graphismes et l'apprentissage automatique.
Notre suggestion de point de départ pour les mathématiques discrètes est l'ensemble des notes de cours de László Lovász. Le professeur Lovász a fait un très bon travail pour rendre le contenu abordable et intuitif, ce qui en fait un meilleur point de départ que bien des textes plus formels.
Pour une approche plus avancée, nous conseillons Mathematics for Computer Science (Note de la traductrice: lien mort au moment de la traduction, remplacé par un équivalent), notes de cours de la longueur d'un livre d'un cours éponyme du MIT. Les vidéos de ce cours sont également disponibles gratuitement, et constituent notre recommandation de vidéos de cours pour les mathématiques discrètes.
Pour l'algèbre linéaire, nous suggérons de commencer avec la série de vidéos Essence of linear algebra, suivie du livre et des vidéos de cours de Gilbert Strang.
Operating System Concept (le "livre du dinosaure") et Modern Operating Systems sont des "classiques" sur les systèmes d'exploitation. Les deux ont fait l'objet de critiques quant à leur manque de clarté et, de manière générale, leur peu de souci vis-à-vis des étudiants.
Operating Systems: Three Easy Pieces (OSTEP) est une bonne alternative disponible gratuitement en ligne. Nous aimons en particulier la structure et la lisibilité de l'ouvrage, et nous avons l'impression que les exercices en valent le coup.
Après OSTEP, nous vous encourageons à explorer les décisions de conception pour des systèmes d'exploitation spécifiques, à travers des livres du style "{Système d'exploitation} Intenals" comme Lion's commentary on Unix, The Design and Implementation of the FreeBSD Operating System et Mac OS X Internals. Pour Linux, nous conseillons le fantastique Linux Kernel Development de Robert Love.
Une excellente manière de consolider votre compréhension des systèmes d'exploitation est de lire le code source d'un petit noyau et d'y ajouter des fonctionnalités. Un choix peut être xv6, un portage d'Unix V6 en C ANSI et x86 maintenu dans le cadre d'un cours au MIT. OSTEP a un appendice de travaux pratiques possibles avec xv6 avec plein d'idées formidables pour des projets éventuels.
Sachant qu'une si grande partie de l'ingénierie logicielle réside sur des serveurs et des clients webs, un des domaines les plus rapidement valorisant en science informatique est les réseaux informatiques. Il se trouve que nos étudiants autodidactes qui étudient méthodiquement les réseaux comprennent enfin les termes, concepts et protocoles dont ils ont été entourés des années durant.
On ne peut pas regarder dans une boule de cristal et voir le futur. Ce qu'Internet deviendra à l'avenir sera ce que la société en fera.
— Bob Kahn
Notre livre préféré sur le sujet est Computer Networking: A Top-Down Approach. Les petits projets et exercices dans ce livre valent largement le coup d'être faits, et nous apprécions particulièrement les "travaux pratiques Wireshark" qu'ils ont généreusement publiés en ligne.
Pour ceux qui préfèrent des vidéos de cours, nous vous suggérons le cours de Stanford Introduction to Computer Networking disponible auparavant sur la plateforme de MOOC de Stanford Lagunita, mais désormais malheureusement uniquement disponible comme des listes d'écoute non officielles sur Youtube.
Apprendre en autodidacte les systèmes de base de données recquiert davantage de travail qu'avec les autres sujets. C'est un domaine d'étude relativement récent (c'est-à-dire postérieur aux années 1970) avec de fortes motivations commerciales pour ne pas partager les idées. De surcroit, plusieurs excellents auteurs potentiels de manuel ont préféré rejoindre ou lancer une companie.
Au vu des circonstances, nous encourageons les autodidactes à éviter de manière générale les manuels et à commencer avec les enregistrement de CS 186, le cours sur les bases de données de Joe Hellerstein à Berkeley, et à passer ensuite à la lecture de papiers.
Un papier qui vaut particulièrement le coup d'être mentionné à de nouveaux étudiants est "Architecture of a Database System", qui fourni une vue d'ensemble unique sur le fonctionnement des systèmes de gestion de bases de données relationnelles (RDBMS). Cela servira de point de départ utile pour des études ultérieures.
Readings in Database Systems, mieux connu sous le nom du "livre rouge" des bases de données, est un ensemble d'articles compilés et édités par Peter Bailis, Joe Hellerstein et Michael Stonebraker. Pour ceux qui ont progressé au-delà du niveau de CS 186, le livre rouge devrait être leur prochain point d'étude.
Si vous êtes intransigeant par rapport à l'utilisation d'un manuel d'introduction, nous vous suggérons Database Management Systems de Ramakrishnan et Gehrke. Pour des étudiants plus avancés, le classique Transaction Processing: Concepts and Techniques de Jim Gray vaut la peine, mais nous ne vous conseillons pas de l'utiliser comme une première ressource.
Enfin, la modélisation de données est un aspect du travail avec les bases de données négligé et peu enseigné. Le livre que nous suggérons à ce propos est Data and Reality; A Timeless Perspective on Perceiving and Managing Information in Our Imprecise World.
La majorité des développeurs apprennent des langages, tandis que la majorité des experts en informatique en apprennent sur les langages. Cela confère à l'expert en informatique un avantage distinct sur le développeur, même dans le domaine de la programmation ! Leur connaissance généralise ; ils sont capable de comprendre une opération d'un nouveau langage plus profondément et plus rapidement que ceux qui se sont contentés d'apprendre des langages en particulier.
Nous suggérons en guise de manuel introductif l'excellent Crafting Interpreters de Bob Nystrom, disponible gratuitement en ligne. Il est bien organisé, très divertissant et convient à ceux dont le premier but est simplement de mieux comprendre leurs langages et leurs outils. Nous vous conseillons de prendre le temps d'étudier l'ensemble de l'ouvrage, en essayant n'importe quel "challenge" qui éveillerait votre intérêt.
Ne soyez pas un développeur de code préfabriqué. A la place, construisez des outils pour les utiliateurs et les autres développeurs. Prenez note de l'histoire de l'industrie du textile et de l'acier : voulez-vous construire des machines et des outils, ou voulez-vous utiliser ces machines ?
— Ras Bodik au début de son cours sur les compilateurs
Un conseil plus traditionnel est Compilers: Principles, Techniques & Tools, communément appelé "le livre du dragon". Malheureusement, il n'a pas été conçu pour les autodidactes mais pour que les enseignants puissent y puiser des sujets valant un à deux semestres pour leurs cours.
Si vous choisissez d'utiliser le livre du dragon, il est quasiment essentiel que vous choisissiez ces sujets, idéalement avec l'aide d'un mentor. En fait, nous vous conseillons d'utiliser le livre du dragon, si c'est ce pour quoi vous optez, comme une référence complémentaire d'une série de cours filmés. Notre recommandation est celle d'Alex Aiken sur edX.
De même que les ordinateurs sont devenus plus nombreux, ils se sont également répandus. Alors qu'auparavant les entreprises auraient acheté des ordinateurs de plus en plus importants, il est désormais courant pour même de très petites applications de s'exécuter à travers plusieurs machines. Les systèmes distribués sont l'étude de la manière de raisonner à propos des pour et des contre impliqués dans cette pratique.
Le livre que nous proposons pour un auto-apprentissage est Designing Data-Intensive Applications (DDIA) de Matin Kleppmann. Bien meilleur qu'un manuel traditionnel, DDIA est un ouvrage très lisisble conçu pour ceux qui pratiquent, tout en évitant de sacrifier la prodondeur ou la rigueur.
Pour ceux qui cherchent un livre plus traditionnel, ou qui préfèrent ce qui est disponible gratuitement en ligne, nous conseillons Distributed Systems, 3ème édition, de Maarten van Steen et Andrew Tanenbaum.
Pour ceux qui préfèrent les vidéos, un excellent cours filmé disponible en ligne est 6.824 du MIT, un cours de niveau master enseigné par Robert Morris avec des notes disponibles ici.
Peu importe votre choix de manuel ou d'autre ressource secondaire, l'étude des systèmes distribués recquiert absolument la lecture de papiers. Une bonne liste se trouve ici, et nous vous encourageons grandement à créer votre propre chapitre de Papers We Love.
Nous avons en tête que vous êtes ingénieur en informatique autodidacte, diplômé d'une formation accélérée ou lycéen avancé, ou un étudiant à l'université cherchant à compléter son éducation institutionnelle avec de l'auto-apprentissage. La question de quand se lancer dans l'aventure est entièrement personnelle, mais la plupart des gens a tendance à profiter d'une expérience professionnelle avant de s'embarquer en profondeur dans la théorie de la science informatique. Par exemple, nous avons remarqué que les apprenants adorent étudier les bases de données quand ils ont déjà travaillé avec à un niveau professionnel, ou sur les réseaux informatiques s'ils ont travaillé sur un ou deux projets web au préalable.
Nous avons essayé de restreindre notre liste à des disciplines de science informatique dont nous pensons que chaque ingénieur informatique devrait connaître, peu indépendamment de leur spécialité ou de l'industrie, mais en se concentrant sur les systèmes. Selon notre expérience, ce sont les sujets avec le meilleur retour sur investissement pour l'immense majorité des ingénieurs autodidactes et des diplômés de formations accélérées, et qui fournissent des bases solides pour des études ultérieures. Par conséquent, vous serez dans une bien meilleure posture pour choisir des manuels ou papiers et en apprendre les concepts de base sans trop d'aide. Voici quelques points de départ que nous vous suggérons pour quelques "options" fréquentes:
- Pour l'intelligence artificielle : faites le cours d'introduction à l'IA de Berkeley en regardant les vidéos et en réalisant l'excellent projet Pacman. En ce qui concerne le manuel, utilisez Artificial Intelligence: A Modern Approach de Russell et Norvig.
- Pour l'apprentissage automatique: faites le cours sur Coursera de Andrew Ng. Soyez patients, et veillez à bien comprendre les bases avant de vous précipiter sur les sujets tous beaux tous neufs comme l'apprentissage profond.
- Pour les graphismes: travaillez le contenu de Berkeley CS 184 et utilisez Computer Graphics: Principles and Practice en guise de manuel.
En pratique, tous ces sujets ont une part importante d'imbrication, et se réfèrent mutuellement les uns les autres en boucle. Prenez par exemple les liens entre les mathématiques discrètes et les algorithmes: apprendre les mathématiques en premier vous aidera à analyser et comprendre les algorithme avec plus de profondeur, mais apprendre les algorithmes en premier vous donnera davantage de motivation et de contexte pour ensuite faire des mathématiques discrètes. Idéalement, vous devriez revoir les deux sujets à plusieurs reprises tout le long de votre carrière.
Tel quel, l'ordre proposé est surtout là pour vous aider à commencer... si vous avez une raison impérieuse de préférer un ordre différent, alors allez-y. Les plus importants "pré-requis", selon nous, sont: architecture des ordinateurs avant systèmes d'exploitation ou bases de données, et réseaux et systèmes d'exploitation avant systèmes distribués.
Quand ce guide a été rédigé pour la première fois en 2016, le guide de la OSS (Open Source Society) avait trop de disciplines, conseillait des ressources de moins bonnes qualité et trop nombreuses, et ne fournissait aucune explication ni guide sur les raisons qui faisaient de certains cours leur valeur. Nous nous sommes efforcés de restreindre notre liste de cours à ceux que vous devriez réellement connaître en tant qu'ingénieur en informatique, indépendamment de votre spécialité, et pour vous aider à comprendre pourquoi chaque cours a été inclu. Dans les années qui ont suivi, le guide de l'OSS s'est amélioré, mais nous pensons toujours que celui-ci propose un parcours plus clair et plus cohérent.
freeCodeCamp se concentre principalement sur la programmation, pas sur la science informatique. Quant aux raisons pour lesquelles vous voudriez apprendre la science informatique, voyez plus haut. Si vous êtes novices en programmation, nous vous conseillons de commencer par cela, et ensuite de revenir à ce guide dans un an ou deux.
Apprendre un langage de programmation en particulier est complètement différent d'apprendre un domaine des sciences informatiques - apprendre un langage est bien plus facile et a bien moins de valeur. Si vous connaissez déjà quelques langages, nous vous conseillons vivement de simplement suivre notre guide et ajuster votre acquisition de langages dans les interstices, ou de laisser ça pour plus tard. Si vous avez bien appris à programmer (comme à travers le livre Structure and Interpretation of Computer Programs), et en particulier si vous avez appris la compilation, alors cela devrait vous prendre à peine plus d'un week-end pour apprendre l'essentiel d'un nouveau langage, après quoi vous pourrez apprendre les librairies/outils/écosystème sur le tas.
Aucune technologie n'est suffisamment importante pour que son usage fasse partie du coeur de votre formation. D'un autre côté, il est réjouissant que vous soyez enthousiaste d'apprendre cette chose. Le truc est de travailler à rebours depuis cette technologie particulière au domaine ou concept sous-jacent, et d'apprendre celui-ci en profondeur avant de voir comment votre technologie à la mode s'intègre dans le tout.
Ecoutez, juste essayez-le. Certaines personnes trouvent SICP époustouflant, une caractéristique que peu d'ouvrages possèdent. Si vous ne l'aimez pas, vous pouvez toujours essayer quelque chose d'autre et peut-être revenir à SICP plus tard.
Le livre du dragon est toujours la ressource la plus complète sur les compilateurs. Il a acquis une mauvaise réputation, souvent parce qu'il insiste lourdement sur certains sujets qu'il est moins usuel d'aborder en détails de nos jours, comme le parsage. En fait ce livre n'a jamais été écrit dans l'intention d'être étudié de A à Z, mais seulement pour fournir suffisamment de matière pour qu'un enseignant puisse construire un cours. De manière analogue, un autodidacte peut choisir son propre parcours à travers le livre, ou préférer suivre pour le moment les conseils de lecture des instructeurs de cours disponibles en ligne par rapport à leur plan de cours.
Beaucoup de manuels que nous conseillons sont disponibles gratuitement en ligne grâce à la générosité de leurs auteurs. Pour ceux qui ne le sont pas, nous vous conseillons d'acheter des exemplaires de seconde main d'anciennes éditions. En règle générale, s'il y a eu un peu plus qu'une poignée d'éditions d'un manuel, il y a de fortes chances pour qu'une édition plus ancienne soit parfaitement adéquate. Pour sûr, il y a peu de chances pour que la version la plus récente soit dix fois meilleure qu'une plus ancienne, même si cela correspond à la différence de prix !
A l'origine, ce guide a été écrit par Oz Nova et Myles Byrne, puis des mises à jours ont été ajoutées en 2020 par Oz. Il est basé sur notre expérience d'enseignement des bases de la science informatique à plus de 1000 étudiants, principalement des ingénieurs autodidactes et des diplômés de formations accélérées, dans des environnements en petit groupe à San Francisco et en ligne. Merci à tous nos étudiants pour leurs retours continuels sur les ressources pour l'auto-apprentissage.
Nous sommes très confiants quant au fait que vous devriez apprendre tout ce qui précède, si vous en avez le temps et la motivation. Mais si vous préférez un programme intensif, structuré, mené par un instructeur, vous pourriez être intéressé par notre programme Computer Science Intensive. Nous ne vous conseillons PAS de rejoindre un master.
Pour les mises à jours de ce guide et des informations et ressources générales sur la science informatique, vous pourriez également avoir envie de rejoindre la liste de diffusion de Bradfield.