每年开学，都有大一同学来问：想学编程、想搞数学建模，该从哪儿开始，看什么。
网上资源多是多，但太散。这个教程说要从 C 语言开始，那个视频说直接上机器学习，看一圈下来反而更懵。
我这些年自己也教过不少学生，陆陆续续写过一批相关的东西，干脆按学习顺序整理成一份指南，专门给刚入学的同学用。
下面这些链接，都是我公众号上发过的文章，点进去就能看。我没有把网上所有好资源都塞进来，只挑了自己看过、用过、觉得靠谱的。顺序上建议从头往后走，跳着看容易卡壳。
一、先把环境搭起来
学 Python 第一件事不是写代码，是装环境。这一步劝退的人比语法本身多，先把地基打好。
Windows 用户照着这篇做就行，从 USTC 镜像下载，装到固定路径，配好镜像源：
装完之后，建议顺手把「路径」这个概念搞明白。以后报的各种「找不到命令」「模块导入失败」，八成都是路径问题：
二、Python 基础
环境好了，按这个顺序看。这四篇篇幅都不长，但把关键点讲到了。
- Python 基础语法5分钟入门 —— 数据类型、容器、索引切片、条件循环、函数、异常，一篇过一遍。
- 面向对象编程入门：用武侠角色理解 Python 中的“类” —— 用武侠角色打比方，把类、实例、继承讲明白。
- 简单说说Python里面的「函数是第一公民（First-Class Citizen）」 —— 理解 Python 的函数为什么特殊，后面学装饰器、回调都靠它。
- 单一职责原则：写好Python函数的第一步 —— 不是语法，是习惯。早点养成，代码质量差很多。
这一阶段的目标很具体：能自己写脚本处理文件、批量改文件名、读一份 Excel 或 CSV 做点统计。做得到，基础就算过关了。
三、数学与科学计算基础
写代码只是工具，真做建模和数据分析，数学底子决定你能走多远。这几篇不要求你数学多好，但帮你把计算机里的数字、统计和常见概念搞清楚。
- 基础知识：初级统计概念的简单介绍 —— 均值、方差、分布这些，用最直白的话讲一遍。
- 单精度浮点数的“分辨率”：为什么在计算机里 1000 万和 1000 万加 0.01 可能是一样的？ —— 为什么算出来的数会「不准」，这篇讲得最清楚。
- 你的电脑每秒能做多少次浮点运算？——FLOPS 的故事 —— 算力到底怎么衡量。
- 只测 FLOPS 还不够——四个经典 CPU 测试基准 —— 接着上一篇，讲讲实际性能怎么测。
- 基础概念-拉普拉斯算子（排版修复版本） —— 一个在物理、图像、微分方程里到处出现的算子。
- 一维查找方法综述：从三分、黄金分割到 Fibonacci 与 Brent —— 优化的入门，怎么用最少的次数找到你要的值。
四、数值方法：积分与滤波
这部分开始上强度了。建议不要只看，把代码敲一遍，改改参数看看结果怎么变。
积分和求根，从最简单的梯形法一路到自适应方法：
滤波，做传感器、导航、信号处理、时间序列预测都用得上，也是数学建模里很实用的一块。这篇把从移动平均到粒子滤波的几类方法串了一遍：
五、数学建模实战
这是一个完整的系列，从零讲怎么把一个现实问题变成数学模型，再用 Python 跑出来、画出来。强烈建议跟着做一遍，哪怕只是照抄代码再改改参数。
- 数学建模与Python：探索世界的数字钥匙 —— 总纲，先看这篇。
- 数学建模与Python：高空坠落的硬币传说
- 数学建模与Python：共享单车系统建模-从简单模拟到参数优化
- 数学建模与Python：天体运行模型-从日地月到三体系统的模拟
- 数学建模与Python：能量模拟-从分子运动到宏观热力学
- 数学建模与Python：图灵的形态发生模型-从均匀到有序
- 数学建模与Python：沙堆崩塌模型-自组织临界性
- 数学建模与Python：传染病模型与森林火灾-从空间传播到自组织临界性
学完这些，建议去参加一次数学建模竞赛。校赛、国赛、美赛都行，重点是逼自己完整走一遍「读题—建模—编程—写论文」的流程，这个经验比多看十篇文章都值。
六、科研与论文（提前准备）
大一就开始准备不早。等你要写课程论文、大创、竞赛论文的时候，这些能救命。
- 新手向的 Markdown 数学公式指南 —— 先把公式怎么写学会。
- 学术论文中常见研究方法综述及简单举例 —— 知道论文里那些方法都是干嘛的。
- 学术研究支持工具分类与文献获取方法 —— 文献去哪儿找、怎么管。
- 《给研究生的一些建议》（本人翻译版本） —— 虽然是给研究生的，大一看了能少走很多弯路。
- 高校教师建议大一新生养成阅读论文的习惯 —— 为什么、怎么读论文。
- 计算机相关专业学生的自学指南：从教材到实践的全新学习路径 —— 想系统自学计算机的看这篇。
如果你对 AI 方向感兴趣，可以顺着这两篇往下走：
七、边学边用的工具
下面这些工具都是我用 Python 写的，源码不复杂，可以拿来当练手项目读，也可以直接拿来用。
- Chou（瞅）——一个Python小工具，让你的论文PDF文件名不再是乱码 —— 论文党必备。
- NuoYi 挪移-一个离线的 PDF/DOCX 转 Markdown 工具 —— 把 PDF 资料变成能编辑的文本。
- Huan-一个把网页转换成 Markdown的Python 小工具
- HeiBan（黑板）-将Markdown转换成HTML来当讲义 —— 做讲义、做汇报很好用。
- Xie（写）：把 Markdown 转成微信公众号格式网页的小工具
- 推荐一款MarkDown的跨平台离线编辑器，支持随时预览
八、给大一的几条建议
最后说几条老登常谈。
别只看视频。 看的时候觉得都懂了，自己一写就卡壳，这是常态。看一段就自己敲一遍，改改参数、故意写错看看报什么错，比连看三小时视频有用。
从项目出发。 不要等「学完了」再动手，永远等不到那一天。找一个自己感兴趣的小题目，比如把班级成绩表处理一下、爬个天气数据画张图，边做边查，学得最快。
数学别丢。 高数、线代、概率统计，这些课当时觉得没用，等你做建模、看论文、学机器学习的时候，全会回来找你。课上认真听，比以后补课省事得多。
参加一次数学建模竞赛。 不管拿不拿奖，完整做一次的价值都很大。组队、分工、熬夜、写论文，这个过程本身就是训练。
英语要跟上。 最新的文档、论文、教程几乎都是英文的。不用一上来就啃原著，但至少要习惯看英文文档，别一见到英文就去找二手翻译。
别怕报错。 报错是常态，不是你笨。学会看报错的最后一行、学会搜索报错信息，这个能力比记住多少语法都重要。
用好 AI 工具，但别依赖它。 现在用 AI 辅助写代码、查资料确实方便，但基础得自己打。AI 给的代码你要看得懂、能改，否则出了问题完全没法排查。
九、外部资源
除了我写的这些，下面这些是我觉得值得收藏的：
- Python 官方文档：https://docs.python.org/zh-cn/3/ ，中文版，遇到问题先查它。
- 《Think Python》原书：https://greenteapress.com/wp/think-python-2e/ ，免费。
- 数据集平台：Kaggle（https://www.kaggle.com/datasets ）和 ModelScope（https://www.modelscope.cn/datasets ），练手用。
- 数学建模竞赛：全国大学生数学建模竞赛官网 http://www.mcm.edu.cn/ ，先看历年题目。
- 书：姜启源《数学模型》、司守奎《数学建模算法与应用》，图书馆一般都有。
最后
大学四年，最不缺的是时间，最容易被浪费的也是时间。大一这一年如果能把 Python 和数学的基础打扎实，后面做项目、进实验室、参加竞赛、找实习，都会轻松很多。
不用着急，也不用什么都学。照上面的顺序，一周啃一两篇，动手做，坚持一个学期，回头你会感谢现在的自己。
有问题欢迎在公众号后台留言，我看到会回。