现在我还是推荐到 b 站上找找课直接看，不香么。可以随时暂停、快进、讲得也清楚，还有弹幕答疑。从初中开始看，有点太没信心了？初高中加起来的数学也就大学一学期的事儿，直接看大学的好了（或者不看，然后放弃掉人工智能这种数学比较多的课；数据结构其实不看算法分析，数学也不算多，编译原理则是建立在数据结构的基础上，其实也可以忽略数学相关的分析）

cppreference 里很多说明跟 c++标准差不多。想搞明白挺难的。不过反复琢磨会提高理解是深度。

http://thbecker.net/articles/rvalue_references/section_01.html 这个不错，推荐。
另外 scott meyers 的这个： https://isocpp.org/blog/2012/11/universal-references-in-c11-scott-meyers 也可以补充看看。

我个人的观点：如果你本科底子很强（就是本科那些课，至少不能说忘记七七八八了，至少得记住个 7 成吧，这样复习周期不会特别长），并且英语也强（至少长期保持 6 级要 550 分吧 or 雅思 6.5 左右 or 托福 95 分以上，这样考研英语发挥差点也能 60 多，正常差不多 70 ），考上的概率还是不小的。否则，难，除非高强度脱产。

看你的底子。给你我的例子参考一下吧，我底子还行，当年本科 985 ，系排名 6 ；工作了三年，身体不大好得了慢性病，住院觉得没事干就报名考研了。英语我基本没复习，政治考前看了一个礼拜学习了下怎么吹嘘 GCD 。考得是数学专业，复习了一下数学分析和高等代数，差不多脱产一个月，最终是 358 分上岸了个 985 的数学系。（现在的难度可能比以前高了，毕竟竞争大了）

没法删除已经说过的。。。那就是 java 上面的，能用 java 库的更合适。

@Leviathann 我看错了。囧了。

sorry, 我看错了，忽略我的！！！充分隐藏，我看成暴露了。对不起。当我没说

perl, groovy 我也了解不多。其他那些帮你排除，就剩 rust ，但如果更想了解 cpu 、编译器、系统这些底层，c 和 c++会更加带你走向深渊。c 的话可能得多看项目，c++光标准就可以把你搞晕了。

我怎么觉得：“充分隐藏计算机体系结构的细节” 和 “代码较为简洁，开发效率高” ， 这俩矛盾呢。说实话，C 语言更合适点？或者 C++。但我感觉两个代码都不简洁。有 GC 的，按照你的说明肯定要被排除，还剩个 rust ，我了解也不多，所以 rust 可能也是 ok 的。

我的观点，好用就行呗。
但工具链安装最好不放仓库里，可以文档说明一下怎么搞环境，或者提供个安装脚本。最好的，我觉得还是做个 docker 之类的镜像，安装好了工具链供使用。

启动个 ssh 转发，反向代理之类的，可以直接登录到远程机器上。不过我忘了命令是啥了。

1. 不适合在前端做，为啥不放后端。
2. 不适合用 js 做，在后端了，反正怎么搞都有办法。

我主要觉得 windows 配置环境比较麻烦。就算有 vcpkg，让我也不适应。更别说，当你用 n 个语言，各种环境来回切换的时候，windows 简直炸裂，mac 的话还凑合。此外就是因为我还用 emacs 这种过时的工具，基本就 linux 配合起来没啥问题，其他系统折腾得我想死。最后就是 linux 没有 qq 、微信这些，我觉得这些软件除了降低效率没啥用，尤其是自己搞事情的时候。（ mac 整体不错，但是：配置全局快键这种，对键盘魔改加组合快键，基本没有特别稳定的办法；再一个我就不喜欢 dylib 这种文件格式，觉得怪异； brew 上经常软件版本不够新；从源码构建一些软件的话，比 linux 折腾不少；一些最新的开源库和代码往往 linux 上支持的早； xcode 实在太大，也不喜欢用；还有很多其他小细节，包括 bash 环境问题等等的，很多命令细节上和 linux 还有差异，用不习惯；最重要的一点，就是贵的很不合理，有那个钱换个 linux 机器多香。linux 我觉得就是别有太多要求，主要专注在写代码上就会比较爽了，又搞 wine 又搞很多 windows 下的软件就是浪费时间）
p.s. 如果在公司，大家需要协同工作，跟大家用一样的系统比较方便。考虑到各个系统都有自己优点和缺点，我买了三个电脑，各个系统的都有。平时能 linux 就 linux 了，可以让人更加专注。我不用虚拟机，性能太低，这个虚拟机还会有各种别的问题，比如底层调试模式的支持、性能问题、开发环境过于庞大的时候这些问题更加难搞。docker 会用用，主要是跨平台构建或者自动化部署，windows 下 docker 还是有点太慢了，感觉用起来总是有点不太舒服。

@yaphets666 如果理解指的是合理打分，不一定，我觉得大概率能；如果理解指的是表达机器本身的情感，目前是不行。目前机器缺乏自我认知的建立的机制，我觉得是前馈网络本身的缺陷，但目前也就前馈网络容易训练和改进。

@PeakFish 做过才知道行不行。我觉得机器也是能理解美的。

数据预处理也是需要的，对齐，拉伸等等的。另外如果到笔画程度，可能需要用点几何特征。但我感觉针对特殊风格的手写体还是麻烦，比如行书。可以先限定楷体。