卡拉库姆
指南
Python要怎么学
想学 Python 却不知道从哪里开始？这份学习路径将带你从零基础入门，一步步掌握编程核心技能，从写出第一个程序到实际项目开发，帮你少走弯路、高效进阶，让“会一点”变成“真的会”。
查看Python怎么入门
这是一个面向零基础学习者的Python入门路线。整体思路是先建立正确的学习预期，再逐步认识Python的用途，接着完成环境搭建并开始写代码，然后学习基础语法，最后通过小项目练习把知识真正用起来。重点不在“学完多少内容”，而是在过程中逐步具备“能写简单程序、能解决小问题”的能力，从学习知识过渡到实际使用代码。
查看Java怎么入门
从零基础开始系统学习Java编程语言的过程，目标是让学习者逐步掌握基础语法、面向对象思想、常用工具类以及基本的程序设计能力，并最终能够独立完成简单的控制台项目开发。这一阶段不涉及复杂框架开发，而是强调编程基础与思维方式的建立，为后续学习后端开发技术（如Spring Boot、数据库等）打下坚实基础。
查看专题
Python学习必备资源
这是一个整理好的 Python 学习入口，把常用、经典、质量比较高的学习资料按阶段和方向分类放好。适合从零开始学习，也适合后面进阶查资料用，帮你少走弯路，一步一步学到能做项目的水平。
查看C++资料
C++ 是一种在 C 语言基础上发展起来的强类型、通用编程语言，它不仅保留了 C 语言的高性能和低级内存操作能力，还引入了面向对象编程、泛型编程和模板机制，使程序员能够编写高效、可扩展、可维护的复杂软件系统。
查看Rust资料
Rust 是一门现代系统级编程语言，兼具高性能、内存安全和并发安全的特性，通过独特的所有权（ownership）和借用（borrowing）机制，在无需垃圾回收的情况下保证内存安全，同时支持零成本抽象、模式匹配、泛型、trait 等高级特性，使开发者能够编写高效、可靠、可维护的系统软件、网络服务和嵌入式程序。
查看数据结构与算法
数据结构与算法是计算机科学的核心基础，研究如何合理组织数据与设计高效的计算过程，以在有限的时间和空间内高效解决问题。它不仅决定了程序的性能与可扩展性，也是培养逻辑思维、理解计算本质、编写优雅高效代码的关键所在。
查看知识
编程无法速成，需要长期积累
编程是一项复杂技能，和音乐、运动、写作一样，需要多年训练才能达到专业水平。短期课程可以帮助了解语法和工具，但无法培养真正的编程能力，因为编程能力包含问题分析、设计能力、工程经验和大量实践积累。
查看SHA算法
SHA算法是一种把数据“变成固定长度密码指纹”的方法，它会把一段文字、文件或信息经过计算，生成一串看起来随机的字符（叫哈希值）。同样的数据每次生成的结果都一样，但只要原内容稍微改一点，生成的结果就会完全不同，而且很难从哈希值反推出原来的内容。它常用于验证文件有没有被修改、保存密码、保护数据安全等场景。
查看布隆过滤器
布隆过滤器是一种用来“快速判断一个东西可能在不在”的数据结构。它会先把数据经过一些计算，记录几个位置的信息，之后查询时只要看这些位置，就能快速判断结果。它的特点是速度很快、占用空间小，但它有一个限制：如果它说“没有”，那基本确定没有；如果它说“有”，也可能只是“可能有”（会出现误判）。比如网站判断一个账号是否注册过、缓存系统判断数据是否存在时，就可以用它来快速筛查。
查看傅里叶变换
傅里叶变换是一种把复杂信号“拆开来看”的方法，简单说就是把一个看起来乱七八糟的波形，分解成很多不同频率的简单波形，帮助我们知道里面到底包含哪些成分。比如一首歌听起来是一整段声音，但傅里叶变换可以分析出里面有哪些高音、低音和不同频率的声音。它常用于音频处理、图像处理、通信等领域，可以帮助电脑更好地理解和处理各种信号。
查看反向索引
反向索引是一种“通过内容反查位置”的数据结构，简单说就是先把每个东西出现在哪里记录下来，之后查找时不用一个个翻，而是直接根据关键词找到对应的位置。比如搜索引擎不会每次搜索都把所有网页重新看一遍，而是提前记录“这个词在哪些网页里出现过”，你输入关键词后就能快速找到相关结果。它的核心就是把“数据 → 信息”变成“关键词 → 数据位置”，让查找速度变得更快。
查看树
树是一种像“倒过来的家谱结构”的数据组织方式，有一个根节点往下分出很多分支，每个分支又可以继续分出更小的分支，就像一棵树从树干长出树枝再长出树叶。每个节点可以有“子节点”，但一般不会乱连成环，结构比较清晰。它常用来表示层级关系，比如文件夹目录、公司组织结构等，方便一层一层地查找和管理数据。
查看K最近邻算法
K最近邻算法（KNN）就是一种“看邻居来判断你是谁”的方法，简单说就是当你遇到一个新东西时，不自己做复杂计算，而是去找和它最像的K个已知样本，看它们大多数属于哪一类，就把这个新东西也归到那一类。比如你不知道一只动物是猫还是狗，就看看它周围最相似的几只动物是猫多还是狗多。它的优点是简单直观，不需要训练模型，但缺点是数据多的时候会比较慢。
查看动态规划
动态规划就是一种“把大问题拆成小问题，然后把小问题的结果存起来反复用”的方法。简单说，它不会重复做同样的计算，而是先把能算的小情况都算好并记住，再用这些结果一步步拼出最终答案。比如爬楼梯问题，你可以先知道走1步、2步、3步有多少种走法，再用这些结果去推更大的步数。它的特点是很高效，因为避免了重复计算，但前提是要能把问题拆成有联系的小问题。
查看贪婪算法
贪婪算法是一种“每一步都只选眼前看起来最好的选择”的方法，就是不管以后会不会更好，先把当前最划算的选上再说。它不会做全局规划，而是一步一步做局部最优决策，比如在找零钱时，每次都优先拿最大面额的硬币，直到凑够为止。它的优点是简单、速度快，但缺点是有时候不一定能得到全局最优解，因为只顾眼前利益可能会错过更好的整体方案。
查看狄克斯特拉算法
狄克斯特拉算法是一种用来找“从一个起点到其他点最短路程”的方法，就是每次都先选择当前能到达的、距离起点最近的那个点，然后再从这个点继续更新到其他地方的更短路线，一步一步把所有最短距离算出来。它有点像你出门导航时不断选择“目前最快的路段”，再根据新情况不断调整路线，直到找到到每个地方的最优路径。
查看广度优先搜索
广度优先搜索（BFS）就是一种“按层往外一圈一圈找”的方法。比如从一个起点出发，它不会一下子走很远，而是先把离起点最近的所有点都看一遍，再去看第二层、第三层，就像往水里扔石头产生一圈圈波纹一样慢慢扩散。它常用在找最短路径、迷宫寻路这些问题里，因为它能保证第一次找到目标时通常就是最短路线。
查看图
图是一种用来表示“点和点之间关系”的数据结构，里面有很多节点（点），节点之间通过边连接起来，可以表示各种关系，比如地图上的城市和道路、社交软件里的好友关系。图和树不一样的是，它的连接方式更自由，可以是单向也可以是双向，甚至可以形成环。用图可以解决很多现实问题，比如找最短路径、推荐好友、规划路线等。
查看散列表
散列表（哈希表）就是一种“用关键字直接找位置”的存数据方式。它会用一个函数把你要找的东西（比如名字）算成一个编号，然后直接跳到对应的位置去存或取，所以查找特别快，不用一格一格翻。比如像查字典，你不用从头读到尾，而是通过拼音或笔画直接定位到那一页。它的优点是速度很快，但有时候不同的东西可能算出同一个位置（叫冲突），就需要再想办法处理一下。
查看