作為一名計算機專業的畢業生，目前也是一名計算機專業的教育工作者，我來回答一下這個問題。

其實，在目前計算機相關的所有專業課當中，程式語言課程應該是相對比較簡單的，一方面程式語言的內容相對較少，另一方面程式語言的實驗也比較容易完成，從學生整體的成績就可以看出來，程式語言的平均成績還是相對比較高的。

除了程式語言之外，剩下的專業課程都有一定的難度，比如資料庫、作業系統、計算機組成原理、資料結構、演算法設計、編譯原理、計算機網路、網路安全等，這些課程不僅知識量較大，而且可以深挖的內容也非常多。

以作業系統為例，如果想系統瞭解作業系統的工作機制，應該讀一下作業系統的原始碼，所以不少計算機專業的學生都讀過Linux作業系統的原始碼。實際上，透過閱讀作業系統的原始碼，也能夠順便豐富其他相關的知識結構。

演算法設計雖然也有較大的難度，但是對於數學基礎比較紮實的同學來說，演算法設計只是一個思維方式上的轉換，就是數學思維向計算思維的轉換。要想順利完成這個轉換，應該注重多做相關實驗。演算法設計是計算機解決問題的核心環節，未來不論是從事大資料還是人工智慧，都需要具有紮實的演算法設計基礎。

計算機網路是最容易被忽略的課程之一，很多人會誤認為計算機網路比較簡單，實際上計算機網路的難度還是非常高的，尤其是關於資料通訊相關內容，需要大量的計算。早期不少跨考計算機專業研究生的同學，在專業課考試過程中，計算機網路是最大的障礙之一。

個人認為沒有難學的學科，只有學習方法是否得當的問題。計算機類課程的特點是相對較為抽象，課程內容英文相對較多，部分知識不易在生活中尋找原型或例項。因此學習過程中會出現相對的難以理解的情況，這些都是正常現象。首先不能有畏難或厭學情緒，然後透過現象尋找本質或客觀規律，區分不同場景或用途，再進行強化記憶。比如計算機網路中的通訊協議方面的知識，抽象且不易理解，但如果配合網路層級模型、用途和協議關係等等各個方面的知識，就相對比較容易接受。因此難與不難不問題，關鍵是學習方法是否行之有效。