本科練好基本功，數學和其他基礎知識。基礎演算法要會，順便有自己可用的作品。透過迭代開發，完成可用作品然後再不斷完善。本科知識面可以廣一些，深入瞭解時間來不及，除非已經確定是自己追求的目標。

等碩士時，確定目標深入鑽研吧。

現在學習按部就班來吧，所有的科學都成複雜科學了，不可能一口吃成胖子，只有打好基礎才能有高樓。

我覺得這要分專業吧，科研類的要一心鑽研自己的專業知識，然後補充一些其他知識，有些偏文的專業就要大量補充其他知識儲備了。比如大多數學校都會有的經濟管理學院，某些專業需要大量的社會實踐活動，也就需要很多其他知識

作為一名從業多年的IT人，同時又是一名教育工作者，我來回答一下這個問題。

在大學本科期間一定要重視基礎學科的學習，研發人員未來的成長空間很大程度上取決於基礎知識的掌握程度，其中數學基礎則是非常重要的。

在科技領域數學的地位非常重要，在當今的大資料時代，資料價值化是一個必然的發展趨勢，而資料價值化的核心就在於演算法設計，透過演算法能讓資料呈現出各種維度下的規律性，從而幫助醫生、教師、企業管理者等作出更加合理的決策，這是大資料的根本價值之一。

未來一定是智慧化社會，智慧化社會依賴於人工智慧領域的發展，在人工智慧領域裡有六大研究方向，分別是自然語言處理、知識表示、自動推理、機器學習、計算機視覺和機器人學，這些研究內容都有一個重要的基礎就是演算法。所以，在大學期間學習好演算法是非常重要的，也是未來提升自己核心競爭力的有效手段。

那麼是不是意味著在大學期間就只學習演算法呢？當然不是！學習演算法也需要有平臺來驗證演算法是否合理，驗證演算法是機器學習領域裡重要的步驟之一，所以學習演算法的同時也要有一個系統、全面的學習計劃。

比如在學習演算法的同時，可以學習大資料平臺的搭建和使用，學習程式語言來實現演算法，比如目前比較流行的Python語言就是一個不錯的選擇。Python目前在大資料領域、Web開發領域以及人工智慧領域都有廣泛的應用，未來有較大的發展空間。同時，Python語言又比較簡單，也比較適合在大學期間自學。

如果有大資料方面的問題，或者考研方面的問題，都可以諮詢我。