不给就完了。你多面试几家，多拿几个 offer 。我一个朋友就从来都不给，照样找到工作。

补充点数学在计算机领域的应用：（其实不做底层，不做算法库，不做科研，大概率不会用多少数学）
- 离散数学（主要就是图论相关）、具体数学：主要帮助通用算法理解，算法导论、数据结构等等相关。实际使用主要是构造复杂大型系统，此外还要学习硬件和 OS ，以便更好的利用硬件能力。做系统开发啥的，我觉得得会。
- 概率统计、多元统计分析、贝叶斯推断、随机过程：主要帮助理解数据分析类算法，做 AI 也需要学，大部分科研领域都涉及到统计。工程领域里也主要写底层算法模块的，上层调包侠也需要稍微了解点；再业务层点的，就不是很看重了，用个均值、方差、中位数就差不多了。
- 解析几何、微分几何、计算几何(样条和曲面之类的)：主要是图形学和仿真模拟，AI 涉及一些(CV)但是不多。此外，一般做图形学和仿真的也要学一些物理：力学、光学之类的。根据具体领域细分，需要深入再学习（有的甚至还要学化学，分子动力学，比如做化学反应仿真的）。
- 复分析、傅立叶分析、小波分析、泛函分析（主要做理论上用）：做信号处理领域用的多，其实其他领域也会假设是信号然后就来一套，所以这块技能还是挺通用的。
- 运筹学、数值优化方法、凸优化、偏微分方程、微分方程数值解、有限元、矩阵分析：一般主要是计算领域，模型一定的情况下的计算机求解方法。AI 领域了解点就行了。主要写计算库的人需要学。运筹相对简单，主要是规划问题（对原本的算法里的动态规划啥的，更加深入点，也涉及一些图论方法），数值和凸优化主要求解 loss function 的。微分方程是求解另一类问题的，一般也跟物理关系比较大（比如波动方程、热力传播模型）。有限元是一种用简单基逼近函数的简化运算的方法(因此显然涉及到泛函，必然和小波啥的也能联系到一起去)，各个计算领域都可能能用上，算是个解法的手段。矩阵分析主要做矩阵计算的，特征值和向量的求解是主要内容。

通用基础：数学分析、高等代数、概率统计、解析几何。基本这几个学明白了，是大部分领域学习的基础。

所以，学好数学还是挺难的，你会发现永远学不完。哈哈。上面这些还都是偏计算方向的，据说在数学方向上处于鄙视链底端。

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。