本章设计的课程并不是说专业课，只是说相比于上面的四大件，专业性更强，主要包括面向对象程序设计、形式语言与自动机、机器学习、数据库系统、编译原理。
面向对象程序设计面向对象程序设计（OOP）是程序员编程的核心思想，如果以后走软件开发路线，OOP 是必须要精通的。OOP 给程序员提供了一种思维模式，将现实生活中的事务抽象成为“对象”，面向对象进行程序设计。
举个例子，OOP 中有三大要素——类、继承、多态（也有封装、继抽象、继承、多态四大要素）。如果把杯子抽象成为类的话，那么咖啡杯、茶杯、马克杯等等都属于对杯子的继承，在该继承中，被继承者——杯子，被称为父类，继承者——咖啡杯、茶杯、马克杯，被称为子类。子类继承父类，即父类有的子类一定有（除父类私有），而子类有的父类不一定有。而多态的概念是在继承之中的，在继承中，子类拥有父类的方法，都是杯子，那么酒都能装水。而不同的杯子可以定制自己的方法，即重载父类“装水”的方法——装咖啡、装茶水等。
OOP 中还有六大原则：
- 单一责任原则（Single Responsibility Principle） ：一个类尽量只负责一种事务的抽象，功能尽量单一，降低耦合。
- 开放-封闭原则（Open-Closed Principle） ：在类的设计中，要尽量保证“对扩展性的开放，对修改的封闭”。
- Liskov 替换原则（Liskov Substitution Principle） ： Liskov 规则严格规定，“子类型必须能够替换其基类型，派生类必须能够通过其基类的接口使用，客户端无需了解二者之间的差异。”
- 接口聚合原则（Interface Segregation Principle） ：该原则要求，不能强迫客户端依赖于它们不需要的接口，只提供必需的接口。“大”接口尽量分割为若干个”小“接口，不同的接口向不同的客户端提供服务，客户端只访问自己需要的接口。
- 依赖转置原则（Dependency Inversion Principle） ：抽象的模块不应该依赖于具体的模块，具体应依赖于抽象。
- 最少知识原则（Least Knowledge Principle） ：一个类对其他类的内部实现，知道的越少越好，如果一定要和不太相*类通信，尽量使用第三者作为转达。
可能有很多小伙伴在学完了 OOP，编了两三年程序也没完全弄清楚这六大原则。其实他们无处不在，这里我尽量举例子来形象地说明这六大原则。
假设杯子分为咖啡杯和牛奶杯：
- 单一责任原则要求，不应该有一种杯子既能装咖啡又能装面包，如果可以的话，那么当客户需要一个装面包的容器时，被提供了一只杯子，这样当装面包的容器发生变化时，就波及到了杯子功能的实现，耦合度较高不利于维护。
- 开放封闭原则要求，杯子现在可能很简单，但最好支持将来的拓展，如加入量度、加入杯盖等。但请不要再做修改，咖啡杯就是咖啡杯，如果需要改造出一个茶杯，请新继承一个茶杯，而不要在已有的咖啡杯上修改。
- Liskov 替换原则要求，顾客在买杯子的时候，只需要说”我要买杯子，装咖啡用“，就可以提供咖啡杯给该顾客，满足顾客的所有需求。
- 接口聚合原则要求，不应该有一种杯子既能装咖啡又能装牛奶，如果顾客需要装咖啡的杯子，请不要提供给他”咖啡牛奶杯“，装牛奶的功能是他不需要的。
- 依赖转置原则要求，咖啡杯的设计一定要依赖”杯子具有盛装液体“的功能，而非杯子能装液体依赖于咖啡杯的设计。这一原则和”面向过程程序设计“思想恰恰相反。
- 最少知识原则，嗯…用杯子举例就不太恰当了，就拿企业里各个部门之间运作举例吧，两个不相关部门之间不要直接通信，如果要通信的话，用第三个部门统筹安排，降低耦合度，提高效率。
关于 OOP 大的概况，我只能用三大特性和六大原则来概括，真要学习起来，OOP 中的每一个细节都值得深入讨论。OOP 早在上世纪八十年代就开始流行，作为提高程序设计生产力的重要思想，一直沿用到现在。C 和 Java 是现在比较主流的 OOP 编程语言，也是高校中 OOP 课程的主力教学语言。如果接触的第一门语言的是 C 语言的话，也不用太过抵触，虽然 C 语言是面向过程程序设计，接触过这种稍稍比较原始的编程思想，再学习 OOP 的话，会有更不一样的感觉。
形式语言与自动机“计算机专业大学四年到底应该学什么？”，我想很多人在这个问题下的回答不会包括这门课——形式语言与自动机。
这门课包括两个部分：
- 形式语言。
- 自动机。
形式语言更像是计算机专业的数学课，它研究的是严格的语法规则下，语义的表示。基于形式语言课程的后续课程其实也不算多，编译原理、自然语言处理等专业课程可能会用到形式语言的知识，但形式语言带给学生的更偏向于一种思想，在给定条件下对问题的定义能力和抽象能力。
自动机是算法的一种。自动机可以理解为一台在给定状态下、给定输入得到确定的输出（集）的机器，核心是状态 × 输入 →{状态}的映射。他也是代表着一类思想。自动机思想在算法中的应用常常被看作是传统算法，由于他的思路非常简单，运行效率高，在一些特定的场景下有着高效地运用。但自动机的缺点在于其定义非常复杂，正因为此，适用面也比较窄。
总的来说，形式语言跟正则表达式还有点关系，自动机的学习过程更像是解一道道的智力题，这门课应该还算比较有趣的一门课。
如果你要学习这门课的话，可以去中国大学 Mooc 看看哈工大的形式语言与自动机理论这门课。
机器学习机器学习这门课不一定每个高校都开设，有的高校可能开设的是领域性更强的深度学习，有的高校可能把机器学习当作选修课开设，但在现在的人工智能技术横行的 IT 行业中，要掌握 AI 技术，机器学习属于一门很好的入门专业课（并不是通识课）。
机器学习中涉及了大量的概率论的知识，需要扎实的概率论基础，还夹杂着一些不简单的线性代数知识。 机器学习的工作是在研究一种算法，在某些任务中，利用一些经验，研究该算法的性能。任务的种类大体可以分为分类问题和回归问题。 分类问题，就是在给定已知条件的情况下，决定该情况属于哪一类，比如经典的航班预测问题，给定某一班航班的信息，预测该航班是否可能会晚点。而回归问题是在给定已知条件的情况下，计算该情况的回归值，在航班预测问题中，可能并不是预测是否晚点（二分类问题），而是预测该航班的到达时间（相比于基准时间的晚点时间或早到时间），这就是回归问题。
机器学习中比较简单的算法有决策树、多项式拟合、逻辑回归等，相对较难的算法有支持向量机（SVM）算法、EM 算法等，就不一一列举了。机器学习在一些算法上可以看作是数值分析课程和概率论的延伸，因此在学习机器学习之前，一定要打好扎实的数值分析基础，学好概率论，顺便别把大一学的线性代数都忘光了。
在学习的过程中，除了跟着老师在课堂上的逐步讲解和推导，课下还可以结合着 B 站上的 “白板机器学习” 来看，推导非常详细，小哥哥也非常耐心。
参考书的话，这里有两本推荐的书，一本是“西瓜书”——周志华的《机器学习》。 西瓜书中的案例场景围绕着“种西瓜”展开，比较能带动读者兴趣，但是该书涉及符号较多，读者最好有一定的代数能力素养，可以尽快适应该书的符号表达和公式推导。该书比较适合慢慢研读，内容在机器学习领域不算深，一点点啃会有不小的收获。另一本书是李航的《统计学习方法》， 该书不仅适合计算机专业的学生，也适合数理统计专业的学生，书中每章都围绕着一个个经典算法展开，推导过程详细，篇幅也不长，但内容相对西瓜书来说比较枯燥，适合作为工具书来读，需要学习某个算法的时候，去该书上找那一章节，快速读完，不懂的话可以多读几遍。
