IE自学指南
本书将仿照CS自学指南 cs-self-learning ，尝试给所有对IE热爱、感兴趣的同学们搭建一座坚固的知识大厦。
PS:跟随课堂学习仍然是重中之重，自学指南适用于超前学习和课外深入。
为什么写这本书
知识无止境，但应该有体系
大学三年的学习，我像是学到了很多，又像是什么也没学到。
“学到了很多”源于培养内容的繁多，大学学习的前两年的每个学期都非常累，又有政治课、体育课、通识课、实践课、实验课。作为学生，我们享受获取知识的快乐，因而觉得学到了不少东西。但对于学生来说，没有意识去对各个课程的内容进行梳理联系，知识总是东一块、西一块，没有成为一个体系。
而真正去接触工业工程这个专业，则从大二下学期的《运筹学》《工程统计学》和《工程经济学》三门课开始。三门专业课的出现给了我很多希望和慰藉——我终于接触到工业工程啦！过程中总是多坎坷，面对诸多的专业课程，遇到稍微难一点、复杂一点的知识点，我悄悄无视总抱有侥幸心理，可是谁曾想在之后它却变成了另一门课程的基础，我逐渐开始后悔没有提前了解专业体系。
但也只算是花了一年半的时间学习专业知识，回首三年生涯，面对空白的简历和HR面试时，我绞尽脑汁回想所学的课程，静下心来去思考，才把IE的轮廓逐渐描绘清楚一些，对我而言体系架构似乎才变得清朗了许多。
专业分支有差别，但应该全面
工业工程专业研究方向广泛且多样，而对于本科生而言，最主要的仍然是对于工业工程大体系的理解和把握，再在此基础上选择自己所感兴趣的方向进行研究深入。然而，部分所必须的课程资源会受到一些内在外在的限制，这对于修学分来说当然没有什么大影响，甚至对于毕设也无足轻重。但是，对于我们专业体系的架构来说，是一个遗憾吧，我无从所知自己所错过的课程知识是否是我所感兴趣的，也无法认识到这门课程的学习会为自己带来怎样的思路扩展。如果是一门技能类课程，那自我摸索也不是不行；如果是一门知识类课程，或许会有其他的学习渠道可以替代？不仅仅将学习过程依靠于课程设置，通过更多的教学资源，全面而又自主地构建IE专业应有的知识体系。
教学过程难免错过，但应该有补救
我们也许会在期末周吐槽感慨或多或少错过一些教学过程，更多开放有益的教学资源更能够辅助教学，为同学提供更多的备选方案，将学习过程转化为各种资源的“并集”，而不只是将自己的学习一味地依靠于现有的课程教学，能够有机会进行补救。
我们希望对于IE的同学在大一专业分流后，在三年不到的时间里就能建立起整座IE的基础大厦,能有相对扎实的数学功底、完备的专业知识、全面的专业视野、不弱的项目实践能力，对运筹学、统计学、经济学、管理学、生产计划与控制、生产建模与仿真、可靠性与维修管理、人因工程学、优化算法设计、物流与供应链、质量管理学、服务管理、管理信息与系统等等方面均有涉猎。这将使他们拥有足够的底气和自信选择自己感兴趣的方向，无论是就业还是科研，都将有相当的竞争力。
关于IE
工业工程是关于复杂系统有效运作的科学，将工程技术与管理科学相结合，从系统的角度对制造业、服务业等企业或组织中的实际工程与管理问题进行定量的分析、优化与设计，是一门以系统效率与效益为目标的、独立的工程学科。 工业工程虽然时常被诟病“杂而不精”，但课外之余，我们仍然可以选择感兴趣的专业分支深入，或提升数学和计算能力，用有限的时间克服“杂而不精”。这也是本书目标之一。 纵向专业细分：
- 优化方法（运筹学->优化算法设计->物流与供应链管理）
- 随机模型（随机过程）
- 统计学（工程统计学->质量管理or->可靠性与维修管理）
- 人因学（人因工程学）
- 仿真技术（生产系统建模与仿真）
- 经济学等社会科学（工程经济学、管理学基础）
横向专业（适用领域）细分：
- 生产系统
- 物流与供应链管理
- 交通运输系统
- 卫生与医疗服务系统
- 互联网信息系统
- 金融系统
- 资源与能源系统
- 企业信息系统
核心课程（参考其他高校专业课设置）：
- 数学基础类：
- 高等数学（微积分）
- 线性代数
- 概率论与数理统计
- 运筹学
- 工程统计学
- 工程基础类：
- 机械制图
- 制造工艺
- 计算机基础类：
- C++程序设计
- 数据结构
- 数据库原理
- 专业课类：
- 基础工业工程
- 工程经济学
- 人因工程
- 管理学基础
- 生产计划与控制
- 生产建模与仿真
- 物流与供应链管理
- 质量管理
- 可靠性与维修管理
- 服务管理
- 随机过程
- 管理信息系统
- 优化算法设计
- 先进制造技术
- 产品工程
- 决策理论与方法
- 大数据分析
成为贡献者
本书还未经历时间的检验，难免有不完善之处，欢迎所有IE学生提出建议。也许你也想来分享你自学过程中的经历和资源；也许在你毕业之际希望在这里留下你四年的经验；也许你已经就业，想’告诫‘工工的学弟学妹们一些’大坑‘……可以直接在项目中发起Pull Request, 我们的管理组将尽最大效率审核~
特别鸣谢
真诚地感谢所有将课程资源无偿开源的各位教授学者们！
真诚地感谢支持本书创立、编写和宣传的潘尔顺教授！
真诚地感谢在编写之初一起合作的小伙伴！
还要感谢前人之经验(cs-self-learning)，让我们有所借鉴、参考和学习！
也先提前感谢愿意为本书贡献资源或分享经验的所有工工学生！