你这个学期必须选修 numCourses 门课程，记为 0 到 numCourses - 1 。 在选修某些课程之前需要一些先修课程。 先修课程按数组 prerequisites 给出，其中 prerequisites[i] = [ai, bi] ，表示如果要学习课程 ai 则 必须 先学习课程 bi 。 例如，先修课程对 [0, 1] 表示：想要学习课程 0 ，你需要先完成课程 1 。 请你判断是否可能完成所有课程的学习？如果可以，返回 true ；否则，返回 false 。

这是一个典型的图论问题，我们可以使用拓扑排序来解决。拓扑排序的基本思想是将有向图中的所有顶点排成一个线性序列，使得图中任意一对顶点 $u$ 和 $v$，若边 $(u, v)$ 存在于图中，那么在序列中 $u$ 出现在 $v$ 的前面。具体做法是：

1. 统计每个节点的入度（即有多少条边指向它）。
2. 将所有入度为 0 的节点加入队列。
3. 循环执行以下操作，直到队列为空：
- 从队列中取出一个节点，将答案数组中对应位置标记为已访问。
- 将该节点的所有邻接节点的入度减 1。
- 如果邻接节点的入度为 0，将邻接节点加入队列。
4. 如果答案数组中所有位置均被标记为已访问，则说明可以完成所有课程的学习；否则，无法完成所有课程的学习。

下面是代码实现：

def canFinish(numCourses, prerequisites):
    in_degree = [0] * numCourses
    adj_list = [[] for _ in range(numCourses)]
    for a, b in prerequisites:
        in_degree[a] += 1
        adj_list[b].append(a)
    queue = [i for i in range(numCourses) if in_degree[i] == 0]
    visited = 0
    while queue:
        node = queue.pop(0)
        visited += 1
        for neighbor in adj_list[node]:
            in_degree[neighbor] -= 1
            if in_degree[neighbor] == 0:
                queue.append(neighbor)
    return visited == numCourses

其中，`in_degree` 用于存储每个节点的入度，`adj_list` 用于存储每个节点的邻接节点，`visited` 表示已经访问的节点数。首先，我们遍历 `prerequisites` 数组，统计每个节点的入度，并构建邻接表。然后，将所有入度为 0 的节点加入队列。接下来，不断从队列中取出节点，将其标记为已访问，并将其邻接节点的入度减 1。如果邻接节点的入度变为 0，则将其加入队列。最后，如果所有节点都被标记为已访问，则说明可以完成所有课程的学习。