关于我——人工智能专业大二的一年

关于我——人工智能专业大二的一年

活动地址:毕业季·进击的技术er

写作内容参考方向:在校生

大二上学期

数学建模

2021年九月份,我大二了,在开学返校的第一天,数学建模国赛开始了。我到站时,沈阳正好下起了大雨。我们的车就好像被雨追着一样,一直开到了学校。

到达学校后把行李箱放到寝室,我就直奔教学楼去了,因为我的两个队友在那在研究题目并选择。我们选择了C题——基于生产企业原材料的订购与运输的数学模型研究。进行了三天的“脑细胞清除计划”后,我们成功的把论文和数据给提交了上去。

image-20220626170513199

这是我第一次参加数学建模,最后和省三也差了一步之遥,不过我并不气馁,因为毕竟是第一次嘛。

就在忙完这三天数学建模后,

为了提升学习效率,我买了个平板。

为了提升生活质量,我办了个健身卡。

事实证明——平板确实能够边看课变敲代码,但其实一台显示器会更香。只不过显示器没有了平板的功能。只是为了看课或者扩展屏幕而使用。健身卡就没什么好说的了,对我来说是一张澡卡~~真实!!因为是实在是找不到时间在完成学业的之后去健身房玩,可能是因为我给自己的任务太多了吧。

IMG_20210911_174801

社团经历

我也是被叫为“学哥”、“学长”的生物了。开学后,做了大数据协会的技术部部长。和计算机协会的一个“讲师”。主要就是负责每周社团活动的授课,大数据协会讲一讲python基础,计算机协会则讲一讲web的HTML。毕竟不是不是正规上课,所以教的也比较随意,尽可能地让大一的会员们了解更多的编程知识,因此只需要简单地备课(想一想今晚讲点什么之类的)

巩固了自己的基础知识,也能挣一点饭钱,唯一的缺点就是占用了我两个小时的自学时间。

参加的考试

开学初参加了数据库三级的考试,复习了很多天背了很多题,但还是没有考过,原因在于没有准备充分,因为题库量较大,有一些概念题必须去背,而不是只考数据库的sql语句。不推荐计算机学生报考,因为实在也没什么含金量。下图就是满满的题库。

IMG_20210914_105029

参加了华为ICT比赛的考试,怎么说呢,完全没有准备,因为是免费的资格就报名了,下次争取准备准备然后争取进省赛好加个素拓。

学校课程

学校的专业课程主要是Python程序设计和python版的数据结构,对没有错,是python版的。除此之外还有数据库技术,教的mysql5.5,属于一个比较落后的版本了,但也是稳定版本。但我一直用的8.0,区别也不是很大。

image-20220626172553989

基础课程就是概率论、英语和马原啦,大学生都接触过的。

专业课对我来说比较简单,因为都是自己掌握的技术了。至于基础课那些就是去背一背、由于我也是班级学委,所以需要保证一个比较高的成绩。

掌握技术

我在大二上学期为了给我的小程序设计接口自学了Node.js,但学的不精也就没有用来做项目。

学习了Git版本控制,掌握了程序员必备技能之一。

此外我把C++的基础篇学完了并做了几个小demo。

学习了Vue的基础,没有涉及脚手架,只是把vue的声明周期、常用语法学习了一下。

参与活动和竞赛

参与了很多我校的科创讲坛(注意是很多),一是为了学分,二是为了能够出席增长大创的知识。

按照老师的想法做了一个大创项目,主要就是设计做每日一练高数题、展示一些文章等内容,放到小程序或网站上,并运营了个公众号来宣传红色精神。

11月6日——7日参与了世界英雄联盟总决赛,并在其中担任线上观众。EDG成功夺冠!

大二上学期,需要去花费学习时长的课程很多,参与了各种学校活动,每天就是在完成作业、参加活动、自学技术。我觉得上学期我自学掌握的知识量一般,既没有做什么项目,也没有完全掌握新学的技术。处于一种很充实,但技术方面成长缓慢的阶段。

寒假,我将VUE全家桶学习了一遍,包括vue.js、element-ui、echarts等。因为当时真的对未来很迷茫,不知道该学什么,只能学习一下前端技术,来适应项目需求。寒假做了计赛的准备。

大二下学期

疫情——社团无——活动无

参加的比赛

计赛,我来了!

大一时,我在计赛留下了遗憾,这一次我要全力挽回。

数媒动漫与短片:首先准备了一个我当做兴趣爱好的动画作品,当然改了几十次最终形成了一个成品动画,虽然有点短,但做了很长时间也是尽力了。

信息可视化设计:肝了半个月我和另外俩队友终于把一个用Vue做的后台管理系统做了出来,主要主题是电力运维。

大数据应用:报名了大数据主题赛的赛题解答,是针对新冠疫情对经济的影响方面的。主要用的都是机器学习算法和python数据分析。

现在这三个作品都入围了国赛复赛,希望答辩后能取得一个好成绩。

掌握技术

在大二下学期,突如其来的疫情让我们变成了线上授课,我们在学校里,老师在学校外。这多少回影响我的学习效率,因为在寝室确实不是一个学习的好地方。

教学楼没有开放时,我在寝室将学习了uni-app的一个项目实战,一个蛋糕商城。效率不是很高,做了一半,由于其课程里的数据都需要自己去样例官网上去发请求再得到,所以我嫌太麻烦就将整体流程搞懂就没有深究了。

学习了Node.js的Express框架来设计接口,并手敲了一个接口项目。

学校课程

这学期除了毛概就全是专业课啦!python高级技术,主要讲的爬虫、数据处理数据分析、Flask框架等等。还有计算机网络和大数据的Spark。由于这学期的课都很合我口味,所以感觉也很轻松。最后也是取得了理想的成绩。

最后

下学期总体来说是过的很快的,毕竟只有三个月。这三个月里对技术方面收获是非常多的。在暑期前,我家附近有一家公司找我做开发,我感觉在家这边实习比较方便,就聊了很久之后接受了。

放假的第一周去那里,由于我的技术栈与他们的技术栈不符,所以第二周就不去了。而是在家里把Vue的一个实战项目做了做,收获蛮多的,由于暑假还有两个月的充足时间,打算再找一份实习来锻炼自己。

接下来暑期主要就是完成计赛数学建模省赛、计赛国赛的答辩、论文的撰写和实习工作

总结

这篇文就是简述了一下我这一年时间的学习路线和心路历程吧。不是很详细,因为详细写那确实能写很多。

我的专业毕竟是人工智能,但我目前大二学了一堆前后端开发知识。一是为了我考研和不考研做打算,因为人工智能算法领域需要去攻读硕士学位才可以,别问为什么,因为大部分算法工程师只招硕士。。另外就是拓宽自己的知识,能让自己会的技能更多,找工作也有更多的选择。

我们大三和大四的专业课主要就是涉及人工智能领域的课程了,还是比较期待的。具体有数据采集与预处理、机器学习、模式识别理论与应用等。放张课程图。

image-20220626190358252

估计也有和我一样是本科人工智能的同学吧!具体方向还是得自己走出来,因为我是我们学校第一届这个专业,所以也没什么前车之鉴得以参考,但大可仿照计科的来,并加以自己的想法。最后祝大家工作顺利、期末顺利!有什么想法欢迎评论呀~!

原文地址:https://blog.csdn.net/tianhai12

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


文章浏览阅读5.3k次,点赞10次,收藏39次。本章详细写了mysql的安装,环境的搭建以及安装时常见的问题和解决办法。_mysql安装及配置超详细教程
文章浏览阅读1.8k次,点赞50次,收藏31次。本篇文章讲解Spark编程基础这门课程的期末大作业,主要围绕Hadoop基本操作、RDD编程、SparkSQL和SparkStreaming编程展开。_直接将第4题的计算结果保存到/user/root/lisi目录中lisipi文件里。
文章浏览阅读7.8k次,点赞9次,收藏34次。ES查询常用语法目录1. ElasticSearch之查询返回结果各字段含义2. match 查询3. term查询4. terms 查询5. range 范围6. 布尔查询6.1 filter加快查询效率的原因7. boosting query(提高查询)8. dis_max(最佳匹配查询)9. 分页10. 聚合查询【内含实际的demo】_es查询语法
文章浏览阅读928次,点赞27次,收藏18次。
文章浏览阅读1.1k次,点赞24次,收藏24次。作用描述分布式协调和一致性协调多个节点的活动,确保一致性和顺序。实现一致性、领导选举、集群管理等功能,确保系统的稳定和可靠性。高可用性和容错性Zookeeper是高可用的分布式系统,通过多个节点提供服务,容忍节点故障并自动进行主从切换。作为其他分布式系统的高可用组件,提供稳定的分布式协调和管理服务,保证系统的连续可用性。配置管理和动态更新作为配置中心,集中管理和分发配置信息。通过订阅机制,实现对配置的动态更新,以适应系统的变化和需求的变化。分布式锁和并发控制。
文章浏览阅读1.5k次,点赞26次,收藏29次。为贯彻执行集团数字化转型的需要,该知识库将公示集团组织内各产研团队不同角色成员的职务“职级”岗位的评定标准;
文章浏览阅读1.2k次,点赞26次,收藏28次。在安装Hadoop之前,需要进行以下准备工作:确认操作系统:Hadoop可以运行在多种操作系统上,包括Linux、Windows和Mac OS等。选择适合你的操作系统,并确保操作系统版本符合Hadoop的要求。安装Java环境:Hadoop是基于Java开发的,因此需要先安装和配置Java环境。确保已经安装了符合Hadoop版本要求的Java Development Kit (JDK),并设置好JAVA_HOME环境变量。确认硬件要求:Hadoop是一个分布式系统,因此需要多台计算机组成集群。
文章浏览阅读974次,点赞19次,收藏24次。# 基于大数据的K-means广告效果分析毕业设计 基于大数据的K-means广告效果分析。
文章浏览阅读1.7k次,点赞6次,收藏10次。Hadoop入门理论
文章浏览阅读1.3w次,点赞28次,收藏232次。通过博客和文献调研整理的一些农业病虫害数据集与算法。_病虫害数据集
文章浏览阅读699次,点赞22次,收藏7次。ZooKeeper使用的是Zab(ZooKeeper Atomic Broadcast)协议,其选举过程基于一种名为Fast Leader Election(FLE)的算法进行。:每个参与选举的ZooKeeper服务器称为一个“Follower”或“Candidate”,它们都有一个唯一的标识ID(通常是一个整数),并且都知道集群中其他服务器的ID。总之,ZooKeeper的选举机制确保了在任何时刻集群中只有一个Leader存在,并通过过半原则保证了即使部分服务器宕机也能维持高可用性和一致性。
文章浏览阅读10w+次,点赞62次,收藏73次。informatica 9.x是一款好用且功能强大的数据集成平台,主要进行各类数据库的管理操作,是使用相当广泛的一款ETL工具(注: ETL就是用来描述将数据从源端经过抽取(extract)、转换(transform)、加载(load)到目的端的过程)。本文主要为大家图文详细介绍Windows10下informatica powercenter 9.6.1安装与配置步骤。文章到这里就结束了,本人是在虚拟机中装了一套win10然后在此基础上测试安装的这些软件,因为工作学习要分开嘛哈哈哈。!!!!!_informatica客户端安装教程
文章浏览阅读7.8w次,点赞245次,收藏2.9k次。111个Python数据分析实战项目,代码已跑通,数据可下载_python数据分析项目案例
文章浏览阅读1.9k次,点赞61次,收藏64次。TDH企业级一站式大数据基础平台致力于帮助企业更全面、更便捷、更智能、更安全的加速数字化转型。通过数年时间的打磨创新,已帮助数千家行业客户利用大数据平台构建核心商业系统,加速商业创新。为了让大数据技术得到更广泛的使用与应用从而创造更高的价值,依托于TDH强大的技术底座,星环科技推出TDH社区版(Transwarp Data Hub Community Edition)版本,致力于为企业用户、高校师生、科研机构以及其他专业开发人员提供更轻量、更简单、更易用的数据分析开发环境,轻松应对各类人员数据分析需求。_星环tdh没有hive
文章浏览阅读836次,点赞21次,收藏19次。
文章浏览阅读1k次,点赞21次,收藏15次。主要介绍ETL相关工作的一些概念和需求点
文章浏览阅读1.4k次。本文以Android、java为开发技术,实现了一个基于Android的博物馆线上导览系统 app。基于Android的博物馆线上导览系统 app的主要使用者分为管理员和用户,app端:首页、菜谱信息、甜品信息、交流论坛、我的,管理员:首页、个人中心、用户管理、菜谱信息管理、菜谱分类管理、甜品信息管理、甜品分类管理、宣传广告管理、交流论坛、系统管理等功能。通过这些功能模块的设计,基本上实现了整个博物馆线上导览的过程。
文章浏览阅读897次,点赞19次,收藏26次。1.背景介绍在当今的数字时代,数据已经成为企业和组织中最宝贵的资源之一。随着互联网、移动互联网和物联网等技术的发展,数据的产生和收集速度也急剧增加。这些数据包括结构化数据(如数据库、 spreadsheet 等)和非结构化数据(如文本、图像、音频、视频等)。这些数据为企业和组织提供了更多的信息和见解,从而帮助他们做出更明智的决策。业务智能(Business Intelligence,BI)...
文章浏览阅读932次,点赞22次,收藏16次。也就是说,一个类应该对自己需要耦合或调用的类知道的最少,类与类之间的关系越密切,耦合度越大,那么类的变化对其耦合的类的影响也会越大,这也是我们面向对象设计的核心原则:低耦合,高内聚。优秀的架构和产品都是一步一步迭代出来的,用户量的不断增大,业务的扩展进行不断地迭代升级,最终演化成优秀的架构。其根本思想是强调了类的松耦合,类之间的耦合越弱,越有利于复用,一个处在弱耦合的类被修改,不会波及有关系的类。缓存,从操作系统到浏览器,从数据库到消息队列,从应用软件到操作系统,从操作系统到CPU,无处不在。
文章浏览阅读937次,点赞22次,收藏23次。大数据可视化是关于数据视觉表现形式的科学技术研究[9],将数据转换为图形或图像在屏幕上显示出来,并进行各种交互处理的理论、方法和技术。将数据直观地展现出来,以帮助人们理解数据,同时找出包含在海量数据中的规律或者信息,更多的为态势监控和综合决策服务。数据可视化是大数据生态链的最后一公里,也是用户最直接感知数据的环节。数据可视化系统并不是为了展示用户的已知的数据之间的规律,而是为了帮助用户通过认知数据,有新的发现,发现这些数据所反映的实质。大数据可视化的实施是一系列数据的转换过程。