迷茫之后的一丝曙光

校园宽带奇葩的拨号方式,运营商与学校勾结,强迫学生不能按照自己的想法合理使用宽带,我对此感觉到十分的不爽。运营商为了学生多开户而使用所谓客户端,所谓绑定校园卡“一人一号”的做法,实在是令人不齿。

我的脑海里也曾闪现过,运营商也是为了能降低宽带价格而采取的折中的方式,但是转念一想,如果不限制学生使用宽带的方式,譬如一个宽带账号使用无线路由器分享的方式在同一个寝室内使用,而室友分担宽带费用,那样的价格我想也是可以接受的,然而它们并没有采取这样的方式,反而采取操作更繁琐的方式,我想开发这样的客户端也是需要成本的吧!


上述,不过是我的一些牢骚而已,无力改变现状的我也只能无奈默认。
也正是我的无能为力让我又触动了我仔细思考自己未来的出路,信息安全是我考虑的一个方向,然而在查阅了学习路径以及国内某些知名大学相关专业的培养方案还有相关从业人员的观点之后,我有些绝望地发现:作为非科班的野路子想要系统学习是比较困难的事情。


当然,我现在是属于“想得多,做得少”系列的,现在想是否能学得成对我来说还太早,所以我决定先程序语言的学习以及Linux入门。先学它个一个学期,到那时候再去想该怎么发展和后续学习。

同时都说数学牛,学别的理工科就会比较轻松,我打算这个学期把丘维声教授的《高等代数》以及史济怀教授的《数学分析》撸一下

高等代数可以在这个学期撸完,而史教授的数分估计得拖到下个学期。

本学期的课程《概率论与数理统计》也要学好,《离散》也是。

如何学好离散数学

之后再学习数学的后续课程。

(为什么那么多人推荐国外的教材,看来我要多看看了)



关于经济学、金融理财就只能往后放了。

就这样,以后想起来在这里继续写。

我要加油,要精彩。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值