C++程序设计课期中师生交互

  C++课上到了第8周,该收集一下学生的意见了。好吧,罗列出来,尽量点评两句,希望对全体有启发。还有,个别问题,可以当面提出探讨,这个老师,下课后能找到,只是需要学生主动。

  祝所有同学都能尽快找到自己的轨道。


【观念需要纠正型】

  • 我喜欢按照自己的想法写代码,但是写出来之后和老师的一对比才发现几乎一点都不一样,于是就开始修改,按照老师的代码再写一次,不知道该不该按照自己的想法继续写下去。【很高兴你自己能将代码写出来,但要照我的再修改却是未必。不同人会写出不同的程序,我的程序也不见得真好,拿出你的判断来,该改的改,该坚持的坚持。】
  • 在C++程序设计的学习中,我认为指针部分是我的薄弱环节,单步执行的应用也不太熟练,同学们普遍重视上机项目的完成,希望老师在发项目答案的博文时。可以谈一谈自己的思路,也就是以老师的第一视角解读项目。【老师灌得太多了,学生还嫌不够。学生该提出问题来,老师随时愿意单独讨论。】


【平和进步型】
  • 因为报了那个Java的选修所以现在不是很专注与c++感觉就像是少了啥似的,但是当这周又拾起时,那种编程的感觉又回来了,就是这样。
  • 以前对编程没有什么感觉,最近,不知从什么时候开始觉得它很有趣,毕竟自己的编程能力比较弱,慢慢变强还是需要时间和努力。
  • 现在感觉学起来没有上半年困难,但觉着和学得好的还差好远。有时编程序,感觉好像有一种套路,按那种套路来就可以编出来,但是里面有好多知识点都不大明白什么意思。有时程序中的错误找不出来,就试,试出来正确了也不懂什么意思,每次都想把错误点记下来问问同学或老师,但是每次编完程序就又忘了!编程序有感觉的时候就信心满满充满激情,但有时遇到困难有特容易被打击!不过现在感觉自己能编出来了,不象以前看到程序一点头绪都没有,虽然还会遇到困难但是学习心情和以前不一样了,现在不再对C++产生畏惧感了!不管怎样以后还会续学加油!
  • 课上的知识,好像掌握了。但是实际编程总是会出错。一些细节上面总做不好,好像需要老师一步步的指导。嘿嘿。【这就是编程,这就是学习的历程。心里想着老师就在你身边,依靠自己的力量往前走,迟早得这样。】
  • 编程有些难度,不过大家一起合作还是能编出来的。还有宿舍的Wlan太慢了,做出来的程序不能及时发到博文上去。【走出宿舍,多在宿舍以外的地方编程为好。】


【探明问题型】
  • 程序跟不上了,没有感觉,我认为课本应当重视起来,关键还在自己去看课本。
  • 基础知识掌握的很差,编程很难进行,希望多出一点非常简单的基础题,加强对基础的练习。
  • 有些新学内容掌握的不是很扎实,只是泛泛而已。想要掌握更多,却是受到上机时间的限制。自己没能合理安排充分的上机时间!
  • 上学期对C++学习不太了解越往后越跟不上,有些东西记不住,太多太繁琐,往往是越不会就越不爱写,恶性循环;下学期对自己的学习总结了一下,觉得自己方法特别不好,而且用于编程的时间不多,虽然学起来还是困难,但尽量记尽量学,还算跟得上了,但是仍然对各个知识点不能结合起来应用;单步执行不太会用,就算执行出来也理解不透彻;VS2008也不太会用。【继续努力,感觉会越来越好。单步执行不是问题,只要你用,可以找同学帮忙,或在上机时找我。关键是,你自己提出。】
  • 问题更多的还是在自己。平时对自己要求严格一点,逼自己多看书 多做练习就会好很多。【抓紧时间为正果,带着问题看书,胜过逼自己。】
  • 不能将知识点都串以来,觉得自己的知识学的很散,总觉得自己学的不好,不扎实。【坚持独立完成任务就不错。将知识串起来的事,可以留给考试周复习。】
  • …………不明白自己的问题,这就是最大的问题。【就先从问出问题开始发。】
  • 到现在,只感觉太忙碌了。感觉学生会已经影响到我的正常学习生活了,很少能有空闲时间做点自己喜欢的事,想编程,想把所有的任务都做完,时常感觉心有余而力不足(希望老师不要嫌我找借口),我宁愿一周只做一两个、也不去拷贝,我想做一个会一个,我想知道为什么程序那样写。我看课本,找线索,时常会有发现,但这必定限制了进度。缺少时间做,很纠结;我想忙完篮球赛,总算会有时间调整,数字逻辑考完又会多出些时间,有时间什么都好办。编程上的困难还好,我基本能克服,现在的状态:晚上我在看马士兵的JAVA教程,自学JAVA来弥补没有选上JAVA选修课的遗憾,但是对于C++,我更想深入的理解。我在调整和前进的路上,请老师放心。【这就是大学,快乐、忙碌、充实着。】


【不满现状迷失型】
  • 最近没有学习的动力,反而无辜增添许多烦恼,有时候却在思索人生!【年轻时需要发呆,但不可以发呆久了。】
  • 如果不设计问卷,我想我会不知道从哪下手写代码。不过我觉得可能是我们从一开始就根据老师的代码写,已经成为习惯了,事情总要第一次的,再说了,以后工作的时候也没有问卷提供给你。所以我认为以后老师出的上机题目不要问卷也罢。【从2011级有相当一部分同学在我不教之后代码量骤减的事实,我已经认识到我一直同步写题目中包含的隐患。但不写出框架,现在的编程对大多数同学而言就下不去了,如何折衷?】
  • 我现在的编程总体来说还不是很顺利,主要的问题是对知识一知半解,不能综合运用,对课本还是不熟悉,每次编程都不知道该如何下手。【及时复习,将看书与实践交互起来。】
  • 学习过的技巧有何用处,困难:一些编程软件用的不熟悉。【淡定,有何用处的问题以后自己能回答。软件不熟悉,问题清楚了,该怎么做其实也就知道怎么做了。】
  • 好多情况不能自主编程,经常需要借鉴,感觉没有什么太大突破,希望老师给个方法能尽快让我能对给的题目有想法,可以自己创新而不是模仿。【积累吧,会有一天脱离模仿模式进入创新轨道的。】
  • 老师这几天吧!总觉得不在状态,好像以前学的也忘得差不多了,这几天看以前老师讲的发现有点看不懂了,所以我希望老师在给我们布置任务的同时可以在里面加一点以前学的内容。就如老师所说我发现以前我养成了一个非常坏的习惯,就是不愿意自己思考,总想可以有个模版,让我可以在编程的时候按照套路编就可以了,我知道这个在编程终是不能有的,但是多年养成的习惯真的不知道该怎么改过来了。希望老师可以给我一个好的建议。谢谢老师。【实践中的思考总还是要有的,或许是做选择题多了的缘故。作为未来的工程师,要学业会设计。出一个主意,在照模板完成任务后自己再重写一遍可以接受吗?或者,你经常只完成前几个带模板的,而我设计的任务中,有了前面的做铺垫,后面的就是没有模板自己写,你应该将实践起先到底。】
  • 在编程中有太多的东西需要掌握,我发现自己力所不及,自己亲自完成一道题挺难,一般都要看参考,东西太杂,太多,遇到一道题不知道该如何入手。如果东西都整合到一块,查阅的时候一目了然,各种题型各种办法,那该多好,其实我觉得还是自己学的不够好。【这就是要努力的目标。】
  • 一直在坚持编程吧。但是就是觉得比别人差的好多,不知道该怎么去补上了。【不要总与别人比,而是和自己比,这是善待自己的办法,让自己进步的办法。】
  • 很多情况下,在看见题时,构思成问题。有的地方想不到该怎么做?【继续找感觉。】
  • 这一个多月终于可以认真看书,但是对于编写程序有时不知道该从何入手,没有切入点,有时甚至把上周学的内容又给忘了,然后这个周又要花时间在上个周的知识上,看着很长的代码心里就产生恐惧感,就有重不想往下写的冲动,有时一个单词拼写错误,让我半天看不出来,浪费时间。【似乎还在干瞪着程序找问题,看提示了吗?是否设法与课本上讲的联系起来,建议的方法得用上。】
  • 这一学期开始快2个月了,感觉自己有些吃力。每周的任务总是要到下一周才能做完,而且又是对于课本上的有些知识点有些茫然。现在已经尽力在弥补,尽量把课本吃透,努力记住课本上的知识点。【形成实践与课本上知识的良好交互,不要迷信吃透什么,要找到感觉,所谓吃透没有什么意思,吃歪了更有可能。】
  • 每次一拿到项目,尤其现在对于老师给出的框架自己填充的一些代码。不是有错就是考虑不全面。真心感觉落下了。想不又不知道从哪开始,是不是先从课本开始看会好一点。尤其我是一个记性好忘性大的人,很多以前的知识随着时间的推移就忘了然后越来越多。真心感觉难受。甚至怀疑自己是不是还能坚持。【你的感觉让我想到是否应该将体会语法的一些题目放在后面,应该提前让你们体会到如何运用知识,再体会更细的。】
  • 1.编程序的时候总是需要看着其他同学的才会有思路。 2.贺老师给出的代码有的地方根本就不理解是什么意思,所以对如果自己编程会不会,就更困惑了。 3.感觉编程没信心了。【是否可以在课后将讲义看一遍,甚至将讲课视频再看一遍去解决。需要有一段时间的突破,去为自己找到信心。】
  • 自己编程还是有困难,,,总是需要参考其他同学的编程,没有思路。。不知道从哪里下手。。。 还有很多困惑哦,有一些看不懂的地方。。 这样一来就会很没有信心。。。【见《菜鸟“抄程序”之道》,需要有走出来的时候。】
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
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

打赏作者

迂者-贺利坚

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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