2013:由工地到IT的转变

这篇文章名字为由工地变为IT的转变,其实说的不是很恰当,因为现在的我还没有完成这种转变,转变只是自己的目标和自己的方向。

去年的这个时候,还坐在中建五局三公司的办公室,接接电话,看看工地上的进度,晚上还有点时间玩玩DOTA,今年的这个时候,我的空闲的大部分时间,都被用来学习。DOTA也已经离我好远。回想这一年来,带来的变化确实不少,也完全可以说是完成了自己的一种蜕变了。

2013年3月28号,在我的特长被领导发现,打算在西北片区组建一个篮球队并让我当队长的时候、在领导打算让我带队户外运动的时候,我离开了中建。当时所有的同事都不懂我为什么要这么做,因为我喜欢篮球,喜欢户外,在中建系统里面,能因为一些特长被领导发现并看重的话,对自己个人的仕途是有很大帮助的。而我却是在这种可是说是仕途马上要起飞的时候,离开了中建五局三公司。因为还有一个潜藏在心里的梦。

在上大学之前,我家人问我喜欢什么专业,当时的我也不懂,都说随便,于是选了一个比较好找工作的专业:自动化。大学期间,浑浑噩噩就过去了,期间也有过想要好好学习一番然后被某个大公司看中然后飞黄腾达什么的,可是更多的却是躲在宿舍玩游戏,或者跟人出去玩户外,一玩就是几天,学业自然是荒废了。所以在找工作的时候选择的余地也不大,只能选择进入中建,做一个电气施工员。也许在大学期间,最吸引我的心思的,就是C++了,可是当时也只是简单的学了点,把书上的概念知道个大概,自己也动手写过一些代码,可是当时也只是写了点简单的算法,甚至连一个成型的Windows窗口都做出来,也是当时不懂,加上性子有点懒,也没深究,这次学习也就夭折了。

4月28日,在休息了一个月之后,来到了云南昆明,本意是想找软件开发的工作,可是就我那点资历,任何人事都是直接忽略,当时的我,只会一点C++,连SQL sever或者oracle是什么都不知道,好不容易有一次面试的机会,面试官随便问了我几个问题,便婉转的告诉我我不适合做开发。几经折腾下来,我这个开发梦也一点一点的被消磨。那段时间,或许算是自己最彷徨的时候了,为了自己的梦来到云南(不要问我为什么想做开发不去北上广什么的,我是不会告诉你我是因为爱情的),可是却发现自己却离这个梦好远。当时有想是不是考虑一下进培训机构,可是当时我身上的钱已经不能够支持我完成培训机构的4个月的培训了,女朋友在上学,更不可能找她要钱,而当时也觉着毕业之后不想再从家里要钱,便放弃了去培训机构的想法。

于是当时做了一个决定:先做实施。虽然说实施不是我期望的,甚至以前我都没有考虑过这个问题,可是做实施好处确实更多,首先是知识面的拓广,知道什么是数据库,也不会再在别人问我CS还是BS的时候一脸茫然。更多的,也算是知道了什么语言在云南可能会更吃香一点。可是对于我这个外行人来说,做实施也不是那么简单。毕竟什么都不懂,都是从零开始,印象最深的一句话是:我以为这个你肯定懂的。当时的我一下子惊呆了,原来我离开发的距离比我想象中的远多了。当时的憧憬一下子破灭了,而这样也更加坚定了自己先做实施的正确性。

憧憬破了,梦没破,从那时候开始,我对学习更加疯狂,首先先恶补一些关于计算机的信息,遇到不懂的先问百度再问同事,先保证自己的能力能满足现在的工作的需求,然后再是数据库,不求优化,至少知道基础的概念和增删改查。再就是编程语言,那时候经过几度分析决定,先放弃C++,转学java。虽然java跟C++有很大的不同,但是因为都是面向对象的语言,于是上手也不难。当时很快就将一本书看完了,也照着打了点程序,可是发现囫囵吞枣式的学习虽然表面上确实速度很快,可是这快却带来一个危机:根基不实。

于是又放弃之前的进度,重新买一本讲解更详细的书,然后从头阅读,不去敲程序,而是看概念。在后来,觉得书中的内容也有点勉强只是虽然多,可是技巧和注意事项却还差了点,于是又去下载免费的教学视频。几经折腾下来,对立面的概念基础倒是了解了部分。而这时候我也开始了一个过渡,从概念学习过渡到边学习边写代码,有一定的基础之后再来结合运用,效果更好。

学习过程中,艰难的不只是需要自己选择,不只是需要自己制定目标,更艰难的地方在于时间问题。我对自己的定义是:休息不能少,锻炼不能丢,感情不能淡,工作不能放。综合下来,给自己的时间也锐减,有时候一天下来只能看到半个多小时,甚至连看书的时间都没有,于是只能从其他地方来挤了。出差的路上,坐在车上看看书看看视频,工作间隙敲几行代码,上班过程回忆回忆学到的东西,再自己想一些功能,看看应该怎么实现。

2013年的学习还在继续,2014的学习也不会停止,有一天我会坐在开发的办公室,开始设计各种功能。总结2013,展望2014,我的路,自己来走

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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 9
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