北京大学开设电子游戏选修课,“爆”到没地方坐

点击上方“程序员大咖”,选择“置顶公众号”

关键时刻,第一时间送达!


近些年随着思想的转变,电子竞技电子游戏已经不是前些年的洪水猛兽了,玩游戏是不务正业的思想早就成为了过去时。由此国内各种电子竞技专业随之诞生,最出名恐怕就是北京大学开的电子游戏选修课了,每次一到了这节课几乎全员爆满。


一开始的时候,上限定为 120 人,结果选课“爆掉了”,第一次上课时,教室里坐不下,第二天去找了教务,把人数上调至 150 人,教室换成了 180 人的教室,近几次课大概有 200 名学生来听课。



据北京大学授课老师陈江说,开设这门课并非是"反传统""为了挑战而挑战"。游戏产业高速发展,很多同学将来都是要去这个行业的,这是一个很大的人才市场。"这个课不是培训学生玩电竞的,课程讲述跟电子游戏有关的研发、技术、行业、媒体、心理等问题。


网友争论激烈电竞究竟靠不靠谱



对此有网友表示称,游戏产业确实赚钱,但确实会耽误年轻人大把的时间,年轻人应该把时间用到学习上去,提高自己,适当游戏放松,但现在刚好相反!马上就有另一个网友出面反驳,你是一个很矛盾的人!一方面在否定游戏产业,一方面又在承认游戏产业!!游戏产业确实赚钱,但确实会耽误年亲人的大把时间。这句话是不是矛盾!!读书就不是耽误,游戏产业就是耽误!!你读书赚的钱如果没有玩游戏做直播打电竞的多,那你所谓的耽误是不是很奇怪!


游戏产业愈加壮大,逐渐走入课堂并不稀奇。2016 年内蒙古一所高职院校设立了全国首家电子竞技专业课程,成了第一个吃螃蟹的学校。


此外,中国传媒大学等学校开设了电游相关专业。2017 年中传开设了数字媒体艺术专业(数字娱乐方向),据介绍这个专业主要是学习数字游戏的策划与运营,其中包括电子竞技的相关内容,培养游戏策划和运营人才。


  • 来自:程序员头条

  • 程序员大咖整理发布,转载请联系作者获得授权

【点击成为Java大神】

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
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