半年总结-2016-8-30 23:19:19

今天看到同学在写她的学习总结,总结的是半年来做的化学实验,咦,和我们有一样的习惯,原来这孩子是何老师的徒弟啊,怪不得呢!这半年来我有很多感触,也想总结一下我都做了什么,如果做的不好,下半年加油赶上,如果做的好,下半年再想想有什么地方可以做的更好。

从整体来看半年收获:

一、计算机:

总结CS:
数据类型的选用
      
机房重构——七层登录     
VS2012——重命名问题
机房重构带给我们什么
      
机房重构——模板方法模式+单例模式+存储过程优化组合查询     
C#设计模式一句话总结     
无法打开模块文件,对象引用被隐藏     
机房收费——存储过程+事务     
机房重构——Datatable与泛型

开始BS项目
巧用ASP.NET中的Web服务器控件
      
浅谈ADO.NET与ASP.NET     
HTML——从三个例子轻松掌握     
牛腩视频总结(三)     
牛腩视频总结(二)Div+Css与Table     
牛腩视频总结(一)
XML与HTML

机房收费系统合作版:
SVN小知识
机房合作--大战类图

ITOO项目:
学习了MVC框架和EF映射知识,ITOO项目中实践了图片的导入,学习了MongoDB的知识,但是学的不深入,还要继续学习。看了看Easyui的文档,有好多东西还需改进,加油弄吧!
有关博客总结:
MVC基础
暑假技术分享:
坤哥的Go入门,讲述了它的强大功能,了解了一些go的基本知识。许恕师哥讲了 《es+flume+kafka完成企业日志追踪》,三个版本的替代其实背后付出了很多艰辛,看了他的系列博客,一步步走向最终的那个版本,真的不容易,探究的过程很有趣。世超哥的多线程讲的很棒,清晰了很多。

米老师讲算法:
大家还记得刚进暑假那会儿吗?每天上午我们那么多人都在三合班听米老师讲算法,老师每次都是汗流浃背,他一直很重视算法,为此他做了那么多总结,找了那么多规律,看到他的笔记真是神了啊。米老师讲课,从来都是先从故事入手,引出他要讲的内容,然后展开叙述,课堂上笑声不断,真是个演讲天才啊。
小胜胜于智,大胜胜于德。智者能取得小胜,而有德行的智者却可以取得大胜。生活中有很多例子,比如大人小孩过河问题等等,都需要用到算法,之所以用算法,是因为有需求,课堂上老师解决了很多同学问的问题,比如,搞不懂算法逻辑等等,其实我们真该让自己的脑子里充满问题,多分析,多想象。不要只站在自己的角度思考问题,要想到整个国家和民族,你想当老板,权利不是白给你的,是自己争取的,怎么争取,就是多做事,多为别人服务,因为一切企业的发展都是建立在为民服务的基础之上,这也是国家和民族发展的基础。
一次ij之争,好多同学都上讲台说出了自己想的i和j分别代表了什么,老师说了,要多让自己处于难堪的境地,这样才能成长的快,还有这个讨论了一上午,最终大结局由米老师揭晓,而这个相对准确的答案,正是数学中最基础的数,很多时候我们都被思维定式,好像感性认识越来越少,这我们就需要好好想想了。

二、英语:
新旧美没怎么跟读,AJ但是学的不错,学了一阵儿喜马拉雅,感觉有点快,不太适合自己学习,刚好到考试周了就没听,只听了AJ,暑假主要听3分钟,每天有半小时的时间交流,效果还不错,看完了peppa pig第一季,好温馨的一家,很喜欢Daddy pig和Momi pig的教育方式,我们都有过童年,有兄弟姐妹,所以看到peppa pig和little George的玩闹就感觉很有趣。

半年博客:

八月纪实-英语篇

三、自考:
这次需要考三科,第一阶段已经都看过一遍了,第二阶段的数据结构还有部分没看。还没有进行一个系统的总结。

四、软考:
第一阶段J2SE视频已看完,整理了笔记,总结了一部分。感觉整理好后,思路很清晰。开始学习软考视频,里面涉及到很多知识,这几天开始数据结构的学习,讲的很细,和自考数据结构那个课本相应,不错的资料。我觉得有必要把我们软考要学的东西做个宏观总结,把握好方向,在学习中才能获取主动权,而不会被牵着鼻子,蒙着眼睛走。
博客总结:
设计模式交流
J2SE视频之面向对象——踏破铁鞋无觅处

五、专业课:
上半年只有一科专业课高物,相对以前来说专业课很少,有很多空闲时间,刚好到了该找毕业论文指导老师的时候了,又考虑到以后去了万达学习,往返学校不容易,所以需要提前做好实验准备了,也是为以后集中时间学习争取更多的时间。
先说说找指导老师这件事儿吧,一开始我找了苏老师,他也同意了,说好让我去找他登记一下联系方式,顺便也说一点实验的事儿,后来因为我严重的拖延症让我错过了这次机会,我不得不再花时间找老师。
首先,找老师这件事儿是重要紧急的,理应先做,这次没做好,那就是四象限做的不够好。再者,老师招的学生人数都是有限制的,联系的早了,你就有机会跟老师干,联系的晚了,可能会丢掉机会,机会是需要争取的,没有人专门等着你。最后,时间管理老生常谈,可我又做过多少,这些问题反映了我的自制力很差,想干嘛干嘛,小农意识严重。什么时候才能开窍?
实验做了一半了,大三下学期有特别忙的一阵,做实验比较多,一般没有课都会去实验室,进展也挺快,暑假的时候我主要测软化点,每周测一次,稳定性还好,一起做实验的小伙伴为了媳妇儿很拼啊,暑假找了家化工厂,工作之余还跑回学校做了实验,得亏有这小伙伴啊,开学了,和老师商量了下一步实验计划。

六、生活:
1.学下中国象棋,看了几集视频,开局切忌有几条,很多棋友说没下多长时间就会变得很被动,其实就是犯了这几个大忌。听老师讲的很精彩,想找个时间再学习一下,拿个棋练练手,纯属兴趣,兴趣一来,一发不可收拾,也许我这些兴趣一直偏向男孩子吧,乐在其中。
2.每隔一周或两周会和父母打电话,聊一些提高班的事儿,唠点他们想听的。
3.看点有关马云的视频,有段时间很想了解这个怪才,所以看了看有关他的视频,听他的演讲,和米老师很像,充满正能量,又很幽默。
这就是我的生活,想我所想,做我想做,很简单,又很充实。

总结:
人一生来就蒙,所以才要学习。                   ——易经的智慧

感谢您的阅读!




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 31
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