大二学科不挂科 速冲方法推荐(数据结构+计组+操作系统+算法+数据库)


专栏博客链接(全科目)


大学计算机专业不挂科 通识课 + 专业课全科目速成总结博客


前引


这段时间本来是紧锣密鼓的在准备面试 原本以为自己已经学过的科目 考试肯定不成问题吧
结果看了看考试的题目 一个都写不了 仿佛回到了大二上学概率论 离散的时候

而且对于计算机专业性学科 这样类型的专业课 速成课课程不是很多
蜂考好像在更新 但可能我最后像这样准备期末考试 最多也只有两次机会了
没想到我自己写过操作系统 去看操作系统的题目 竟然写不来 属实还是令人唏嘘

博客发出来的时候 那么这些科目应该还是平稳落地 我才会发出来
第一次编辑的时候 计网是还没有考的 后面会在补充的
如果挂科了 这篇博客应该是不存在的 所以为了不挂科 最后这段时间的面试复习 还是延后一段时间吧

学校里面的考试 最后简单几句话总结
学了考试能考 面试没用 收获不了任何东西
考前学个几天应付应付得了


学科速成总结


1、数据结构


《数据结构》速成课,6小时搞定,期末不挂科【蜂考】

我数据结构是在大二上考的 然后当时就在大二上的时候发的
这里也当作专业课总结 把原来写的抄过来

这门课应该算这几门课程中成绩最高的了 考了88分 还是得考前看一看蜂考 我们考试间隔很短 留给我看蜂考的时间只有 大概4-5个小时 我大概跳着把所有课程里面看完了 基本上考试的题型也就是蜂考里面的题型

为什么这门课需要单独拉出来说一下 因为这门课我是在大一上的时候学的 而且平时刷题的时候 也是一直在用里面的数据结构 所以觉得我的水平应该去裸考考试是不成问题的

结果还好没有裸考考试 因为发现考试竟然考的是 需要我们去看速成课里面讲的内容 可以这样说 没有任何基础的人 去看蜂考速成课 数据结构 期末都可以考到80-90分

而如果没有看过的 像我这种实践派 那期末估计不看课的话 基本上也就40来分的水平吧 首推蜂考速成课


2、计算机组成原理


平时作业一次没交 上课一次没去 平时成绩几乎没有
花了大概三天多一点的时间 看视频+刷题(其实这三天都是边耍边学)

但是最后考试 哎 学校答题卡发错了
让写试卷上 我写在草稿纸上的 本来应该成绩有个70-80的 最后由于各种阴差阳错 分就是没统计对 反正期末卷子至少考了70多

God Bless Me 反正也是过了

按照下面的流程走 正常考考个70-80还是比较轻松的


【计算机组成原理】计算机组成原理期末考试速成课,不挂科!!(高数帮 计组)
计算机组成原理期末复习——做题家速成
计算机组成原理速成、不挂科、搞定期末考试大题(横屏版)

这部分目前在我考试的这段时间中 存在的速成课不是很多
所以仅在很小的范围内进行推荐

在这里插入图片描述


目前也就是 看完这三个视频链接 速成课先去看 内容绝大部分还是很有用的 适合速过一遍

然后自己再配合着 真题做一做 多刷刷题 在考前一两天一直滚动题目 凭借着短时记忆 考试不挂科还是相当轻松的
这里还是强烈推荐 把往年真题多做做 因为我做的时候 发现有很多题目和往年的题目是重合的
所以还是多刷题 对于速成课没有讲的部分 自己去B站搜索相关内容

一般而言 真题和往年的题型差异不会很大 多刷题即可
我记得我考试的时候 有些大题题型在上面的视频中都没有讲到 之后回寝室问宿舍室友 室友跟我讲解了几道题 然后在考试的时候 出的题目有几道类型就是一模一样的

反正多刷刷题 需要背的东西挺多的 这个科目还是多花点时间的


3、操作系统


平时课一次没去 平时作业也基本没交过
30分钟考完交卷 总成绩72

基本上学了两天半多 视频我都是跳着看的 因为自己的操作系统的基础比较好 所以绝大部份概念都很清楚 这里建议多看会


蜂考 《操作系统》系统课
操作系统期末速成复习课

在这里插入图片描述


这些课看了 尽管我写过操作系统 但是写不来题 就让我感觉很魔幻…
但是写过操作系统 就导致概率部分 基本上我不用学都可以直接秒选
但是对于大题 还是老样子 就背一背答题模板和套路吧

刷刷往年试卷的题 还是能够平稳过渡的
我反正就刷了3套去考 事后发现还是多刷点往年的题吧 因为很多题都是重复的


4、数据库系统概论


老师比较心狠手辣 尽管没咋上课 没交作业
平时分也是基本上没有 其他同学考30分就能及格 我差不多要考60-70左右

总成绩73分 期末卷子 30分钟做完就出来了 基本上题型都覆盖进去了


【数据库系统概论】三小时复习期末速成不挂科
数据库必考习题合集

花了大概两天多一点的时间
把下面的视频都给看了 并且里面带的资料 也都自己过了一遍 然后自己也去刷了很多的题 自己做了些查缺补漏

由于期末要考60分才能过 所以这里我花的时间稍微多一点
第一个视频 小姐姐声音很好听 讲的不是很细 但是可以带着粗浅的把基本上涉及的所有题型带过 在看完后 看的时候自己再写写 然后再花一个小时把第二个视频中的重要题型里面的所有题刷一遍

再去刷刷学校里面的习题卷子 背背概念什么的 基本上也就没什么问题了


5、算法设计与分析


一样 没上过课 没交过作业
平时成绩相对其他课要高一些

最后考了77分 一样还是 30分钟考完就出考场了


warshall算法 视频
Prim Kruskal Dijkstra(蜂考数据结构)
购买算法设计与分析教材

算法部分我是真的没有找到速成课 有的也只有系统课
但鉴于我对我算法部分相对而言 再理论 我也觉得相比于绝大部分的同学 肯定是要好的多的

复习这个 一定要去买算法教材 我一个上大学后再也没有买过一本教材的人
专门花20块钱去买了算法教材

然后我看书复习 就是看考纲具体考什么 去复习相对的章节
我大概看书复习 复习了3个小时左右 就够了

剩下如果能拿到往年 前年的题 就去刷题
感觉好像重要的就是 上面视频链接的几个题 然后 0 - 1背包问题 一些基础排序算法
然后对算法的一些概念熟悉
大概就是这些了


结束语


等大三上的时候 速成系列博客就差不多写完了
目前这一篇大概还差个 (计网、嵌入式、机器学习) 学完了之后会在这一篇做补充的
到最后的时候会联合大一 大二的时候写的一些其他的速成系列博客来写一个总结的

后面我估计博客发的频率会越来越低
如果后面一切顺利拿到实习offer的话 会发很多篇的经验分享的

就先这样 这篇明天大三上结束的时候会再次更新的

  • 22
    点赞
  • 137
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
稀疏矩阵是指其中大部分元素为零的矩阵。由于大多数矩阵都是稠密的,即大多数元素都不为零,因此通常情况下,我们使用一个二维数组来表示一个矩阵。但是,对于稀疏矩阵来说,这种方法会造成很大的浪费,因为大量的空间被用来存储零元素。为了解决这个问题,我们可以使用稀疏矩阵三元组表示法。 稀疏矩阵三元组表示法是将稀疏矩阵中每个非零元素的行、列和值存储在一个三元组中。其数据结构如下所示: ``` struct Triple{ int row, col; double value; }; ``` 其中,row表示非零元素所在的行,col表示非零元素所在的列,value表示非零元素的值。我们可以使用一个数组来存储所有的非零元素,这个数组就是稀疏矩阵的三元组。 稀疏矩阵三元组表示法的优点是它可以节省存储空间,缺点是它不方便进行矩阵运算。因此,在进行矩阵运算时,我们需要将稀疏矩阵转换成其他更方便进行矩阵运算的表示方法,如压缩矩阵和坐标矩阵等。 对于稀疏矩阵的求解,可以使用稀疏矩阵三元组表示法结合三元组高斯消元算法来进行求解。三元组高斯消元算法是一种针对稀疏矩阵的高斯消元算法,其基本思想是将矩阵化为上三角矩阵或下三角矩阵,然后通过回代或者前代求解方程。由于矩阵中大部分元素为零,因此在进行高斯消元时,我们只需要考虑非零元素,这样可以大大提高计算效率。 三元组高斯消元算法的基本步骤如下: 1. 将稀疏矩阵转换成三元组表示法; 2. 对三元组按照行和列的顺序进行排序; 3. 从第一个非零元素开始,进行高斯消元,将矩阵化为上三角矩阵或下三角矩阵; 4. 通过回代或者前代求解方程。 具体实现可以参考以下代码: ``` void SparseTripletGaussElimination(SparseTriplet& triplet, vector<double>& b) { int n = triplet.rows; vector<Triple> A(triplet.data, triplet.data + triplet.num); sort(A.begin(), A.end(), [](const Triple& a, const Triple& b){ return a.row < b.row || (a.row == b.row && a.col < b.col); }); vector<int> row(n+1), col(triplet.num), diag(n); vector<double> val(triplet.num); for (int i = 0; i < triplet.num; i++) { row[A[i].row]++; } for (int i = 1; i <= n; i++) { row[i] += row[i-1]; } for (int i = 0; i < triplet.num; i++) { int r = A[i].row, c = A[i].col; double v = A[i].value; int k = row[r]++; // 获取 r 行中下一个非零元素的位置 col[k] = c; val[k] = v; if (r == c) { diag[r] = k; // 记录对角线元素的位置 } } for (int k = 0; k < n-1; k++) { if (val[diag[k]] == 0) { // 对角线元素为零,无法消元 throw runtime_error("zero pivot encountered"); } for (int i = diag[k]+1; i < row[k+1]; i++) { int r = col[i]; double factor = val[i] / val[diag[k]]; for (int j = diag[k]+1; j < row[k+1]; j++) { if (col[j] == r) { val[j] -= factor * val[diag[k]]; } } b[r] -= factor * b[k]; } } if (val[diag[n-1]] == 0) { // 对角线元素为零,无法消元 throw runtime_error("zero pivot encountered"); } for (int k = n-1; k >= 0; k--) { double sum = 0; for (int i = diag[k]+1; i < row[k+1]; i++) { sum += val[i] * b[col[i]]; } b[k] = (b[k] - sum) / val[diag[k]]; } } ``` 其中,SparseTriplet是稀疏矩阵三元组表示法的数据结构,b是待求解的方程的右侧向量。在实现中,我们首先将三元组按照行和列的顺序进行排序,然后将其转换成压缩矩阵的形式,接着进行高斯消元,并通过回代或者前代求解方程。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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

Love 6

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