公考方法论--公务员考试

听课

B站或淘宝等平台搜索网课购买

行测

粉笔最便宜980网课
先做两套真题熟悉结构,听课做真题针对性加强
学习强国近三年的《理论热点面对面》
字迹田英章正楷
冲刺:粉笔app练习真题,每周两三套练手
笔迹端正很重要

申论

基本看字,学生批改,按点给分,主要看字迹田英章正楷/行楷

行测考场技巧 – 行测较容易提分的模块有哪些呢,行测和申论的备考时间应该如何分配?

容易提分的模块:资料分析、数量关系、判断推理。我个人认为这三个模块咱们追求的应该是尽可能全拿下来,里面涉及到的知识程序员应该本来就信手拈来。
资料分析技巧:
1.发卷子先做资料分析,放弃数量关系部分时间用到资料分析。对大部分人来说,得分率更高,明显提升效费比。
2.大致瞄一眼资料,不要细看和思考,这样每个资料分析可以节约30-60秒。
3.正式做题时带着问题看资料,倒着找。
4.计算答案不要算到最后一位,答案有差不多,对照出来即可。这样每道题可以再节约10-30秒。
5.实在算不出来没思路的先放下,不要死磕,换换脑子,做完所有题,最后回来再试试。节约时间到其他能得分的题目。

备考时间行测与申论七三开,时间紧的话,申论按最佳实践来,注意三点:

  • 答到点上
  • 条理清晰
  • 字迹好看

关于模拟卷
粉笔上模拟行测申论,申论修改别当真,差别很大,做真题不错

选岗

认清现实

公务员,靠自己拼个前程,只有副省级以上市直机关、直辖市市直机关、省直机关、中央国家机关这种高平台,才有那么点可能。

单位选择

政法系统(公安、检察院、法院、监狱、国安)薪资较高,其他都大同小异

B站的方法

行测

建议粉笔华图专项训练只刷常识和图推
花生十三资料分析课程
B站免费的丁旭面试课程
粉笔王军涛每月时政课

申论

粉笔《申论的规矩》
华图《模块宝典》行测
粉笔980申论
江鸣百技斩(行测)
习题册
粉笔《行测5000题》 《决战申论100题》
历年各省真题卷
基础阶段43天 教材+网课
强化阶段45天刷题+网课 (抄材料)
批改
申论批改高黄山?

作息

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述

巩固阶段
1.模拟真实考场环境,卡表做行测和申论
2.每五天至少写完两套行测和申论真题
3. 整理错题,针对性看拔高课程
4. 针对申论,在人民日报、半月谈、学习强国积累素材

冲刺阶段
1.每天全镇模拟一次,只做真题不做模拟
2.调整答题节奏和顺序
3.借鉴言语理解40分钟、逻辑判断35分钟、资料分析25分钟、常识5分钟

一些up的规划

up:逆游大头
通过百度网盘分享的文件:24省考复习计划…
链接:https://pan.baidu.com/s/1RrWNHkSbgZbIDkup7w9BiA
提取码:0910
复制这段内容打开「百度网盘APP 即可获取
在这里插入图片描述

批改:各年分值分布

22年题型分值分布

在这里插入图片描述

在这里插入图片描述

23年题型分支分布

在这里插入图片描述
在这里插入图片描述

  • 11
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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