一个农民天天学习养猪!记我的WEB开发学习之路!发表于: 2013-08-21 22:02:43

一个农民天天学习养猪!这是一种信念!一个农民本职就是要种粮,靠天吃饭,但是他选择了在农闲的时候学习养猪技术,通过养猪致富,奔小康嘛!他相信,总有那么一天他不需要再只靠天来吃饭,靠自己的双手实现自己的致富梦想。
一个大学生毕业后找工作,应该安心做自己的本职工作,但是他选择在工作之余学习web开发,他相信,总有一天他可以实现自己脑海中的许多想法,靠技术实现致富,达到小康。

为记录我的web学习之旅,我想在学习过程中每次到达一个里程碑后,就写下一篇文章,分享我的所想。
这篇文章我想在以下几个方面展开:1.当前的处境;2.对过去的总结;3.对未来的思考;4.近3个月学习的流水;5.本文总结。

1.当前的处境:
我10年在北京某高校研究生毕业,学的专业不是技术专业,类似于管理,到目前工作已经3年,今年6月完成第一次跳槽,目前主要做项目管理,内心其实没有安全感,因为没有技术,我想任何一个管理者不会轻易的将一个部门交给一点技术都不懂的人。
今年5月底开始学习web开发技术,目前已经自学完成Html、Css、jQuery等相关的前端技术,能够轻松完成京东首页的前端制作。想在这个工作的闲暇找份前端的开发工作,目前未果。

2.对过去的总结:
我想,造成今天这种局面的很大原因就是当时上大学、大学毕业之时对社会的接触较少,属于什么都不懂,特别是对社会生存见识太少;我不擅长拍马屁,如果想再有更好的发展,好像挺难的,除非天上不下雨,改成掉馅饼了;没有在学校期间准备好到社会打拼的资本,比如外语、某一门擅长的技术、吹牛逼营销的能力;缺少最起码的职业规划能力,职业路线不清晰或者说不受自己所控,虽然想在所学的行业踏踏实实的干,可是自己真的好难控制。

3.对未来的思考:
因为对现在没有那么多的安全感,特别是找到新工作,重新认识了自己,发觉如果如果再跳槽的话,好像下一份工作在哪个领域都不知道,因为这根本不是自己能决定的,没有技术,很多时候找工作都很被动。自己还属于年轻,掌握一门技术扎头进某一领域最深处,比别人多辛苦一些、多付出一些,可以固定的在这一个行业、领域努力工作。
最重要的是,我智商这么高,这么聪明,不做研发有点可惜啊,哈哈哈哈哈
我选择软件开发,web方面,不知道今天的选择对不对,发现同样没有人可以指导……

4.近3个月学习的流水:
首先查了一些web开发工作的知识体系图,了解web开发都需要掌握哪些知识,学习的先后顺序是什么?其次,了解w3c网站的相关知识,做到熟悉;开始看培训视频,并且跟着视频做了一些小例子,主要是html和css的结合;又开始找一些论坛巩固所学习的知识,并做了一些常见的静态布局网站首页,比如图片腾讯、qq邮箱登陆、163邮箱登陆、译言网等;随后开始接触jquery的知识,在论坛找了些快速入门的教程,后又看了锋利的jquery,并将书中所有的例子全部跟着实现。
昨天用了一个星期的时间完成了京东首页的模仿。
对了,期间还看过一些大网站的html和css的代码。
觉得学习编程,一定要先掌握主要的知识点,一定要多做实例,一定要多看别人写的代码,一定要多问一些为什么,踏实严谨一些比较好。

5.本文总结:
其实,工作3年了,也20大多了,可是觉得自己仍有很多迷惑之处,特别是在职业上,真心希望能够得到大神的指导。
希望能在csdn中结交web开发方面的大神,给予一些学习的指导和职业的规划。
希望有以我目前的功力可以胜任的兼职让我找到。
最后一句话共勉:长风破浪终有时,直挂云帆济沧海!
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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