EXCEL 学习步骤总结

EXCEL是我们日常办公经常用到的软件,用好EXCEL可以有效的提高自己的工作效率。

以下是我的学习经验总结:

1.数据库范式(这是指导思想)
——理解了数据库范式,你就知道数据应该怎么录入你的表:原子性,有查找键值,减少数据冗余。

 

2.EXCEL元素的基本概念:工作簿,工作表,单元格。

(网上常说玩转EXCEL,其实玩的只有这3种对象,如果你学过面向对象的编程技术,ok,恭喜你,只要你稍微下点功夫,你一定能成为一个EXCEL高手。)
——理解了这三个,你就能明白,我们所有的操作都是面向这三种对象的,也就是公式,程序识别的对象。

 

3.EXCEL常用功能练习:数据透视表,VLOOKUP,SUM,COUNT。(小试牛刀,有任何不懂,百度就可以。)

——尝试用一下常用的公式,去想想这些函数公式是把什么变成什么,可以理解为是一个黑盒子。


4.了解EXCEL整体架构,功能键分布。(给自己更高的目标,把EXCEL中封装好的功能全部试一遍,不懂就百度。)

——通过上诉学习,你对EXCEL的学习已经有一个非常好的架构,你再从上诉角度去思考EXCEL其他功能,其实是一样的,获取输入,然后提供输出


5.学会向百度提问。(可能之前你百度的时候,有时候会找不到答案,)
——这时你已经学会了足够的专业术语,你可以通过百度找到你想要的资料。

 

6.在工作中慢慢摸索。

——当然你学的东西永远是不够用的,保持好奇心,在工作中不断的磨练,不断学习和发掘,跟你身边的朋友交流,甚至帮你的朋友做一些标准表格,或者像我一样,把这些经验从头梳理,分享给更多的朋友,同事。

 

欢迎各位网友加群:633450291(自动化办公群),群是刚建的,希望和大家一起学习,欢迎大家加群提问,或者留言给我。

 

转载于:https://www.cnblogs.com/JewinH/p/8400078.html

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