2020个人总结 VS 2021目标与展望

visio 2021入门直通车(一天全搞定) 1.Visio是Office软件系列中负责绘制流程图和示意图的软件。 2.Visio可以创建具有专业外观的图表,针对复杂信息、系统和流程进行可视化处理、分析和交流,从而能够做出更好的业务决策。 阅读详情
回首过去的2020

回首刚刚过去的2020年,个人认为是比较坎坷的一年。

大环境来讲,从年初开始持续的新冠病毒,过去大半年本已觉得基本控制,可最近又开始了新一波的疫情肆虐和病毒变异,相信2021年的春节,也会比往年更为冷清吧,在这里希望大家出门在外,为了自己和家人朋友着想,一定要佩戴好口罩,避免病毒的传播。

个人来说,被多年脑梗折磨的父亲于2020年的清明前夕离开了我。印象中,父亲一直是个严厉、不苟言笑的人,在教育方式上,可能存在一些问题,从记事起只要做错事情,必然要面临父亲的一顿胖揍,让曾经的我一度怀疑我是保养来的,但父亲走后的日子,经常会回忆之前的点滴,有时夜深想到心酸时,还会不争气的眼圈泛红。父亲的脑梗多半和常年酗酒与暴躁的脾气有关,所以在这里劝慰大家,相信科学饮酒对人没有一丝的好处,忌烟禁酒保持一个良好的心态,身体健康比什么都重要。

工作方面,2020年初换了一个新的环境,虽然还是做着差不多的工作,但压力上明显打了许多,加班熬夜也成了家常便饭。经常和朋友笑谈“本该处在被酒色掏空身体的年纪,硬是被加班掏空了。”从前以为早睡早起是一个习惯,后来发现是两个梦想....希望2021年,能够合理规划时间。

就身体健康而言,2020年随着疫情的封禁,人变的更懒了....“好看的皮囊千篇一律,有趣的灵魂两百来斤”,对于身高183体重183的人来说,新年要督促自己多锻炼身体,是学富五车not学腹五车...

对于2021年的目标

作为2021年的开端,先要对接下来的一年做个简单的计划,新的一年对自己的期望与要求还是比较多的:

  1. 前端学习:作为没有什么审美的理工男,一直认为前端开发时应该属于那些颇具审美的小姐姐才能做的工作,所以前端知识一直是个人的短板,新的一年首个目标就是系统的重新学习前端知识,并定期输出学习总结,喜欢前端的朋友们,可以和我一起努力,最近在看B站看黑马程序员Pink老师的前端入门视频,虽然老师有点娘娘的感觉,但讲的真的很不错,课程链接分享给大家:https://www.bilibili.com/video/BV14J4114768。每集几分钟,入门500级还有后面的js300集,和适合平时上下班或者休息时间碎片化的学习,但切勿看完就完了,编程能力是一行行代码敲出来的,切记!

  2. 算法之美:算法笔试,作为每个公司面试的必备环节,是衡量每个程序员编程思维的一把标尺。很多人说,日常开发中,哪里用得到那么多的算法知识,都是更多的偏向业务,实现客户要求的业务逻辑。如果说写代码的目标知识完成需求,那实在是有些太低了,也不利于个人进步。大家在写代码的过程中,要经常思考每一段逻辑是否有优化的空间,即便需求时间太赶,但当你开发完需求过后,也该对自己的代码有一个review,总结不足、稳步提成,才不至于让你的能力止步不前。新的一年,每周要抽时间刷几道算法题,不单纯追求数量,刷过的题要吃透,定期回顾之前做的题目,有的东西背着背着就理解了!

  3. 自动化运维工具实践:本人的工作内容主要是Python自动化运维方向,新的一年需要时长学习一些业界更为前端、成熟的自动化运维工具和思路。希望可以在工作中,落地更为优秀且适合项目工作的自动化运维解决方案。

  4. PYQT5 GUI学习:一直很羡慕那些开发桌面应用的人,图形化界面开发之前也学习了tkinter和wxpython,但说实话外貌协会的人,对于这些冷冰冰且枯燥的窗体是在没什么太多兴趣,前阵子见到一个PYQT5开发的小工具,让人眼前一亮,作为个人爱好,新的一年闲来无事会多学习些PYQT5的知识,读者里有一些PYQT5的大佬,倒时在群里还望多多指教。

  5. 和谐的Python学习群:年末的时候创建了一个Python学习与资料分享群,一直觉得管理群是个很麻烦的事情,经常会有那些微商混进来发消息,或者什么P多多砍一刀等垃圾消息,弄得群环境乌烟瘴气,所以秉承着纯净的Python学习群概念,微商、小号推广、卖课的太多,请恕我无法将每个申请入群的人都通过,宁缺毋滥。当前群环境还有些死板与冷清,来年希望能将之转化为帮助大家进步的空间。

  6. 还有很多想学的:人都是贪心的,年初报了个Java就业班,结果忙的一直没看完,人家都结课了,我才看到1/3,新年希望左手Python右手Java,就看这个不小的目标能否时间了。新的一年还想在深入Flask的同时,学习一直不怎么喜欢的Django,但这个看时间吧。

  7. 改变当前的假装很努力:朋友和同事很多人觉得我比较努力,平时上下班坐车、午休等等只要空闲时间,就会打开手机看学习视频。然而回到家后,又经常喊着累了累了,就瘫在床上磨磨唧唧的放飞自我了。今年的工作上加班确实多了很多,但这种假装很努力的方式,在今年必须要改掉。碎片化学习固然重要,但更多的是在该抓紧的学习时间上,千万不要放松!

关于公众号

由于工作越来越繁忙,并且伴随着一些公司制度,让最近对于公众号的更新,变的拖沓了。假期考虑很久,既然是热爱的东西,就该坚持下去,即便有一些阻碍总是能想到办法解决的。

新的一年,公众号的文章内容会有所变更,具体分为以下几类:

  1. 坚持输出一些原创的Python小项目

  2. 对于Web前端的知识的学习与系统文章总结

  3. 一些思路巧妙的算法题目总结分享

  4. 整理日常Python工作中遇到的坑和小Tips

  5. 针对读者一些具有共性的问题,进行总结分享

  6. 个人觉得实用且能够提升工作效率的工具共享

  7. 时而遇到其他公众号的优质内容会进行转载

大家更喜欢多推送哪一类的文章,或者还有什么不错的内容方向,都可以通过文末的投票与留言反馈给我。我会积极采纳大家的想法,谢谢。

这份简单的总结就到这里吧,其实还有很多对新的一年期望的目标,但是怕说的太多实现不了,到时候反过来打脸。能做到上述内容,就很满意了。那么.....2021年底,我再翻开这篇文章,看看今天吹出去的牛,年底能否都一一收回来。

谢谢大家一年多来对清风Python的支持,新的一年,让我们一起努力。

2020==>2021:实鼠不易 ==>牛转乾坤。2021 加油干饭人!

结束语

最近创建了一个清风Python资源分享与学习交流群,喜欢的朋友加我微信,我拉你入群。那些微商和为了进群发广告的就别自讨无趣了,谢谢。
期待你关注我的公众号清风Python,如果你觉得不错,希望能动动手指转发给你身边的朋友们。
我的github地址:https://github.com/BreezePython

教育领域的AI革命:个性化学习导师的技术架构与未来展望 (一) 1.1 传统教育模式的局限性1.2 个性化学习需求爆发1.3 AI导师的颠覆性价值。 阅读详情

相关推荐

自监督预训练与视觉 Transformer 在目标检测中的崛起:从 ViT、MAE 到 DETR 的落地演进

视觉 Transformer(ViT)与自监督预训练技术的融合,正在加速目标检测从 CNN 主导走向统一建模的新时代。本文将系统解析自监督(如 MAE、DINOv2)如何成为 ViT 系列模型的预训练主力,剖析 DETR 及其家族架构如何通过 Transformer 完成端到端检测,并结合多个真实工业应用,分享 ViT 检测模型在不同任务中的落地路径、性能表现与部署挑战。文章内容聚焦可实操方案与最新开源实践,面向视觉系统开发者与工程落地团队提供系统参考。

努力分享一些人工智能、计算机视觉、影像等相关的知识干货! 1627

vs安装2021-03-26

vs安装 2020年应该是陈老师那里考的安装包。 当时手贱,安装开始后又点了取消,不确定现在再安装会出什么问题 多选了拓展内容 然后就点安装,默认设置

m0_46952844的博客 1356

第四十六节:目标检测与跟踪-基于深度学习的目标检测 (YOLO, SSD)

本文探讨了计算机视觉中目标检测与跟踪的核心任务,重点介绍了利用OpenCV的dnn模块结合YOLO和SSD模型实现高效目标检测的方法,并讨论了跟踪算法的集成。文章首先分析了目标检测的挑战,包括定位与分类、多尺度问题和实时性要求,随后详细介绍了YOLO和SSD的原理及其在OpenCV中的实现。此外,文章还探讨了目标跟踪的集成方法,包括基于检测的跟踪框架和常用跟踪算法的对比。

2501_91516851的博客 303

vs2021下载步骤

vs2021官方网址https://visualstudio.microsoft.com/zh-hans/vs/ 点击免费visual studio 点击免费下载

小小白 4548

基于PyTorch的BP神经网络PID控制器动态调参实战

本文详细介绍了基于PyTorch的BP神经网络PID控制器动态调参实战,结合BP神经网络的自适应能力和PID控制算法的经典优势,实现工业控制中的高效参数调整。通过PyTorch实现BP-PID融合架构,包括网络设计、损失函数优化及动态调参技巧,显著提升控制性能,适用于温度控制、电机控制等场景。

weixin_29094775的博客 522

使用Tansformer分割三维腹部多器官--UNETR实战

不会 transformer 没关系,本教程开箱即用。Tina姐总算对transformer下手了,之前觉得难,因为刚开始学序列模型的时候就没学会。然后就一直排斥学transformer。这两周没什么事,加上MONAI有现成的教程,就打算先跑通后,再学理论。然后,顺利的跑通了代码,再学了一周理论,发现它也不过如此嘛,入门还是很容易的。有同学想了解的transformer的话,可以先看完这个实战教程,如果感兴趣,后续会出一个transformer入门路线。利用纯Transformers作为编码器来学习输入量的

Tina姐的博客 1万+

介绍VS2021中的远程调试支持

  最近,微软宣布在VisualStudio2021中为针对Windows和Linux的MSBuild和CMake项目提供远程调试支持。   现在,除了远程调试器工具之外,不安装任何开发工具就可以在生产机器上进行调试。现在还可以针对您不日常使用的开发人员环境。   远程调试还使您能够针对Visual Studio不可用的环境(例如ARM64计算机或不受支持的操作系统版本)。   Microsft说,要获得无缝的远程调试体验,需要将一些附加的依赖项复制到目标机器上。公司会为您这样做,并自动将这些依赖项与

iqifenxia的博客 765

MuJoCo 相机图片怎么拿?视角调整获取物体图片及实时显示(附代码)

在Mujoco的仿真中,对于识别抓取场景来说,如何获得添加的body等物体的实时图像很重要,今天就分享下如何添加相机视角及可视化小方块(举例)的实时图片。复制一个scene.xml为scene_withcamera.xml,在xml中添加camera和小方块如下。设置xml文件中添加的相机body id。需要创建一个离屏渲染器。

darcsdn 2128

Visual Studio 安装宝典:开启编程奇幻之旅的第一步

本文详细介绍了 Visual Studio(VS)的安装流程并配有详细的图片介绍。

2301_78847073的博客 1498

python 爬虫 xpath 存储到数据库

参考

我是张先生 1289

ANSYS Workbench对称分析进阶:手把手教你用Pre-Meshed Cyclic Region处理外部导入的复杂网格模型

本文详细介绍了ANSYS Workbench中Pre-Meshed Cyclic Region功能在处理外部导入复杂网格模型时的应用。通过循环对称分析技术,可显著减少计算资源消耗,特别适用于叶轮机械、齿轮组等周期性结构分析。文章深入解析了该功能的底层逻辑,并提供了从NASTRAN文件导入的离心压缩机叶轮案例,帮助工程师克服网格匹配难题。

weixin_28630185的博客 313

2020年回顾与2021年展望

时光荏苒,数月如梭,转眼间2020年已经过去。回顾2020年,确实有些不不容易,从年初一直持续到现在仍然不能放松警惕的新冠疫情;由疫情带来的生活上的不便,经济上的停滞不前,还有大规模的企业倒闭,资金链断裂等等问题。很庆幸我所在的公司仍然存活,我还有能力与时间在这里跟大家鬼扯一些有的没的。接下来我想按照往年的惯例开始反省过去,展望未来,给自己定一个小目标 2020年回顾过去 刚刚我翻看了去年这个时候写的新年规划,似乎每一个都没能实现。 首先我每年都在说的要每周更新博客,甚至在年中的时候想过要更新有质量的博客

Masimaro的专栏 1159

头歌操作系统2023春季课堂练习2.1:外部中断

本关任务:通过相关知识以及实验回答:版本 1 内核的第 6 次时钟中断发生时,断点和恢复点(指令地址)分别是多少?回答问题:当第一行 0/1 字符全部输出完毕的时候一共发生了几次时钟中断,即第一行完全填满时 jiffies 记录的已发生次数为多少?本关任务:通过实际操作回答在输出第一行 0/1 字符的过程中(如下图所示),共发生了几次时钟中断?2.此时 bochs 虚拟机输出的 0/1 字符串是什么?(只填写数字,不填写空格!根据相关知识进行实际操作,一直输入 c 直到 0/1 将第一行完全填满。

weixin_64821608的博客 8129

浅谈人工智能的趋势和展望

(1)预训练语言模型(2)视觉和多模态预训练(3)预训练模型的应用(1)可信:小模型时代的价值对齐(2)大模型时代的价值对齐(1)预训练获得基础能力,强化学习进行价值对齐(2)预训练模仿人类,强化学习超越人类(1)“真”多模态:从微调回归预训练(2)系统一 vs. 系统二(3)基于交互的理解和学习(4)超级智能 vs 超级对齐1956年的达特茅斯会议将“”定义为“这一定义催生了模仿人类智能的两种思路-逻辑演绎和归纳总结,它们分别启发了人工智能发展的两个重要阶段:(1)1960至1990年,

Angelina_Jolie的博客 1644

【图像超分】论文复现:Pytorch实现SRCNN!保姆级复现教程!提供完整代码和最优权重模型(x2、x3、x4)!科研级论文曲线图!计算平均PSNR和SSIM!代码Windows和Linux都可用!

由于很多同学反应没用过jupyter notebook,更习惯用pycharm项目的形式跑代码。于是,本文将用pycharm项目的形式,重新复现SRCNN!【图像超分】论文复现:新手入门!Pytorch实现SRCNN,数据预处理、模型训练、测试、评估全流程详解,注释详细,简单修改就可以训练你自己的图像数据,有训练好的模型下载地址,随取随用。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 4703

OpenClaw 多代理协同工作模式配置指南

OpenClaw 采用。

形上得其象,形下合于数;阴阳自济,玄理自明。 1万+

DXVK色域转换:Rec.709 vs Rec.2020

当你在Linux系统下通过Wine运行3A游戏时,是否曾遇到过暗部细节丢失、高光过曝或色彩饱和度异常的问题?这些现象背后很可能隐藏着一个容易被忽视的技术细节——色域转换(Color Gamut Conversion)。DXVK作为基于Vulkan实现的D3D9/D3D10/D3D11兼容层,其色彩管理系统在不同标准间的转换质量直接决定了游戏视觉体验的真实性。本文将深入剖析Rec.709(标准动态范...

gitblog_00470的博客 607

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

目标检测之殇——小目标检测(转载)

原文链接:目标检测之殇——小目标检测 - 知乎 目标检测作为一项发展了20年的技术,技术层面已经非常成熟,涌现了一大批如Faster R-CNN、RetinaNet、YOLO等可以在工业界实用的目标检测方法,但小目标检测性能差的问题至今也没有被完全解决。因为Swin Transformer的提出,COCO test-dev上的已经刷到61 ,但小目标检测性能(即)和大目标检测性能(即)仍然差距悬殊,是的1.7倍(74 AP vs 44 AP)。从某方面讲,现在COCO刷不上去的一个主要原...

qq_42455922的博客 2272

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

强人工智能 vs 弱人工智能:本质区别与未来展望

强人工智能 vs 弱人工智能:本质区别与未来展望

2501_91537435的博客 4401

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

CenterMask2 vs Mask R-CNN:为什么这个CVPR 2020框架更胜一筹?

在计算机视觉领域,实例分割一直是一个核心挑战。传统的Mask R-CNN虽然表现出色,但CenterMask2作为CVPR 2020提出的实时无锚框实例分割框架,在速度和精度上都实现了突破性进展。本文将深入解析CenterMask2的核心优势,帮助您理解为什么这个先进的实例分割框架在众多应用中更胜一筹。 ## 🚀 CenterMask2:革命性的实例分割框架 CenterMask2是Cent

gitblog_00844的博客 867

尤雨溪:Vue 未来展望新的一轮

十年,一个既漫长又短暂的时光跨度,对于技术世界来说,更是沧海桑田的瞬间。在这十年里,Vue.js 从无到有,从默默无闻到蜚声全球,不仅改变了前端开发的面貌,更成为了无数开发者手中的得力工具。在 2024 年的 Vue Amsterdam 大会上,Vue 的作者尤雨溪发表了题为《10 Years of Vue》的演讲。本文就来简单总结一下这次演讲,回顾 Vue 的过去十年,并展望未来!

骑着牛的奇兵的博客 1381

VS2022 C++ EasyX库 扫雷游戏项目开发:打造经典游戏的详细之旅

在这篇博客中,我将详细介绍扫雷游戏项目的开发过程。扫雷作为一款经典的游戏,其规则简单但富有挑战性。通过开发这个项目,我不仅加深了对 C++ 编程的理解,还提升了自己处理图形界面和游戏逻辑的能力。接下来,我将从项目概述、技术选型、核心代码解析、功能实现、开发过程、测试与优化以及总结展望等方面进行详细阐述。

memoryfurong的博客 794

【人工智能领域】-YOLO目标检测算法全解析(含大白话解释)

本文全面解析YOLO目标检测算法的发展历程与技术特点。文章首先对比CNN与YOLO的本质区别,指出CNN是基础组件而YOLO是完整解决方案。随后详细梳理YOLO从v1到最新版本的演进之路,包括各版本核心创新与性能提升。重点分析了目标检测算法的两大类别(Two-stage与One-stage)的技术差异,并通过YOLOv1的实例详解其将检测转化为回归问题的核心思想。文章还介绍了非极大值抑制(NMS)等关键技术,以及YOLOv3的多尺度预测改进。最后总结了YOLO在自动驾驶、工业检测等领域的广泛应用,并展望其未

【javatoai17819112191】→Java && python && AI Agent工程师 2100

Vision Transformer (ViT) 核心原理详解与应用解析

模型最初是为自然语言处理(NLP)任务而提出的,尤其是在序列建模任务上(如机器翻译、文本生成等)表现出色。Transformer 的核心机制是自注意力机制(Self-Attention),它可以高效地捕获序列中任意位置之间的依赖关系。与循环神经网络(RNN)不同,Transformer 并不依赖于顺序处理,这让它在处理长距离依赖时更加高效。由于其并行化的特性,Transformer 成为 NLP 领域的主流模型。的关键创新在于将 Transformer 引入到计算机视觉任务中,特别是图像分类任务。

hello.reader 4951

AI开发者大会:2020年7月3日09:50--10:10唐杰《人工智能的下一个十年》

AI开发者大会:2020年7月3日09:50--10:10唐杰《人工智能的下一个十年》 目录 2020年7月3日09:50--10:10唐杰《人工智能的下一个十年》 人工智能的第三次浪潮 AI趋势:从感知到认知 回顾机器学习 2018年的预训练模型BERT 自监督学习——MoCo 2020年7月3日09:50--10:10唐杰《人工智能的下一个十年》 人工智能的第三次浪潮 AI趋势:从感知到认知 回顾机器学习 2018年的预训练模型BERT ..

头部AI社区如有邀博主AI主题演讲请私信—心比天高,仗剑走天涯,保持热爱,奔赴向梦想!低调,专注,谦虚,自律,反思,成长,还算比较正能量的博主,公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然,有点小情怀,也有点使命感呀 1万+
上一篇: 全网通用的markdown文章图床实现与图片盗链解决方案!
下一篇: LICEcap--小巧而精致的GIF录屏工具
清风Python
博客等级 码龄7年 406粉丝 267原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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