写在毕业三年

作者回顾了自己作为游戏前端开发工程师的三年经历,面对技术停滞不前和生活压力,他计划提升技能,包括深入学习Unity 3D的各项组件和技术,掌握物理系统、动画系统等,并希望能在未来承担更重要的角色。

今天,HR大大通知我去续签劳动合同,因为已经过期了。才发现,转眼三年已过,我也在这家公司呆了整整三年,是时候整理一下自己的人生进程了。

我的职位是一名游戏前端开发工程师,对于游戏,我一直不是很感兴趣,但觉得很新鲜,就没有想太多,一直这么做下来了。因为它能赚钱,能让我实现财务自由(虽然现在还没有实现),所以一直坚信,自己可以做得更好。但往往显示是残酷的,三年了,我还是一个普通的职场菜鸟,在技术上,没有做过战斗,没有做过场景,一直在重复功能模块,游戏SDK对接等工作。对于经历过网页游戏,手机游戏,还有即将到来的VR游戏这种行业老油条来说,我的技术是远远落后的,在这里需要检讨一下。

生活的压力也逐渐加重,年初买房了,要开始还房贷了,也快要结婚了,同学的工资也在渐渐的赶超我(工资一年半没涨过了),我还是很安逸的过着,所以古人说生于忧患,死于安乐,一点都没有错。现在开始要逼一下自己了,争取今年成为项目的核心开发力量,明年混一个主程序做一下,在这里,可以看看有哪些方便需要提高的:

第一层

内功:基本功

1、了解学习U3D的基本组件,Transform,Collider,Renderer等;理解MonoBehaiver的常用函数作用。理解预设的作用。学习键盘和鼠标输入系统。

2、学习3D一般性知识,纹理,矩阵,向量,材质,骨骼;纹理压缩,纹理采样,过滤;世界,投影等几何变换;骨骼动画的原理。

3、学习UI制作方法。

4、学习物理系统,学习Rigbody,Collider等物理组件的用法。

5、学习控制角色动画,及特效;学习Animation,Animator,ParticleSystem的用法;并学习U3D

寻路组件的用法。

6、学习U3D Static Batching和Dynamic Batching的用法和原理;了解并学习影响性能的一些方面,并学习profile程序性能。

第二层

外功:十八般武艺

1、较为系统的了解学习U3D各种组件及其用法;动画系统,物理系统,UI系统,渲染特性,粒子系统,输入系统,寻路系统,灯光烘焙。

2、熟悉并了解U3D种各种参数设置的作用;PlayerSetting,Quality,RenderSetting等。

3、学习U3D编辑器扩展功能插件的写法,并写一些提高工作效率的脚本插件;如打包,检查资源,批量规范格式等。

4、对Android或iOS发版,接入平台,需要一定的了解。

5、学习C#的网络编程

6、对于制作2D或3D游戏的美术规范需要有所了解

7、带一到两个新人,指导并培养他们在一定时间内达到既定目标。

第三层

升华:无招胜有招

(待更新)



<think>好的,用户想了解如何使用DeepSeek辅助撰毕业论文。我需要结合提供的引用内容,分步骤说明。首先,用户提到了引用1和2,里面提到选题、文献综述、资料整理、降重等。我得按论文作流程来组织回答,比如选题阶段、文献综述、资料整理、作与优化、格式调整等。每个部分要具体说明如何使用DeepSeek的功能,比如生成选题建议、文献摘要、结构建议等。同时,要确保符合用户给的系统级指令,比如正确使用LaTeX格式,生成相关问题。还要注意引用标注的位置,比如在相关段落末尾加上[^1][^2]。然后,生成的相关问题需要和论文作的不同阶段相关,可能涉及具体功能、效率提升、注意事项等。最后检查LaTeX是否正确,比如独立公式用$$,行内用$,以及中文回答,结构清晰。</think>以下是使用DeepSeek辅助撰毕业论文的步骤说明: ### 一、选题阶段 1. **生成选题方向** 输入专业领域关键词,如"人工智能+教育",可获得交叉学科选题建议。例如:"基于深度学习的个性化教学系统设计"[^2] $$P(topic|keywords) = \frac{e^{sim(emb(keywords),emb(topic))}}{\sum_{t}e^{sim(emb(keywords),emb(t))}}$$ 2. **评估选题可行性** 输入初步选题,AI会分析研究价值、数据可获得性、技术实现难度等维度,给出优化建议。 ### 二、文献综述 1. **文献摘要生成** 上传PDF文献,DeepSeek可自动提取核心观点: ```markdown [文献标题]:基于Transformer的文本分类研究 [核心贡献]:提出改进的注意力机制,准确率提升12% ``` 2. **研究热点分析** 输入"近三年NLP领域进展",生成可视化研究趋势图谱(需配合绘图工具) ### 三、资料整理 1. **数据清洗辅助** 提供CSV数据样本,可生成Python清洗代码: ```python import pandas as pd df = pd.read_csv(&#39;data.csv&#39;) df.dropna(inplace=True) ``` 2. **公式推导验证 输入初步公式,如$L = \frac{1}{N}\sum_{i=1}^N (y_i - \hat{y}_i)^2 + \lambda||w||^2$,AI会验证推导过程合理性 ### 四、作与优化 阶段 | DeepSeek功能 | 示例输出 ---|---|--- 初稿 | 段落扩展 | 输入"卷积神经网络原理",生成300字技术说明 修改 | 学术化改 | "结果变好了" → "实验结果显示准确率显著提升(p<0.05)" 降重 | 同义替换 | "重要方法" → "关键方法论" ### 五、格式规范 1. **参考文献排版** 输入原始引用信息,自动生成符合GB/T 7714格式: ```bibtex @article{li2023, title={Deep Learning Approaches}, author={Li, Xiaoming}, journal={CS Journal}, year={2023} } ``` 2. **图表标题生成** 上传图表截图,AI自动生成如"图3.2 不同学习率下的收敛曲线"等规范标题
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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