大二这一年的技术之旅

【学习的始末】
  在大一即将结束的时候,我有幸听了一次优秀学长毕业报告会,当时的我还很迷茫,不知道方向,学的专业又是数学这种纯理论的,虽然数学是当初报考学校选专业的时候自己的选择,但是大一学了段时间后,一是因为听不懂课静不下心,然后开始慢慢思考自己的以后,学习数学到底有什么用,对于我找工作有什么帮助,我没有得出结果,但是心中隐隐埋下想学技术的念头,毕竟有个一技之长,作为自己以后的立身之本,而听了那次的报告会,听了其中一位学长的报告彻底得让我想真真正正学习技术的打算,同样的有过大一的迷茫与堕落,不同的是大一结束我没有挂科,屌丝逆袭的经历深深地打动并激励着我,让我相信一切皆有可能,想要改变,什么时候都不晚。
  于是大二开学,我着手去做自己心中所想,以让自己从中更好的了解自己,找到自己今后的方向,我进入了院足球队,参加了街舞社,最为重要的是进了学校的一个组织学习我想学的知识与技术,刚开始进入组织还是有点得意,毕竟主要招的大一的(话说大二面的人也少),于是就松懈了下来,后面部长说要考核筛掉一些人,我就想到了我的未来,如果大二还不好好学点东西,大学的时间就没有多少了,于是加班加点的学习html,赶前几次的作业,后面也渐入佳境,做作业的过程,很多东西ppt上也没详讲,就自己找资料,上网看视频,图书馆里借书,这个过程也慢慢锻炼了自己自学的能力,之后部长生病等一系列事情,我们这个组就一直没人带,学期结束的时候,部长回来给我们Java学习的视频,学习才又进一步,现在看来当时自己确实不懂怎么学习方法还有查找资料,现在学习都知道怎么学了。
【总结一下我的学习路线】
  大二上主要学习HTML,对网页编程有了初步了解,然后学习一个学期的Java,暑假学了一个月JavaWeb(除框架),有一个大概了解,也加深我对Java的了解,参加了学校一个为期10天的IOS培训,这跟我以后想做的安卓方向有共通之处,因为下学期要当部长了,也很有压力,觉得技术还很差劲,各方面也都不足,就拼了命的学习,然后到了新学年,学期开始卯足劲学了一个月Android(有Android基础),然后开始培训,期间就没学什么了。
【有待提高】
  现在大三已经过了一半了,最近一直在迷茫,感觉好像没什么好学的了,也没一个清晰地学习方向,还有面临考研与就业的选择,考研是希望多学点知识,可以深入的了解某些领域的东西,提升学历层次,接触到的人都是对某个方向感兴趣,并可以做下去的。还是任重道远吧,去找个工作在社会上历练,并深化编程的技术,但是一定要坚持学习,不断的学习,为以后的改变奠定基础,已经越来越感觉到在如今这个竞争激烈,并逐渐走向知识经济与重视学习的社会,没有知识与学习知识的能力是多么的可怕与悲哀。
  最后,坚持在技术的道路走下去,静下心来不断学习新知识,关注新方向,做好未来的职业规划,沉淀与积累自己。

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互习交流. 现在的深度习本质上来自于传统的神经网络模型,很大程度上是传统机器习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数知识也是通用的. 本文在梳理传统机器习方法算法的同时也会顺便补充这些流程,数上的知识以供参考. 机器习 机器习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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