三年学习编程学习总结,对新手有些帮助,我也在迷茫!

                         
现在自学编程已经三年了,但是自己还是怎么菜,为什么我也不想说,也说不清。。。
小小的总结下自己的经验,可能对像我这样迷茫的人有一点点的帮助。

从编程说起:
正常的话c学的差不多的话,在把c++的面相对象思想掌握了,我认为java之类语言都可以自学了。咱们学校学校开的那课有点乱。
人的大脑是有限的,学多了是不容易学精通,专攻一门,如果研究真的够升入了,其他的都是浮云。怎么能够深入需要
自己积累,思考,总结,多拿出些作品之后就可以做个些小事例(贪吃蛇,扫雷,连连看...)可以参考别人的代码。
然后自己写,这样做好多少会有些进步。如果这些都会做了,语法就不成问题了,当遇到问题的时候利用收索引擎,google收索。
问题一定会解决。那c类库庞大的很,语法一辈子都学不完,要研究也应该研究汇编,数据结构。能把问题解决就行了。上面我自己都没有做
到,便程语言换来换去先广度学习,在深度学习,再广度,再深度。例如开始的时候我根本就不知道c++/c语言能编写cgi程序,通过c++可以向
网站发送请求,不知道js可以向服务器发包,不知到什么ajax,什么Jequry.这些都是慢慢探索才发现的。。。很多东西都是相通的。
最近我在研究些病毒,木马书上案列,这两样东西隶属于安全范畴,发现很多代码多是汇编,程序的入口点,内存映射文件,动态连接,动态
分配内存,远程线程调用等等名词,搞懂这些需要两样最基本的东西:汇编语言/熟悉Windows的api。这些都是基础,现在木马已经到了发展到了
第七代了,如果能写个dll注入式的木马就不错了,估计研究高级木马那些人年龄都挺大了,研究木马的先玩木马,做免杀,免杀在国内已经不容易了。。这条路很难走。
Web安全现在都火,针对Web安全,很多技术都成型了,搞安全的就需要避免这些漏洞,比如上传,跨站,sql注入。。。这些东西入门比较容易有兴趣php语言可以研究下,PHP解释型语言速度快,但安全问题也很多。我没研究过。
没精力了,以后学。这学期的后半部我打算把老师的项目做下,也挺闹心,木有期限,不知道用户需要什么,就是模仿某个网站,闹心啊啊。。
jsp,asp.net等Web开发语言思路有些不同,一段时间就能掌握了(几个月就差不多了解了)。
如何使做Web开发的那就得熟悉js,css布局,php等语言。js很重要的,还有现在网络安全多数
是针对Web对外开发程序的漏洞进行攻击的,系统级别的类似于RPC漏洞,缓冲区溢出之类少之又少了,
因为微软在根上进行了防范。要研究Web安全,就需要研究黑客的攻击手法,这些也是在写程序是要防范的,
这方面要靠实战,对于黑客不知到大家是怎么样的看法,在中国都没有真正的黑客。真正的黑客是那些发明了晶体管,
创造了操作系统之类的人等等。现在指的是那些会入侵手法(xss,sql injection, 旁注,c段...这些技术是需要经验的,
如果经验多了的话,就能能指哪打哪,进入大公司从不用刷卡,这可不是我说的,国内一个著名安全会议上一个研究员的话,),会防范
的技术人员。国内知名的安全专家说过这样的话,厉害的安全安全专家一定是一个技术很好的黑客。其实现在黑客技术一点都不难,难的是
有没有人和你分享技术成果。如果有兴趣的我们可以组建个安全团队。

如果做桌面程序,即跟系统编程比较近的,那就得用Windows程序设计方式来写代码了,控制台的就有些不怎么实用了(不包括研究算法的),做算法的题,做算法是一个很好的出路,作牛了比什么都强,大数据时代,算法功不可没。我现在后悔了当初没一直坚持,学习算法可以增长智慧解决问题的能力。如果选择Windows编程,那么我想以后就是要开发软件了。给用户使用。深入研究Window系统也行,开发属于自己的软件。
如果精力充沛的话大二就一定能到。我感觉做应用的怎么也没有搞安全更了解的系统的底层,看了几天木马程序啥的就是个枯燥,网络上的各种木马产品已经成型,你能超越吗?人家都该本n次了,对我来说如果研究木马会折寿的。还有中国会木马病毒的人多得是了,你研究透了,做出木马,违法了怎么办?上个大学之后进去了,那还不如回家种地去了。暂时就是做个破网站,谁会买那破玩意,网上开源的n多,下载个,改下配置,修改账户密码2分钟就安装上了,有的还有服务,你有吗?软件业早就了不好年轻的富翁,人家都是从小玩出来的,付出的东西可以想到。到大学的时候还没摸过几次电脑。还有毕业了真心想去打地方去闯闯,然会回家这边发展,但是刚毕业四六级都没,做过大项目吗?有人家鸟你吗?扫地的阿姨已经有了。。。哈哈
高中校长说过人要学会舍得,面对有些东西不得不舍弃它,这学期开始没打算上什么课,啊啊啊啊啊啊啊啊啊啊。。。不上课也害怕挂科,计算机这东西要理解的深刻就必须亲手实践,纸上谈兵还不如不谈,说的什么都容易,做做试试????????

如果软件开发方向很多,我了解我们的老师有作 畜牧erp,医院系统 这些主要是了解业务。和数据库关联很大。我现在在做专业老师给的一个项目,太极拳网站,net开发,,没有期限,有兴趣的一起研究,这个项目做完之后,还有些家里那边
朋友要做的东西,旅游站饭店点菜系统。很多项目的,这些都是我主动的,所以就没有钱可以赚的,就是交个人情,日后如果大家想加入,锻
技术可以 call 我。做这些的话有人带领你的话,
可以做。说下高级的东西,杀毒,网络编程,这些东西门槛会很高,第一里底层很近,第二还需要算法。
360杀毒那样的杀软公司,需要底层的东西,那里的员工每天都在分析木马,这技术是很强的。我认很有前途的,有理想的可以深入研究,
我想国家准定是需要这样人才的。写这些的意思是说我们应该有一个方向了,搞软件的就盯准某个行业,
或尽量把技术跟着某些老师一起做,一般的话老师是不会找你们的,因为知道大多数人都不会什么东西,如果你会了,
可以就可以找老师,双赢嘛!这些我都没有做到,挺后悔的...

学习技术最直接的目的就是赚钱,但在现实中钱很好赚,但是你赚不到,各种原因吧,这就需要人脉,社会关系,经验。。。现实中没有人关注我,网络中我关注别人,就这么个孤独的人,孤独并快乐着,呵呵。接下来的日子打算写几个安全工具,积累些网络编程的知识。积累,等待放假,等待毕业。身体也是也来越糟糕了,一年多了12点没睡过觉,有些失眠。技术菜也好,无论怎么样我都会参与关注安全,为安全行业做出一点点贡献。暂时能做的就这么多了,大牛也好,不都是彩鸟走过来的。如果坚持下去彩鸟总会有见到阳光的那一天。现在的黑客技术没有免费,毕竟每个人都要生存光靠入侵几个小站是不当饭吃的,真正牛逼的人也不是很多。


胡校长说过要用专业的眼光审视周围的世界,胡老师是我挺佩服的人,还教导了我们每个人都要善待周围的人,回报是无穷的,当然目的不是回报,看了长春菜市场老人因病倒地100多人过去就一个管,看着这样的场面感觉就是可耻...很多事前都是那些搞炒作的败类给搞的。。。如果大家发现软件方向有什么可以创新的东西大家可以一起研究,Windows软件发展这些年了,很多产品多已经成型了,开源的软件也有很多,有些东西不是不能做而是很难超越,手机移动开发的现在很火ios,andriod。哎。。学校压根就没有这方向的课。。。。以后的就选这网络安全和软件开发这条路了。
我的编程交流群:288257571 让我们共同进步!


神经错乱了,如有胡言乱语纯属必然.

<think>嗯,用户之前问过激光雷达的用途,现在转向了深度学习和机器学习学习路径。这可能意味着他们对技术领域有广泛的兴趣,或者正在考虑进入数据科学或AI领域。我需要确定他们的背景,是学生、转行者还是有其他目的。 首先,用户提到“新手如何学习”,所以需要提供从基础开始的指导。可能他们的主要需求是找到系统化的学习路线,避免在学习过程中感到迷茫。应该包括资源推荐、学习方法以及实践项目的重要性。 考虑到他们之前的问题关于激光雷达,可能对应用场景比较感兴趣,比如在自动驾驶或工业检测中的应用。所以在介绍学习路径时,可以结合这些实际应用案例,增强相关性。 需要区分机器学习和深度学习,虽然深度学习是机器学习的子领域,但初学者可能会混淆两者的学习顺序。应该建议先掌握机器学习基础,再过渡到深度学习,这样有助于建立扎实的理论基础。 用户可能没有明确说明是否有编程基础,但学习这两个领域通常需要Python和数学知识。因此,在回答中需要强调编程和数学的重要性,并提供相应的学习资源。 另外,实践是关键。新手可能会陷入理论学习的泥潭,而缺乏实际项目经验。建议他们通过Kaggle竞赛或开源项目来应用所学知识,同时培养解决问题的能力。 还要注意学习路径的阶段性,分步骤引导,避免信息过载。比如先学Python和数学,再学机器学习基础,接着是深度学习,最后是项目实战。同时,推荐社区和论坛,帮助他们解决学习中的问题,保持学习动力。 最后,可能用户担心学习难度大,需要鼓励他们保持耐心,持续实践,并参与社区交流。同时,提醒他们根据兴趣选择方向,比如计算机视觉、自然语言处理等,以保持学习的热情。</think>好的!对于深度学习和机器学习新手学习路径需要结合**理论基础、工具实践**和**项目经验**。以下是一个分阶段的系统化学习指南,结合中文资源和学习建议: --- ### **一、基础准备:数学 + 编程** #### 1. **数学基础** - **线性代数**:矩阵运算、向量空间(推荐《线性代数的本质》系列视频)。 - **概率与统计**:概率分布、贝叶斯定理、假设检验(可参考《统计学导论》)。 - **微积分**:导数、梯度、最优化(重点理解梯度下降原理)。 *🔍 工具辅助*:如果数学薄弱,可用工具库(如NumPy、SymPy)边实践边补基础。 #### 2. **编程能力** - **Python**:掌握基础语法、数据结构(列表/字典/函数),推荐[廖雪峰Python教程](https://www.liaoxuefeng.com/wiki/1016959663602400)。 - **关键库**: - **NumPy**(数值计算)、**Pandas**(数据分析); - **Matplotlib/Seaborn**(数据可视化)。 *📌 目标*:能独立完成数据清洗、简单可视化分析。 --- ### **二、机器学习入门:理论与工具** #### 1. **经典算法理解** - **监督学习**:线性回归、逻辑回归、决策树、SVM、随机森林。 - **无监督学习**:K-Means、PCA、聚类评估。 - **模型评估**:交叉验证、ROC曲线、混淆矩阵、过拟合与正则化。 *📚 推荐书籍*: - 《机器学习》(周志华,西瓜书)——理论扎实,适合反复读; - 《Hands-On Machine Learning》(Scikit-Learn版)——代码实践友好。 #### 2. **工具实战** - **Scikit-Learn**:从调用API开始,理解参数调优(如GridSearchCV)。 - **项目练习**: - Kaggle入门赛(如泰坦尼克生存预测、房价预测); - 使用UCI数据集(如鸢尾花分类、手写数字识别)。 --- ### **三、深度学习进阶:框架与模型** #### 1. **深度学习基础** - **核心概念**:神经网络结构、激活函数、反向传播、损失函数。 - **框架选择**: - **PyTorch**(灵活,适合研究)或 **TensorFlow/Keras**(工程部署友好)。 *🎥 推荐课程*: - 吴恩达《深度学习专项课》(Coursera,中文字幕); - 李沐《动手学深度学习》(B站免费视频+代码)。 #### 2. **经典模型实践** - **计算机视觉**:CNN(LeNet、ResNet)、目标检测(YOLO)。 - **自然语言处理**:RNN、LSTM、Transformer。 - **实战工具**: - PyTorch Lightning(简化训练流程); - Hugging Face(快速调用预训练模型)。 #### 3. **调试技巧** - 学习使用TensorBoard或Weights & Biases可视化训练过程; - 掌握过拟合解决方法(数据增强、Dropout、早停法)。 --- ### **四、项目实战:从模仿到创新** #### 1. **复现经典项目** - 图像分类:CIFAR-10数据集训练ResNet; - 文本生成:用LSTM生成唐诗或新闻标题; - 目标检测:用YOLOv5训练自定义数据集(如检测交通标志)。 #### 2. **参与竞赛** - **Kaggle**:从Featured竞赛中选择感兴趣的主题(如预测、图像分割); - **阿里天池/AI Studio**:国内平台,中文社区支持更友好。 #### 3. **开源贡献** - 在GitHub上复现论文代码(如搜索“PyTorch implementation of XXX”); - 参与开源项目(如Hugging Face模型库的文档优化或Bug修复)。 --- ### **五、持续提升:理论与工程结合** #### 1. **深入理论** - 阅读经典论文(如AlexNet、Transformer、BERT),配合代码实现; - 学习《深度学习》(花书)中的数学推导。 #### 2. **工程化能力** - 模型部署:学习ONNX、TensorRT或Flask/Django构建API; - 性能优化:掌握模型剪枝、量化、蒸馏等轻量化技术。 #### 3. **领域聚焦** - **CV方向**:学习OpenCV、MMDetection; - **NLP方向**:深入Hugging Face库、Prompt Engineering; - **强化学习**:从Gym环境到PPO算法。 --- ### **六、学习资源推荐** #### 1. **中文社区** - **论坛**:知乎(关注李沐、邱锡鹏等大V)、优快云(入门教程多); - **公众号**:AI科技评论、机器之心。 #### 2. **免费课程** - B站:跟李沐学AI、莫烦Python; - 百度AI Studio:提供免费GPU算力。 #### 3. **书籍** - 《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》 - 《Python深度学习(第2版)》 --- ### **七、避坑指南** 1. **不要盲目追新**:先掌握经典模型(如ResNet、BERT),再跟进前沿论文。 2. **代码 > 理论**:初期以跑通代码、理解流程为主,数学推导可逐步深入。 3. **学会提问**:遇到报错先查Stack Overflow、GitHub Issues,再向社区求助。 --- ### **总结** 新手学习的关键是**快速建立正反馈**: 1. 从工具(Python+框架)入手,先实现“能跑通代码”; 2. 通过项目理解理论(如反向传播),而非死磕公式; 3. 加入社群,避免闭门造车。保持耐心,半年可入门,1-2年能独立开发模型!
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