【学习总结】在重庆北大青鸟能让我看到希望和学习的动力!

在重庆北大青鸟新英航的首次月考中,学生司*骞发现了理论知识掌握不牢固和个人编程技巧的问题。他意识到需要加强基础知识的学习,并提高解决未知问题的能力。

来重庆北大青鸟新英航的第一次月考已经结束了,虽然说是第一次测验的结果,但是还是可以看出自己在学习的过程中,哪些方面有欠缺,哪些部分不够完善。可以让我对最近在重庆北大青鸟的学习进行总结。

当月考成绩下来的时候,看成绩单,完全就是偏科的感觉,笔试很差,但是机试挺不错的。我自己分析了一下原因,我还是对理论基础知识概念部分掌握不够牢固。面对一些理论问题,不能信手拈来,暂时想不出结果的又只有先放一边,导致整个笔试的进度都偏慢。到最后交卷了都还有几道没时间去思考和解答的题。

这种对于知识点没有彻底熟悉,无法灵活调用的情况还是很严重的,现在还只是考试,对着一张纸答题,将来就有可能是面对面试官的时候发生这种情况。另外,实际运用的时候也不会太注重专门引用理论知识,但是这是一个不可忽视的部分。以后在重庆北大青鸟学习的过程中,需要更加重视理论知识的掌握,多背书,多背笔记,把不稳固部分的理论知识点抓牢。

机试题方面,虽然看起来成绩还可以,但是还是能看出一些学习问题的。像这次考试中的这种起始思路非常明了,然后优势之前做过非常类似的案例的题,确实很快就有了方向了。但是如果遇到完全没有接触过的思路和方向的话,那就要卡很久了,也许很久都还不一定能有突破口。这里的主要问题,在于不能很灵活的运用所学到的知识,把多种知识融合在一起运用,缺少举一反三的运用能力。

我现在开始到处找各种实例在看和学习,了解并学习别人已经成功用过的各种思维方式,我既然自己想不到,那就呀多学习别人的思维逻辑,然后记住。自己时间的内容也不多,有时候在存在逻辑方向,但是无法用代码表现出来的情况。这不是练习少了,目前是见识少了。现在要多看别人写的,了解可行的方法和思路后,再多练习加以掌握。

以上是我目前对本次月考发现的自身不足之处,以及可以弥补的方法,剩下的就是全部编程实际的就行了。其实我挺感谢能来到重庆北大青鸟,有这样一次学习机会的,也对学习和未来充满了信心!

重庆北大青鸟新英航学校 J18班 司*骞

内容概要:本文详细介绍了一个基于JavaVue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定JavaVue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方的例子。 简单的平方问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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