展望2023之大一上寒假计划

博主分享了2023年的学习规划,重点包括备考蓝桥杯(目标省级一等奖)、提高四级英语成绩、提升绩点、学习Python二级和参加院运会。在技术方面,着重学习线性代数,复习Python和C++基础知识,以及为蓝桥杯做准备,预计投入总计90小时。

💪前言

期末已过,就在刚刚,2022/12/30  11:12,我把这学期最后一科高数I-1的试卷提交了😃

所以,可以心无旁骛地敲代码了

💪2023展望

蓝桥杯(4月),  四级(6月),  大一下绩点(2~6月),  Python二级(3,5月),  院运会(11月)....

蓝桥杯势在必行,目标省一,就看投入时间够不够了,而且不能影响正常上课

四级也买了个网课,高考125每周再花2小时做听力应该差不多

绩点的话,目标是中位数,前50%,本学期预测只有前75%,确实有点拉

Python二级目标优秀,所以一次有点难,准备二战二级

院运会大二开学后开始准备400米,期待这次能跑进1分钟,前8就有了

💪优先级分析

🌼(一)线代第六版

        众所周知,考研要考线代,代码要考线代,就连下学期3.5学分的硬菜《Python机器学习数据建模与分析》也考线代......想到那本比砖头还厚的书就头疼。

        而且,听说算法工程师最起码要掌握python和C++,刚好对上了我大一要学的科目,大一上C,Python,大一下C++面向对象,Python机器学习建模,线代,Web前端,离散,高数,天天早八🤮

        关键线代还贼他妈难,所以,寒假打算把1~3章搞定,网课看B站李艳芳老师的【零基础入门】线性代数(同济第6版)课后习题逐题精讲全集:

【零基础入门】线性代数(同济第6版)课后习题逐题精讲全集_哔哩哔哩_bilibili

书已经到手,暂定打算第一章看书5小时,网课+做题5小时;第二章看书6小时,网课+做题7小时;第三章看书5小时,网课+做题7小时。

共计35小时

🌼(二)回顾Python和C++简单代码

1,Python本学期所学那一点代码在这:12小时

Python头歌答案入门基础代码60例_码龄11天的博客-优快云博客

2,重新敲一遍,注意不是抄,是不看正确代码,再做一遍,并正确输出

C++代码在收藏夹里,都是些当初debug四五次才正确输出的,敲完一个删一个,13小时

共计25小时

🌼(三)2023蓝桥杯备赛

1,四小时做一遍2022蓝桥杯C++A组省赛的题,看看自己能拿多少分,写个博客  

历年真题及题解在这:公告 - New Online Judge (ecustacm.cn)

约8小时 

2,第二件事,对照着蓝桥杯考点,逐个点进行刷题和系统的理论学习,比如一个dfs或者动态规划,花上3~5小时看理论和别人的代码,再花上3~5小时在New Oj,力扣,洛谷做题,然后下一个考点         约22小时(先学2~3个考点吧)

共计30小时

🌼(四)MOOC继续学习C++指针,结构体,面向对象

这个为什么排除了呢,C++面向对象下学期会学,不急,而且寒假就算学完C++指针,结构体,面向对象的网课,也用不上

💪总结

三项计划加起来90小时,每天学3~5小时,整个寒假应该可以完成,考虑到新年那一周受影响

💏💏💏

来首恋爱的酸臭味Way Back Into Love (Demo) - Hugh Grant/Drew Barrymore - 单曲 - 网易云音乐

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论 14
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

打赏作者

千帐灯无此声

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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