看了“编程之美”文章后的教学感想

读了您的一些文字,有很大的收获。我是一名三本的院校的计算机老师,教书2年,期间也有很多感想和想法,虽然有很多想法在实施的过程中会遇到这样或者那样的限制,但是我觉得我还希望在自己的能力范围内能够进行教学方面的一些改革和尝试...
其实我觉得也谈不上什么改革,因为我们所谓的“案例教学”、“项目驱动”、“学生实践”..等等,这些都不是什么新鲜的概念,只不过是很多老师不愿意去改变和尝试而已,原因何在?因为稍微一改,那么老师就要付出很多的时间和精力,如果说按照课本讲解,一次课可能只需要一上午就准备好了,但是如果按照实践来讲,那么老师需要一周的时间来准备...
这方面我是深有体会的,最初接软件工程课的时候,觉得很轻松,后来发现如果想教会学生的话,那不是一般的费劲,前两个学期都在教软件工程,其中付出了很多的心血和汗水,为了准备学生的教学案例,周末基本上没有休息过...
即将到来的下学期,仍然教软件工程,主要是软件工程实践,因为之前教过他们,他们的水平已经有很大的提高,所以对自己也是一个挑战,以前设计的教学案例不能再用,所以这个暑假基本上花了1个月的时间重新设计、开发了一个新的案例...分析、设计都完成了,后台数据访问层、逻辑处理层都写好了,前段功能实现了一部分...前几天还为没有完成而着急呢,不过最近看了您写的文字以后,我心里轻松了很多,有了新的想法:我没有必要把整个案例全部写完,我可以和学生们一起分析、一起开发,让学生也体验整个的过程...这样学生学习的效果可能会更好。不是老师准备好了再去讲,而是和学生们一起学习...
以上是自己的一些想法
以后还要多多向您学习啊:)
基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
评论 4
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