阶段性学习心得

2024-02-13 14:48
文章标签 阶段性 学习心得

本文主要是介绍阶段性学习心得,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文是在2016年C++编程学习结束之后所作。

首先,在这里我衷心的感谢贺利坚老师,他真的特别特别用心的为我们这群IT菜鸟铺平起飞的跑道。但是也要说一声对不起,因为这个学期我辜负了老师,也对不起自己。因为在大学之前一直是一种被动型学习,没有养成主动学习的好习惯,所以贺老师的这种翻转课堂让我感到挺不适应的。我感觉自己本学期的学习任务没有达标,甚至说,非常糟糕。但是在最后几个星期,我逐渐的调整了自己的心态和学习方法,虽然适应时间有点长,但得益于贺老师精湛的讲课技巧,我的C++知识也补上来很多。加上我个人也是一直非常懒散,贺老师留的上机作业(发表博文)完成的比较差劲,也被贺老师留下参加最后的书面考试。最后的考试中我也能看出老师并不是以让我们挂科为目的,或者说老师根本不想让我们挂科。他确实是想让我们真正地学到一些像样的、实用的知识,所以也经常在课堂上适当拓展下。在本学期的贺老师课下翻转课堂和课上幽默教学中,我逐渐的体会到了C++编程的关键,不敢说自己掌握了精髓,但是应对一些比较平常的问题应该也是没问题的。

大一的上半学期中我学习了C语言,所以刚开始接触C++的时候也是一个劲的往C语言上靠拢,更有甚者有些地方搞不懂依旧用C语言的表达方式。比如在输出一个浮点型小叔的时候,不知道怎么用C++输出精度,直接加的C语言头文件stdio.h然后用格式化输出来做的;到后面学类,我也是一个劲的往结构体靠拢(虽然后来才知道结构体和类确实差别不大)。由C到C++,由面相对象到面向过程编程,这半年我 的收获还是不少的。

当然,问题也是并存的。在后面的几节课程里面的知识掌握的不是特别好。比如说STL、文件操作等等,尤其是文件操作,我感觉很这个知识应该是非常实用的一类知识,但是我并没有了解它,更别说精通。还有一些比较细节的问题依旧让我头痛,比如在什么时候要用const,怎样写一个类的构造函数才合理,假如给我一些判断题问我哪个构造函数合理,大概我也解决不了它们吧。一开始的时候也是经常在课堂上瞌睡,到最后慢慢的能克制自己了,因为老师的确讲解的特别精彩特别深入,所以真的不想错过任何事情。

总而言之,2016年的大一生活让我感触很多,学到很多。作为一个程序“猿”,对自己的专业课也有了一个比较系统的认识,也知道了自己以后要走的路还很长。总之加油吧!

这篇关于阶段性学习心得的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/705812

相关文章

Java EE学习心得

–Java EE学习心得     1.    称为编程专家的秘诀是: 思考-----编程--------思考------编程…….. 编程不能一步到位,不能一上来就编,必须先思考如何写,怎样写?然后再编程,完事后,再思考  我编的程序还有那些不好的地方和要改进的地方,可以增加写什么功能等等;然后再去编程; 2. 先搭建整体框架再抠细节,在编程中不管是什么要先做出来,再去问怎么做!即是:先K

24.9.1学习心得

VGG(Visual Geometry Group)网络是由牛津大学视觉几何小组提出的一种卷积神经网络模型,该模型因其在ImageNet大规模视觉识别挑战赛(ILSVRC 2014)中的优异表现而闻名。VGG模型的特点在于其架构的简单性和一致性,以及对参数数量的大量使用,这使得它成为了深度学习领域中一个非常受欢迎的基础模型。 VGG架构的主要特点包括: 堆叠的3x3卷积层:VGG网络使用了多

城市管理违规行为智能识别 Task3学习心得

本次学习主要针对数据集增强和模型预测 1、数据增强: 1)将四张训练图像组合成一张,增加物体尺度和位置的多样性。 2)复制一个图像的随机区域并粘贴到另一个图像上,生成新的训练样本 3)图像的随机旋转、缩放、平移和剪切,增加对几何变换的鲁棒性 4)通过线性组合两张图像及其标签创造合成图像,增加特征空间的泛化 5)一个支持多种增强技术的图像增强库,提供灵活的增强管道定义 6)对图像的色相

Datawhale X 李宏毅苹果书 AI夏令营_深度学习基础学习心得Task2.2

本次学习分类问题 1、分类与回归: 回归一般输出一个值y_hat 期望与y越接近越好。分类一般有几类就输出几个值,是一个one-hot的向量,在类别对应的位置值为1 本文介绍了一种重复输出数值后加权的方法,但是我做分类一般用全连接层直接输出多个值,然后使用argmax函数 2、softmax: 公式: 其实主要是一个归一化的作用,并且输出所有值的和为1,这样就类似于每一个类别的概率;并

【60天备战2024年11月软考高级系统架构设计师——第0天:详细规划与学习心得】

开篇 2024年11月的软考高级系统架构设计师考试即将到来,留给我们的时间不多了。在这60天的时间里,我决定全力以赴,通过系统的学习和高效的复习,争取在考试中取得理想的成绩(必拿下)。这篇博客将分享我为备考制定的详细学习计划,以及如何在紧张的时间里高效学习。 第一部分:备考规划概述 要在两个月内通过高级系统架构设计师考试,合理的学习计划是关键。我将整个备考过程划分为四个阶段:基础知识复习、重

Datawhale X 李宏毅苹果书 AI夏令营_深度学习基础学习心得Task2

本次学习主要针对自适应学习率;介绍了Adagrad,RMSprop和Adam优化器 1、为什么需要自适应学习率: 训练一个网络,在走到临界点的时候损失不再下降,而梯度并没有变得很小。相当于下坡路在两步之间,而步子迈大了,直接把下坡路跳过了,又走到上坡路上了。在这时候就需要把学习率(步幅)调低一点让梯度继续下降。 但是常规的 学习率下降方法是不够用的,我们希望在梯度大的时候走慢点,在梯度小的时

24.8.26学习心得

验证数据集(Validation Set)和测试数据集(Test Set)在机器学习和深度学习中都是非常重要的概念。它们各自有不同的用途和目的。下面详细解释两者之间的区别: 1. 验证数据集(Validation Set) 目的: 超参数调整:验证数据集主要用于调整模型的超参数,如学习率、正则化系数、网络层数等。模型选择:用于选择最佳模型。例如,在交叉验证中,通过在验证数据集上的表现来选择性

Datawhale X 李宏毅苹果书 AI夏令营_深度学习基础学习心得

本次学习了深度学习中的局部最小值 1、书上说有时候模型一开始就训练不起来,不管怎么更新参数损失都不下降。我之前遇到过这种情况,大概是做一个数据很不平衡的二分类,正负样本比例大概为9:1,模型倾向于全部预测为正样本,没有办法学习负样本。 2、3.1.1介绍了一下鞍点,鞍点的各个方向的梯度是等于零的,而我们的模型反向传播又是基于梯度的,所以到了鞍点就没有办法再让损失下降了,但是其实鞍点和局部最优又

实习阶段性总结

时间里程碑 事件 2017年6月1日前 收到链家网大数据部Java研发工程师实习面试邀请 2017年6月23日 以实习生身份正式到岗实习 2017年7月 熟悉链家网内部开发规范,开发环境 2017年8月 熟悉负责的内部业务系统(B端) 2017年9月 参与开发各类功能,有难有易,多善于总结,重点在于设计,

PSO算法学习心得

一 算法基本思想    粒子群优化算法属于群智能(swarm intelligence)优化算法。群智能分两种,一种是粒群优化,一种是蚁群优化。        群智能概念:假设你和你的朋友们(individual)去寻宝(objective),每个人都有一个探测器(function)可以知道宝藏到探测器的距离。在找的过程中,每个人都可以把信息共享出去,每个人都能看到现在谁离宝藏最近。这样,你看