学习成长分享-以近红外光谱分析学习为例

2024-05-12 15:44

本文主要是介绍学习成长分享-以近红外光谱分析学习为例,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!

        随着国家研究生招生规模的扩大,参与或接触光谱分析方向的研究生日益增多,甚至有部分本科生的毕业设计也包含以近红外光谱分析内容。基于对近红外光谱分析的兴趣,从2018年开始在CSDN博客(陆续更新自己学习的浅显认识,到微信公众号几篇更新内容(光谱学与光谱分析,后期因读博原因没有更新),有很多同学加入了我们的交流群,我本人也学习到了很多知识。回顾目前被问到最多的问题,莫过于:我是新手或新生,应该如何去学习近红外光谱这个方向?今天就以学习过程中的几点感悟分享个人的看法。

一、策略正确-有良好学习氛围

        研究生入学时被分配或者选择一个研究方向时,由于身份或者学习环境的变化可能会感觉迷茫或者稍微有点慌张。在跟老师讨论确定研究方向后,尽量不要自己埋头苦干,不妨先问一下自己组或者学院有没有相同或相似方向的同学,如果有师兄或师姐刚好做这个方向的,可以多请教、多交流。可以先问一下:我们这个方向是做什么的?大概流程是什么?有没有人带一下?初级阶段可以问技术或者方法:具体的流程有哪些?实验仪器装置如何操作?如何建模等等?中级阶段可以讨论分析方法、代码调试、结果呈现等?最后则可以交流论文的成稿写作、出图、分析逻辑等。良好的科研环境对于个人成长至关重要,在个人学习过程中切勿闭门造车,多交流可以极大提高学习效率,无论何时礼貌用语是延续交流的基础,也是成长的基本。当没有人指导或者交流时,那就跟我一样,走入下面的步骤。

二、砥砺前行-自我成长之路

        如果课题组在光谱方向没有积累时,也要对自己保持信心。我当时也是一个人慢慢摸索,成长过程主要分为以下几个阶段:

        (1) 了解基本概念:找一本结合分析对象的书籍,了解光谱分析的基本概念,例如:什么是近红外光谱?比尔-朗伯定律的基本概念,透反射、透射和漫反射的区别是什么?这个阶段以了解基本概念为主,没必要去记所有的概念,有基本框架就行。

        (2) 熟悉分析对象:研究生阶段一般是面向具体任务开展相关工作,可以是具体的对象,例如原油、茶叶、医药等的近红外检测分析,也可以是某一类分析方法的若干个问题,例如近红外光谱分析的基线校正问题、特征选择问题等。对于对象问题,可以了解拟定课题采用近红外光谱分析实现什么目的,可以项目书或者相关论文为参考资料;而对于分析方法的侧面问题,则需要先了解关注问题在整个分析流程中的作用和重要性,此部分需要熟悉近红外分析的框架和现有方法,同时需要翻阅大量相关论文。

        (3) 明确研究问题:在熟悉了近红外光谱机理、分析流程和相关方法后,需要结合自己课题明确研究问题,做哪一部分工作?定性或定量?有没有跟同门重复?如何协调实验和数据问题?这部分是很关键的步骤,也是很熬人的部分,例如所有需要自己想、同门也做一样的课题、借不到仪器、没有数据,想起颇为心酸。

        (4) 查阅相关文献:在确定课题-研究问题后,需要查阅一定数量的文献,从经典到最新的高质量论文有助于我们梳理科学范式、了解分析方法基础、熟悉常见图表展示案例。如果侧重理论方向的同学,这部分工作是基础和关键部分。通过阅读论文,我们需要确定分析流程、分析方法、分析结果展示结果。

        (5) 确定分析方法:针对(3)中确定的问题,结合(4)的文献积累,尝试确定自己的分析方法,也可以基于自己的理解去构建面向特定问题的分析方法。对于硕士阶段,个人的看法是不必太执着于发高水平论文,充分阅读论文,将工作量整理成文稿发表足以毕业。对于博士阶段,目标导向为主,厚积薄发,也不要太拧巴,身体健康第一位。

        (6) 文稿整理发表:以培育要求为基准,以学制期限为基础合理安排时间,多看多想多做,及时总结、讨论、交流,早点整理符合毕业要求的论文。很多人在临毕业前3个月才开始着急,最后有些身心俱疲。

三、学习资料查找

        读研期间,文献资料查阅对于提高工作效率和保持良好心态十分关键。以下是个人认为可取的途径:

        (1) 个人博客或网页,现在越来越多的人乐于在自己的博客或网页分享个人的学习知识,可能有些是付费机制,但是我认为是合理的,尊重别人的劳动成果就是尊重自我。

        (2) 微信公众号,可以多关注领域相关的微信公众号,多看高质量博文,积累相关知识。

        (3) 交流群,现在有很多光谱方向的交流群,包括代码、概念、调试问题、设备、论文写作等等。如果可以的话多问、多交流,也可以跟群里相关领域的同学私下多交流。一个小的建议:多说谢谢,对于对方的解答及时、积极回应,毕竟人家没有任何义务给你提供帮助。

        (4) 合理利用资源,各种论坛、代码网站及某些课题组的网页可能会提供所需的代码、数据和相关资料。

       以上是我浅薄的认知,希望能够给光谱分析方向的初学者一点帮助,也欢迎广大同学加入我们的交流群,共同进步。

这篇关于学习成长分享-以近红外光谱分析学习为例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/983048

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个