Learning by doing

获得了传说着的小黄衫x1,可是没想到就得写一份感想,就得敲上几句话了.

其实呢,我很想说我的感想就是"继续做",三个字,但是显然不能就敲这么两行字,所以还是要具体一些的.我不是乱选或是爸妈帮报的这个专业,是我自己高考前很久就想好的,其实我的想法很简单,在以前的生活中,我就有两件特别想要做的事,一个是摄影,我想环游世界然后把全世界拍遍,我想认知这个世界,顺便表现我看待世界的角度,我觉得拿着一个摄像机全世界跑是一件很棒的事情.但后来我意识到,那个相机应该是十万以上的相机,再加上全世界旅行的花销,这是一件需要不少财力支持的事,所以呢,这件事就被我放到了我生命的中后期去做吧,相信那时,一个更为成熟的我,或是历尽沧桑的老人,想必更能诠释这个世界吧.那剩下的就是第二件了,就是我以前玩单机游戏的时候,通关了总喜欢下个修改器再玩一遍,体验那种无敌的感觉,对比下来真的很爽啊,但有些时候从网上找的修改器总是有些不尽人意啊,不能满足我觉得能够添加乐趣的想法,还有的游戏就直接找不到修改器啊,然后我就想,我以后要自己来做修改器,保证把它弄的又无敌,又好玩.虽然我后来也没去学这方面的东西, 但这种想法就一直都有了.而且网络越来越重要,信息时代的到来,也体现了那一串串的代码的价值,那么,我也顺理成章的选择了这个专业.

Doing

这的确是一门需要动手能力的科目,我也的确没选错专业,因为在大学之前,我在老师讲课的时候大部分时候都在睡觉...但是,练习课啊, 考试啊,我又从来都不会困,就是那种让我听的课上,我总是很容易睡着,但然我自己动手时就很精神了.所以,在学习C语言的过程中,我很投入,我很喜欢自己琢磨的时候.我想,我能得到小黄衫的原因更多是因为我动手更多,大学生活的确很丰富,我们的时间总是不够分配的,我也喜欢把C语言的作业拖到最后一两天来做,是的,我也有很严重的拖延症,但是当我去做的时候,又不一样了,我会一直做一直做,因为之前没去做还好,但是开始做了以后,要是做不完就停下我会很难受,我会一直纠结下去,虽然学习C语言才一个月,但是我们就已经遇到过很多问题了,一开始的不熟悉导致的小错误不断,各种的符号忘打,后来的语句运用不清,一些需要掌握的课外小知识,逻辑思维混乱啊,各种各种,我都纠结过很多次,我遇到出错就自己改,还错还改,没对继续改,我就是一遍一遍的改,然后发现越来越熟练,错的多了,就清楚自己在哪些地方容易出错,然后再去改,就能发现问题快一些,对知识的掌握度更高了一些.还有对一些借助到课外知识的纠结,一样特别难受,如果你特别心细,小细节上的错误可能很少遍数就能找出来,但是当你发现光靠课上讲的并不能完成的时候,就要用到课外的东西了.你需要自己去网上查,请教周围的人,请教学长,请教别人还好,哪里不懂可以一点一点问,但是如果是网上查的就累了,因为你找的不一定是你要的,很难一下就找到你需要的那个知识点,而且找到还不算完,因为它还不算是你自己的知识,你并不知道它应该什么时候用,用在哪里,用它的条件是什么,你也必须一遍一遍试,将它摸清,弄懂,消化,这样它才能变成你的知识.就如同最近的一次作业,很难,而且还用到了课外的知识,然后我就提前了一天来做,我第一天从中午开始做,做到了晚上很晚,我用了十一个小时来纠结同一道题,我一次又一次的尝试,但是很遗憾,我并没有做出来,我第二天又去做,我又花了接近十个小时的功夫,请教了,问了,查了,总算是把它搞定了,剩下的几题虽然也挺难,也纠结了不少时间,但是思维逻辑一直都很通透,就是因为我用了很长时间来搞定第一题,我将上次课讲述的新知识理念完全接收,并且自学到了一些课外知识,还将其消化了,而且我还把它们这些知识都贯通了起来,所以那种纠结的感觉远没有第一题那么强烈,然后在全部完成之后的那种喜悦,的确很令人享受.然后老师也说了,目前我们算是学了大体的框架了,之后便是往里面填东西了,相信以后也要一直一直错然后一直一直改吧.

大家一起加油吧!

本来想写两个小标题的,一个写doing,一个写learning的,但是突然觉得我想强调的做的更多一些,大学本来就是来学习的嘛,所以我认为我们这门课更多的是多做,多敲代码,那么就只写doing这一个小节了,那么相比来说前言就有些多了...不过也不打算改了,毕竟感想就是想写什么写什么了,最后呢,就是大家一起加油吧,我相信一起敲代码会更加的开心和快乐!

...还有最后就是被要求爆照了..话说为什么这个小黄衫是大冬天发啊,还有就是小黄衫就只有一种尺码吗,难道你们不相信胖子的努力吗,或者说老师发给我的时候以为我是一个瘦弱的人...

时间: 2024-10-11 22:11:38

Learning by doing的相关文章

【机器学习实战】Machine Learning in Action 代码 视频 项目案例

MachineLearning 欢迎任何人参与和完善:一个人可以走的很快,但是一群人却可以走的更远 Machine Learning in Action (机器学习实战) | ApacheCN(apache中文网) 视频每周更新:如果你觉得有价值,请帮忙点 Star[后续组织学习活动:sklearn + tensorflow] ApacheCN - 学习机器学习群[629470233] 第一部分 分类 1.) 机器学习基础 2.) k-近邻算法 3.) 决策树 4.) 基于概率论的分类方法:朴素

Neural Networks and Deep Learning学习笔记ch1 - 神经网络

近期開始看一些深度学习的资料.想学习一下深度学习的基础知识.找到了一个比較好的tutorial,Neural Networks and Deep Learning,认真看完了之后觉得收获还是非常多的.从最主要的感知机開始讲起.到后来使用logistic函数作为激活函数的sigmoid neuron,和非常多其它如今深度学习中常使用的trick. 把深度学习的一个发展过程讲得非常清楚,并且还有非常多源代码和实验帮助理解.看完了整个tutorial后打算再又一次梳理一遍,来写点总结.以后再看其它资料

Deep Learning Enables You to Hide Screen when Your Boss is Approaching

https://github.com/Hironsan/BossSensor/ 背景介绍 学生时代,老师站在窗外的阴影挥之不去.大家在玩手机,看漫画,看小说的时候,总是会找同桌帮忙看着班主任有没有来. 一转眼,曾经的翩翩少年毕业了,新的烦恼来了,在你刷知乎,看视频,玩手机的时候,老板来了! 不用担心,不用着急,基于最新的人脸识别+手机推送做出的BossComing.老板站起来的时候,BossComing会通过人脸识别发现老板已经站起来,然后通过手机推送发送通知“BossComing”,并且震动告

Machine Learning In Action 第二章学习笔记: kNN算法

本文主要记录<Machine Learning In Action>中第二章的内容.书中以两个具体实例来介绍kNN(k nearest neighbors),分别是: 约会对象预测 手写数字识别 通过“约会对象”功能,基本能够了解到kNN算法的工作原理.“手写数字识别”与“约会对象预测”使用完全一样的算法代码,仅仅是数据集有变化. 约会对象预测 1 约会对象预测功能需求 主人公“张三”喜欢结交新朋友.“系统A”上面注册了很多类似于“张三”的用户,大家都想结交心朋友.“张三”最开始通过自己筛选的

repost: Deep Reinforcement Learning

From: http://wanghaitao8118.blog.163.com/blog/static/13986977220153811210319/ accessed 2016-03-10 深度强化学习(Deep Reinforcement Learning)的资源 Google的Deep Mind团队2013年在NIPS上发表了一篇牛x闪闪的文章,亮瞎了好多人眼睛,不幸的是我也在其中.前一段时间收集了好多关于这方面的资料,一直躺在收藏夹中,目前正在做一些相关的工作(希望有小伙伴一起交流)

Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.1

3.Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.1 http://blog.csdn.net/sunbow0 Spark MLlib Deep Learning工具箱,是根据现有深度学习教程<UFLDL教程>中的算法,在SparkMLlib中的实现.具体Spark MLlib Deep Learning(深度学习)目录结构: 第一章Neural Net(NN) 1.源码 2.源码解析 3.实例 第二章D

Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.2

3.Spark MLlib Deep Learning Convolution Neural Network(深度学习-卷积神经网络)3.2 http://blog.csdn.net/sunbow0 第三章Convolution Neural Network (卷积神经网络) 2基础及源码解析 2.1 Convolution Neural Network卷积神经网络基础知识 1)基础知识: 自行google,百度,基础方面的非常多,随便看看就可以,只是很多没有把细节说得清楚和明白: 能把细节说清

Spark MLlib Deep Learning Convolution Neural Network (深度学习-卷积神经网络)3.3

3.Spark MLlib Deep Learning Convolution Neural Network(深度学习-卷积神经网络)3.3 http://blog.csdn.net/sunbow0 第三章Convolution Neural Network (卷积神经网络) 3实例 3.1 测试数据 按照上例数据,或者新建图片识别数据. 3.2 CNN实例 //2 测试数据 Logger.getRootLogger.setLevel(Level.WARN) valdata_path="/use

[Machine Learning] 国外程序员整理的机器学习资源大全

本文汇编了一些机器学习领域的框架.库以及软件(按编程语言排序). 1. C++ 1.1 计算机视觉 CCV —基于C语言/提供缓存/核心的机器视觉库,新颖的机器视觉库 OpenCV—它提供C++, C, Python, Java 以及 MATLAB接口,并支持Windows, Linux, Android and Mac OS操作系统. 1.2 机器学习 MLPack DLib ecogg shark 2. Closure Closure Toolbox—Clojure语言库与工具的分类目录 3

New to Machine Learning? Avoid these three mistakes

http://blog.csdn.net/pipisorry/article/details/43973171 James Faghmous提醒机器学习初学者要避免的三方面错误,推荐阅读 New to Machine Learning? Avoid these three mistakes Common pitfalls when learning from data Machine learning (ML) is one of the hottest fields in data scien