[2017.06.08] 给自己定下个目标把

需要拼搏,感觉自己是那种属于很懒散的性格的人。

在这个社会还是不能安于现状。

现在给自己定下个目标,在期末之前尽力去做去完成这几个目标。

由于目标是考研,所以在这个月之内,

英语要背单词,看句子,做阅读。

数学要开始看线代,做习题。

还要带上计算机互联网这个专业的学习,最近加紧时间看完SpringMVC和Spring。还学要复习JavaWeb,Oracle,算法设计,人工智能。

有志者事竟成破釜沉舟,百二秦关终属楚。苦心人天不负卧薪尝胆,三千越甲可吞吴。

时间: 2025-01-04 06:40:18

[2017.06.08] 给自己定下个目标把的相关文章

JavaScript基础系列目录(2014.06.01~2014.06.08)

下列文章,转载请亲注明链接出处,谢谢! 链接地址: http://www.cnblogs.com/ttcc/tag/JavaScript%20%E5%9F%BA%E7%A1%80%E7%9F%A5%E8%AF%86%20%E6%80%BB%E7%BB%93/ 1. Javascript基础---语法(待完成) 2. JavaScript基础---数据类型(待完成) 3. JavaScript基础---Array数组(待完成) 4. JavaScript基础---正则表达式(待完成) 5. Jav

2017.06.29数据挖掘基础概念第二.三章

第二章21.研究的属性类型标称属性:值是一些符号或事物的名称,代表某种类型.编码或状态二元属性:是一种标称属性,只有两个类别或状态,又称布尔属性序数属性:是一种属性,其可能的值之间具有有意义的序或秩评定,但是相续值之间的差是未知的数值属性:是定量的,即他是可度量的量,可用整数或实数值表示(区间和比率标度)22.数据散布常见的度量量(数据如何分散的方法/识别离群点)极差 四分位数.四分位数极差.五数概括图.方差和标准差23.审视数据的图形条形.饼图.线图.分位数图.分位数-分位数图.直方图和散点图

2017.06.29 数据挖掘概念知识第一章

第一章1.数据仓库技术:1.数据清理 2.数据集成 3.联机分析处理2.数据挖掘(知识发现)过程P5详见图 1.数据清理 2.数据集成 3.数据选择 4.数据变换 5.数据挖掘 6.模式评估 7.知识表示3.大数据的特点: 1.量大 2.种类多 3.处理速度快 4价值密度低 5.复杂性4.类与概念描述方法过程: 1.数据特征化 2.数据区分 3.数据特征化和区分5.分类如何提供导出的模型: 导出的模型可以多种形式表示:分类规则.决策树.数学公式或神经网络6.一个模型是有趣的: 1.易于被人理解

2017/05/08学习笔记

我们将处理器的指令集架构和处理器的微体系结构区分开来:指令集架构描述的是每条机器代码效果,而微体系结构描述的是处理器实际上是如何实现的. 运行程序 当我们在键盘上输入字符串./hello后,shell程序将字符逐一读入寄存器,再把它放到内存中.利用直接存储器存取技术,数据可以不通过处理器而直接从磁盘到达内存. 一旦目标文件hello中的代码和数据被加载到主存,处理器就开始执行hello程序的main程序中的机器语言指令.这些指令将"hello,world\n"字符串中的字节从主存复制到

2017/11/08 胡策 T3

一个长为 n 的链,点权分别为 1 ~ n,最左边的点权为 n,最右边的点权为 1,每个点分别向左边和右边第一个比它大的点连长为 1 的无向边,问任意两点的最短路径.1 <= n <= 100000. 考虑连边的性质,两点的最短路径一定是点权递增或先增后减,所以相当于由点权小的向点权大的连有向边,每次询问时两点同时往上跳,跳到同一个点终止.设向左连的边构成左树,向右连的构成右树,则两点可能的终点只有三个:左树 lca.右树 lca.左树和右树到根路径的交点(即两点所夹区间最大值的位置). 考虑

Work 2(演讲类) (2017.06.29)

2017.06.29数据挖掘基础概念第十,十一章

第十章63.什么是聚类分析 一个把数据对象划分成子集的过程.每一个子集市一个簇,使得簇中的对象彼此相似,但与其他簇中的对象不相似.由聚类分析产生的簇的集合称做一个聚类.64.数据挖掘对聚类的要求 1.可伸缩性 2.处理不同属性类型的能力 3.发现任意形状的簇 4.对于确定输入参数的领域知识的要求 5.出来噪声数据的能力 6.增量聚类和对输入次序不敏感 7.聚类高维数据的能力 8.基于约束的聚类 9.可解释性和可用性 10.划分准则 11.簇的分离性 12.相似性度量 13.聚类空间65.基本聚类

2017.06.29数据挖掘基础概念第六,八,九章

第六章51.关联规则的挖掘的两个过程1.找出所有的频繁项集2.由频繁项集产生强关联规则52.频繁项集挖掘方法 1.Apriori算法 2.挖掘频繁项集的模式增长方法 3.使用垂直数据格式挖掘频繁项集53.提高Apriori算法的效率 1.基于散列的技术 2.事务压缩 3.划分 4.抽样 5.动态项集计数 第八章54.如何进行分类 数据的分类是一个两阶段过程,包括学习阶段和分类阶段. 在第一阶段,建立描述预先定义的数据类或概念集的分类器 在第二阶段,使用模型进行分类,首先评估分类器的预测准确率55

2017.06.29数据挖掘基础概念第四章

第四章39.为什么在进行联机分析处理(OLAP)时,我们需要一个独立的数据仓库,而不是直接在日常操作的数据库上进行 1.提高两个系统的性能 2.操作数据库支持多事务的并发处理,需要并发控制和恢复机制,确保一致性和事务的鲁棒性 3.两者有着不同的数据的结构.内容和用法40.什么是数据仓库 数据仓库是一种数据库,它与单位的操作数据库分别维护,数据仓库系统允许将各种应用系统集成在一起,为统一的历史数据分析提供坚实的平台,对信息处理提供支持,是一个面向主题的.集成的.时变得.非易失的数据集合,支持管理者