热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

提高编程基本功走不得捷径

【来信】贺老师您好:不好意思,打扰您,我是一名研究生,本科学的是信管专业,编程能力不行,现在读研一,从事数据挖掘方面,在自学C++,可是总感觉抓不住重点,还有就是我们数据挖掘方面的一
【来信】
贺老师您好:
  不好意思,打扰您,我是一名研究生,本科学的是信管专业,编程能力不行,现在读研一,从事数据挖掘方面,在自学C++,可是总感觉抓不住重点,还有就是我们数据挖掘方面的一些聚类经典算法要求我们用C++编写,感觉没有头绪,总是写不出来,不知道老师您有什么好建议?对于C++以及整个课程的学习规划,希望老师您在百忙之中抽空给我分析分析,谢谢。


【回复】
  我猜想是否是在开始学习编程的时候,没有自己编码的经历造成的。无论信息管理,还是软件工程,编程能力确实是基本功。基本功不过关,直接就编那些经典算法,无异于不会走就要跑,跑起来才怪了。起步阶段的学习,我认为走不得捷径,通过代码行数的积累,书上写的、老师讲的,才能成为自己的东西,才能找到感觉,甚至很多成为直觉,不必过大脑,想着该那样做,然后就是那样。
  如果真是这样,尽管你已经是研一了,也还是应该要安排出一些精力,重走锻炼编程基本功的阶段。这是一个见怪不怪的现象,动手能力差却上到了求学的高级阶段,甚至有人不求突破,居然还能毕业了。但这个问题不解决,想在这个圈子里发展,迟早要还的。
  可以找一个系统练习的方案解决C++的基础问题,并且学习方式以实践为主,兼顾编程原理的理解。可以是一个习题集,也可以参考我的教学实践内容(见 我的课程链接的C++部分的实践内容)。学习方式不必像大一学生那样,有些一看就会的,可以不必花太多时间。另外,可以看上一两本关于C++的经典著作(不列了,很容易查到),注意学习范型编程等新标准中定义的内容,这会提高你编码的效率和质量。

  用一段时间踏踏实实的补课,换来长期稳稳当当的基础。 


【回复的回复】
  没想到老师您会给我回信,谢谢您的分析和建议,我也觉得是自己动手的太少了,而且还有就是好不容易动手了,却怎么也编不出来,那样的挫败感真的好强,就会觉得自己不是学编程的料。接下来的时间我得好好打好基础,多动手,希望能和老师多交流。嘿嘿,再次谢谢老师您~


【回复的回复的回复】
  现在能力弱,遇到的还是个硬对手,你怎能撸袖子就上呢,这不是自找别扭吗?退一步,迂回一下,把绕不开的阶段突破了,再直面硬对手。并非你不是这块料,“好不容易动手”暴露出了你不主动出击,而且你安排学习的路线不合理,初时没有积累好,现在又企图直接针对任务。学习路线的安排,要让自己常能体会到成就感,研究生阶段了,更需要自己安排,这种成就感一定要自己安排出来。提醒一下,好好打基础,和学数据挖掘的理论同步,打基础的阶段要快过(你处的阶段使然),最好能在期末赶上实践数据挖掘算法。



  


推荐阅读
  • 在机器学习领域,深入探讨了概率论与数理统计的基础知识,特别是这些理论在数据挖掘中的应用。文章重点分析了偏差(Bias)与方差(Variance)之间的平衡问题,强调了方差反映了不同训练模型之间的差异,例如在K折交叉验证中,不同模型之间的性能差异显著。此外,还讨论了如何通过优化模型选择和参数调整来有效控制这一平衡,以提高模型的泛化能力。 ... [详细]
  • 业务团队与独立团队在数据分析领域的效能对比:谁更胜一筹?
    业务团队与独立团队在数据分析领域的效能对比:谁更胜一筹? ... [详细]
  • Python与R语言在功能和应用场景上各有优势。尽管R语言在统计分析和数据可视化方面具有更强的专业性,但Python作为一种通用编程语言,适用于更广泛的领域,包括Web开发、自动化脚本和机器学习等。对于初学者而言,Python的学习曲线更为平缓,上手更加容易。此外,Python拥有庞大的社区支持和丰富的第三方库,使其在实际应用中更具灵活性和扩展性。 ... [详细]
  • 成为一名高效的Java架构师不仅需要掌握高级Java编程技巧,还需深入理解JVM的工作原理及其优化方法。此外,对池技术(包括对象池、连接池和线程池)的应用、多线程处理、集合对象的内部机制、以及常用的数据结构和算法的精通也是必不可少的。同时,熟悉Linux操作系统、TCP/IP协议栈、HTTP协议等基础知识,对于构建高效稳定的系统同样重要。 ... [详细]
  • 专注于模式识别与机器学习的研究生,对于该领域内的就业方向及具体职位要求有着浓厚的兴趣。本文将探讨智能图像/视频处理工程师的岗位要求,并为相关专业的学生提供学习建议。 ... [详细]
  • 解决Xcode PBXcp 错误:找不到文件或目录
    当在Xcode中遇到PBXcp错误提示'No such file or directory'时,通常是由于文件引用问题导致的。本文将介绍两种有效的方法来解决这一常见问题。 ... [详细]
  • 计算机视觉初学者指南:如何顺利入门
    本文旨在为计算机视觉领域的初学者提供一套全面的入门指南,涵盖基础知识、技术工具、学习资源等方面,帮助读者快速掌握计算机视觉的核心概念和技术。 ... [详细]
  • [编程题] LeetCode上的Dynamic Programming(动态规划)类型的题目
    继上次把backTracking的题目做了一下之后:backTracking,我把LeetCode的动态规划的题目又做了一下,还有几道比较难的Medium的题和Hard的题没做出来,后面会继续 ... [详细]
  • 从0到1搭建大数据平台
    从0到1搭建大数据平台 ... [详细]
  • Python 3 Scrapy 框架执行流程详解
    本文详细介绍了如何在 Python 3 环境下安装和使用 Scrapy 框架,包括常用命令和执行流程。Scrapy 是一个强大的 Web 抓取框架,适用于数据挖掘、监控和自动化测试等多种场景。 ... [详细]
  • K-均值聚类算法是一种经典的划分方法,广泛应用于数据挖掘和机器学习领域。该算法通过将数据集划分为多个互斥的簇,确保每个对象仅归属于一个簇。然而,这种严格的归属要求忽略了潜在的离群点和数据的复杂性,限制了其在某些场景下的适用性。为了提高算法的鲁棒性和灵活性,研究者们提出了多种改进方法,如引入模糊隶属度和基于密度的聚类技术。这些改进不仅提升了算法的性能,还扩展了其在实际问题中的应用范围。 ... [详细]
  • 如何高效启动大数据应用之旅?
    在前一篇文章中,我探讨了大数据的定义及其与数据挖掘的区别。本文将重点介绍如何高效启动大数据应用项目,涵盖关键步骤和最佳实践,帮助读者快速踏上大数据之旅。 ... [详细]
  • PHP开发人员薪资水平分析:工程师平均工资概况
    PHP开发人员薪资水平分析:工程师平均工资概况 ... [详细]
  • 探索聚类分析中的K-Means与DBSCAN算法及其应用
    聚类分析是一种用于解决样本或特征分类问题的统计分析方法,也是数据挖掘领域的重要算法之一。本文主要探讨了K-Means和DBSCAN两种聚类算法的原理及其应用场景。K-Means算法通过迭代优化簇中心来实现数据点的划分,适用于球形分布的数据集;而DBSCAN算法则基于密度进行聚类,能够有效识别任意形状的簇,并且对噪声数据具有较好的鲁棒性。通过对这两种算法的对比分析,本文旨在为实际应用中选择合适的聚类方法提供参考。 ... [详细]
  • 探讨 jBPM 数据库表结构设计的精要与实践
    探讨 jBPM 数据库表结构设计的精要与实践 ... [详细]
author-avatar
mobiledu2502902537
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有