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

计算机二级不看教材只刷题可以吗,征文推荐:不看教材,只靠真题和信管网一次通过信息系统项目管理师...

以下内容转自信管网征文文章:巧用信管资源一次通过高项,作者:,未经许可严禁转载。征文推荐:不看教材࿰

以下内容转自信管网征文文章:巧用信管资源 一次通过高项,作者:,未经许可严禁转载。

征文推荐:不看教材,只靠真题和信管网一次通过信息系统项目管理师

信管网是一个不错的学习网站,没有信管网,我可能不会一次通过信息系统项目管理师的考试。因为这次考试第一复习的时间不长;第二我是在拉萨报考的,虽然5月底的拉萨并不寒冷,但依然低压缺氧,考前一晚基本没怎么睡着;第三我没看过教材,没参加过,之前从未接触过相关考试。

今年三月份之前,我对所谓的‘软考’还没有什么概念,虽然新来的同事们经常提起,但对我来说似乎没什么用。这次考试是今年政策有变,临时知道有用才开始准备的,可以说十分仓促。考试之前同事给了我一个qq,让我交钱报班学习,但由于我暂时在西藏这边工作,作息时间和内地不同,所以我想要自己安排时间复习。说是复习,其实我根本没有接触过软考,没看过教材,连软考报名的网站都找不到。

报名的时候我选择了信息系统项目管理师,我觉得这个科目对我的工作有点帮助,我在单位的信息部门工作,平时也接触一些项目,也是打算考以致用吧。真正开始找资料复习是在4月的中下旬----因为林芝的桃花节,报名以后和小伙伴儿们去了趟林芝-墨脱-纳木错看美景,正是“竹外桃花三两枝,春江水暖鸭先知”,乐而忘返,时光荏苒。赏景回来以后才发现时间所剩无几,该收心备考了。在一头雾水的时候发现了信管网,仿如一颗明珠照耀眼前,驱散浓雾,让我看清备考之路。

信管网是有旧版的教材下载的,和新教材内容差的不多,好像是几百上千页,我算了一下,到考试前,平均每天至少要看20页左右,我是没有那个耐心的,所以就放弃了课本。直接找来信管网的真题练习。这个科目的考试内容是非常繁杂的,涉及面很广:有概念、有时事、有计算、有分析。解题的方式就更多了:直接计算、背诵、排除法、对比法、验算法。。。。而且最后5道题还是专业英语题。其实也就是把前面的一些概念题翻译成了英语来考,英语不好的我也只能遇到英语题就把每个单词背下来,事实证明,这个方法很好用,最后的英语题,如果我没记错的话是全对的。

我大概是花了三分之二的时间去应付上午考试的复习,做题时有些题是没有标准答案的,网友的答案也五花八门,你要学会从中找到正确的学习,然后把知识点拿小本本记录下来,便于经常复习。九大过程的输入输出是很重要的,要经常背诵,背会了以后足以应付一部分选择题和两道案例题。我分析了历年的案例题,发现通常只有一道计算题,这道题要么是挣值计算,要么是工期问题,基本背会了公式再有一点逻辑思维能力是不会丢太多分的,而其余两道文字分析题,都会和九大过程的输入输出有关:要么是输入过程不对,要么是中间工具和方法错误,要么就是输出做的不好。所以背会了九大过程的输入输出,遇到案例题往上面靠就可以了。考友们不要去背案例分析题的答案,不是说信管网给的不对,而是根本没有标准答案,大家要注意信管网的答题方式,答题点,去学怎么答题,这样基本每道题都可以拿到合格的分数,再加上计算题背点分,案例分析考试是比较容易过的。

论文其实也很简单,很多网友都说了就是八股文。难点在于你不知道会考什么,怎么办呢?我是稍微用了一点专业知识,因为我是学数据挖掘的,我利用信管网每年考试的资料,做了一张《信息系统项目管理师历年论文考题统计分析表》,计算出今年上半年出题概率最高的是风险、进度、人力、质量四个内容,这和信管网论文可能性的投票结果也是吻合的,所以就其余不看,专攻这四个重点内容,大不了准备错了下次再考呗。这里提醒大家,信管网有很多考友的论文,写的都很好,但是恐怕被很多人用过了,最好还是自己准备自己的内容,别让阅卷老师看了有似曾相识的感觉。说起来考论文时还有一点小插曲,我拿到试卷以后发现准备对了题目,一时高兴,最后竟然忘记了填涂论文题目选项,好在最后给了成绩,不然白忙了。

对于考友们来说,信管网是一个知识的宝库,用得好可以事半功倍;信管网也是一个交流的平台,在这里可以和考友们谈心互动,彼此提携;新管网还是一个提升自己能力的地方,从实践到理论,再从理论到实践,信管网让考友们升华了知识,增强了信心。九层之台,起于累土;千里之行,始于足下,不管别人的经验如何丰富,材料如何充足,还要靠自己一点一点的好好复习,牢牢记住才行,考试不难,难在坚持,古语说,行百里者半九十,坚持吧,总会有收获。



推荐阅读
  • 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]
  • AI TIME联合2021世界人工智能大会,共探图神经网络与认知智能前沿话题
    AI TIME携手2021世界人工智能大会,共同探讨图神经网络与认知智能的最新进展。自2018年在上海首次举办以来,WAIC已成为全球AI领域的年度盛会,吸引了众多专家学者和行业领袖参与。本次大会将聚焦图神经网络在复杂系统建模、知识图谱构建及认知智能应用等方面的技术突破和未来趋势。 ... [详细]
  • 吴裕雄数据挖掘实战案例(13):GBDT模型的深入应用与解析
    #导入第三方包importpandasaspdimportmatplotlib.pyplotasplt#读入数据defaultpd.read_excel(r&# ... [详细]
  • 第五章5.4安全设备防火墙防火墙是网络关联的重要设备,用于控制网络之间的语言。外部网络用户的访问必须先经过安全策略过滤,而内部网络用户对外部网络的访 ... [详细]
  • 数据分析的4个目的3个意义,新手小白一定要看!-​如今,很多公司在招聘的时候都不约而同地对应聘者加上了一条“具备数据分析能力”的要求,这也从侧面反映了现在很多公司对数据分析非常重视 ... [详细]
  • 第三届人工智能、网络与信息技术国际学术会议(AINIT 2022)
    20223rdInternationalSeminaronArtificialIntelligence,NetworkingandInformationTechnology第三届 ... [详细]
  • 我在滴滴数据分析岗实习8个月的收获(文末附内推机会)
    我在滴滴数据分析岗实习8个月的收获(文末附内推机会)作者:海潮来源:数据管道大家好,我是宝器!今天分享一下交流群里海潮兄弟的「数据分析岗」求职与工作经验,以下是海潮兄弟的自诉,全文 ... [详细]
  • 原文:http:blog.csdn.netdamotianshengarticledetails406284171.Knn算法介绍:百度百科:http:baike.b ... [详细]
  • 联邦学习: 联邦场景下的时空数据挖掘
    不论你望得多远,仍然有无限的空间在外边,不论你数多久,仍然有无限的时间数不清。——惠特曼《自己之歌》1.导引时空数据挖掘做为智慧城市的重要组成部分,和我们的日常生活息息相关。如我 ... [详细]
  • 多喜爱家纺股份有限公司是一家专注于家用纺织品的企业,主要业务涵盖套件类(如枕套、被套、床单、床笠等)和芯类(如枕芯、被芯)产品的研发设计、外包生产和品牌推广。通过引入Power BI,公司显著提升了数据分析能力,优化了决策流程,实现了更精准的市场洞察和运营效率。 ... [详细]
  • 在构建品牌网站时,需遵循一系列关键原则与策略。对于缺乏经验的人来说,这往往是一个挑战。本文深入分析了常见问题及其成因,并提供了切实可行的解决方案,旨在帮助读者有效应对品牌网站建设中的难题。 ... [详细]
  • 在现代办公环境中,高效的办公软件是提升工作效能的关键。本文将推荐几款实用且专业的办公软件,帮助用户提高工作效率。首先,微软Office套件中的Word、Excel和PowerPoint依然是最常用的工具,它们凭借强大的功能和易用性,成为众多用户的首选。此外,本文还将介绍其他一些创新的办公软件,如Google Workspace和Notion,这些工具在协作和项目管理方面表现出色,值得尝试。 ... [详细]
  • 近期,为编制《2018中国人工智能应用与生态研究报告》,中国软件网对国内人工智能产业的应用现状、平台建设和生态系统进行了深入调研。本报告详细分析了当前人工智能企业的发展阶段,并对其未来前景进行了全面评估。研究发现,人工智能技术在多个领域取得了显著进展,但同时也面临诸多挑战,如数据安全、技术成熟度和人才短缺等。报告还探讨了政策支持、行业合作和技术突破对推动人工智能产业发展的关键作用。 ... [详细]
  • 本文通过复旦大学自然语言处理课程中的一个具体案例,详细解析了中文词汇分割技术的实现方法。该案例利用Java编程语言,结合词典和算法模型,展示了如何高效地进行中文文本的词汇分割,为相关研究和应用提供了宝贵的参考。 ... [详细]
  • Matplotlib在数据科学中的可视化应用与技术解析
    Matplotlib和数据可视化 数据的处理、分析和可视化已经成为Python近年来最为重要的应用领域之一,其中数据的可视化指的是将数据呈现为漂亮的统计图表ÿ ... [详细]
author-avatar
兔子是不常吃萝卜的
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