个人使用ESC使用体验

简介: 在使用ESC过程中所完成的任务、遇到的困难以及解决的过程,在完成老师布置的任务过程中不断摸索并且不断进步的过程。

大家好,我是广东财经大学2021级物流管理专业的一名学生,在采购管理这门课程中,在张大卡老师的帮助下接触到了服务器云上开发,并且第一次领取到我们小组的云主机。
在领取到云主机之前,老师让我们自己组成了二人小组,这在后来利用云主机完成老师布置的任务起到了极大的帮助。第一次的任务是让我们在云主机创立一个新用户,并且设置权限,让我们两个能够共用这部云主机,在这次任务中第一次接触到了vi编辑器,第一次的接触真的是手忙脚乱,虽然是在跟着教程操作,但还是在输入模式中看着满屏的代码陷入茫然,之后通过老师和小伙伴的帮助下,虽然过程很曲折但是结果还是让我很满意的。接下来第二次就是搭建个人简历并上传至云端。在观看视频课程时我原以为会很简单,但在操作的过程中我却频频出现各种问题,首先遇到的问题就是,在课程中的个人简历模板无法下载,点进去显示我没有权限,原以为是我的网络问题,但多次刷新后还是如此,后来发现小伙伴也是这种情况就马上去找老师寻求帮助,后来老师就直接把文件发到了班群当中,在编写个人简历的时候一开始是打算填写真实的情况,但是我本人的情况实在是没什么好写的,于是写了一个新的人设这个过程我感觉真的很有意思。然后就是上传之云端这一步,在上传文档的时候我总是出错,而且一开始我还把简历的文档给删掉了一个,于是在网上找大量的教程去学,最后也是在小伙伴的帮助下次才上传成功,完成了这个任务。
就我个人而言,我在ECS云服务器的学习过程中,极大的锻炼了我的信息检索能力以及和小伙伴合作解决的问题,因为在学习的过程中接触到了许多新的东西像搭建个人简历,设置新权限都是我从未接触过的,只能在网上看教程去学习怎么操作。刚开始我还很抗拒接触这些偏技术的,在一次次的摸索中慢慢就接受了。希望在此次阿里提供的平台上学习到更多的知识,在后面的学习中再接再厉。
image.png
image.png
image.png
image.png
image.png

相关文章
|
弹性计算 安全 Linux
关于ESC的使用体验
本文章是在我使用并且学习了ESC平台搭建后的感受,使用Linux系统,但是直接的电脑性能装虚拟机不行,需要用到云服务器来部署自己开发的项目进行测试,在老师的讲解以及推荐下,我认识到了阿里云这个平台,又经过朋友的介绍,了解到了“飞天加速计划·高校学生在家实践”活动,我决定先领取两周试用一下。
关于ESC的使用体验
|
弹性计算
ESC使用体验
阿里云ECS服务器使用体验很好,很值得推荐。
|
弹性计算 安全 Linux
esc使用体验心得
在我看来云服务器有以下优点:省力,不需要专门花时间去维护服务器的硬件,看服务器是否运行正常;稳定,这应该是最主要的有点;安全,做web开发最怕的当然是攻击,所以选择大厂的服务器,自然是最香的;省钱,这当然也是很重要的,尤其对于我们学生用户还是很友好的,爆赞!
|
存储 弹性计算 固态存储
Esc使用体验
Esc使用体验
|
机器学习/深度学习 存储 弹性计算
我的esc使用体验
我的esc使用体验
|
弹性计算 安全 Linux
esc使用体验心得esc使用体验心得
在我看来云服务器有以下优点:省力,不需要专门花时间去维护服务器的硬件,看服务器是否运行正常;稳定,这应该是最主要的有点;安全,做web开发最怕的当然是攻击,所以选择大厂的服务器,自然是最香的;省钱,这当然也是很重要的,尤其对于我们学生用户还是很友好的,爆赞!
|
物联网 Linux Apache
我的Esc使用体验
总体上来看,在这个学习过程中,我体验到了服务器的奇妙之处,也学习到了许多实用性强的专业知识,也希望在以后的时间中进一步深入熟悉掌握服务器的使用。
|
17小时前
|
存储 运维 安全
云上金融量化策略回测方案与最佳实践
2024年11月29日,阿里云在上海举办金融量化策略回测Workshop,汇聚多位行业专家,围绕量化投资的最佳实践、数据隐私安全、量化策略回测方案等议题进行深入探讨。活动特别设计了动手实践环节,帮助参会者亲身体验阿里云产品功能,涵盖EHPC量化回测和Argo Workflows量化回测两大主题,旨在提升量化投研效率与安全性。
云上金融量化策略回测方案与最佳实践
|
14天前
|
人工智能 自动驾驶 大数据
预告 | 阿里云邀您参加2024中国生成式AI大会上海站,马上报名
大会以“智能跃进 创造无限”为主题,设置主会场峰会、分会场研讨会及展览区,聚焦大模型、AI Infra等热点议题。阿里云智算集群产品解决方案负责人丛培岩将出席并发表《高性能智算集群设计思考与实践》主题演讲。观众报名现已开放。
|
6天前
|
自然语言处理 数据可视化 API
Qwen系列模型+GraphRAG/LightRAG/Kotaemon从0开始构建中医方剂大模型知识图谱问答
本文详细记录了作者在短时间内尝试构建中医药知识图谱的过程,涵盖了GraphRAG、LightRAG和Kotaemon三种图RAG架构的对比与应用。通过实际操作,作者不仅展示了如何利用这些工具构建知识图谱,还指出了每种工具的优势和局限性。尽管初步构建的知识图谱在数据处理、实体识别和关系抽取等方面存在不足,但为后续的优化和改进提供了宝贵的经验和方向。此外,文章强调了知识图谱构建不仅仅是技术问题,还需要深入整合领域知识和满足用户需求,体现了跨学科合作的重要性。