闭组会议总结

简介: 闭组会议总结

在小组待了有一个月了,在过去的一个月里,自己的空闲时间都投入到了小组的学习当中,学习了html以及css等的前端部分必备基础,以下便是我的一些收获。

活到老,学到老

小组对于一个刚步入大一的我指引了一个清晰明确的方向,我认为加入小组对我产生的最大的变化就是我能够主动的去学习一些新的东西,而不是像高中一样老师每天都在后面督促着我们去学习,时代日新月异,具备不断主动获取新知识的能力是很重要的。

发现问题,解决问题

其次,每当我遇到问题的时候,一开始会去请教学长,后来,学长建议我们要学会自己解决问题,遇到问题就在csdn或者百度上寻找答案。在自己解决问题的过程中,会加深你对知识点的理解或者更改你对某个知识点的认识…

打牢基础

根深之树不入风折,泉深之水不会涸竭。打好基础,不论对于学习什么来说,都是很重要的。我们写的项目,代码在精不在多,很多一些实现效果的东西,都是用的基础知识。

最后的最后

我深知自己现在能力的不足,大学的时光才刚刚开始,希望自己以后也不忘初心,砥砺前行。


相关文章
|
10月前
|
设计模式
「全网最细 + 实战源码案例」设计模式——抽象工厂模式
抽象工厂模式是一种创建型设计模式,提供接口用于创建一系列相关或依赖的对象,无需指定具体类。它解决了产品族问题,管理和创建一组相关产品。结构上包括抽象工厂、具体工厂、抽象产品和具体产品。适用于创建相关对象、产品族固定但种类变化的场景。优点是分离接口与实现、管理产品族方便且扩展性好;缺点是产品族扩展困难且代码复杂度增加。通过配置文件和反射机制可进一步改进,使系统更灵活易扩展。
215 17
|
程序员 C语言 开发者
内存分配
【10月更文挑战第9天】
226 8
|
8月前
|
机器学习/深度学习 人工智能 负载均衡
《人工智能驾驭复杂网络拓扑:网络规模扩张下的管理之道》
在数字化时代,网络规模持续扩大,拓扑结构日益复杂,传统管理方式难以应对。人工智能凭借强大数据处理与决策能力,成为解决这一难题的关键技术。它通过智能拓扑发现、动态路由优化、故障预测诊断及资源智能分配等策略,有效提升网络性能与可靠性。例如,谷歌B4网络和阿里巴巴电商网络成功应用AI技术,实现了高效资源利用与快速故障修复。未来,结合区块链与量子计算等新兴技术,人工智能将推动网络拓扑管理迈向更智能、安全与高效的阶段,助力构建可靠的数字世界。
233 5
|
11月前
|
机器学习/深度学习 人工智能 编译器
【AI系统】AI 芯片的思考
为了应对数据中心算力需求,谷歌自2014年起研发TPU,专为深度学习设计的硬件加速器。TPU加速了谷歌的机器学习任务,尤其在大模型训练和推理方面表现突出。大卫·帕特森教授加入谷歌TPU团队后,分享了TPU发展历程及技术心得,强调了AI模型对内存和算力需求的快速增长、模型结构的快速演变、生产部署中的多租户需求、SRAM与DRAM的权衡、内存优化的重要性、DSA的专业与灵活性、半导体供应链选型、编译器优化及AI应用兼容性等方面的关键挑战与解决方案。
216 2
|
达摩院 算法 Java
选择优化求解器的关键因素:以MindOpt为例
选择一款适合自己业务需求的求解器我们一般需要考量什么呢?可求解的问题类型?问题规模?本文将介绍一些需要考虑的重要因素,并且介绍阿里达摩院MindOpt优化求解器在这些因素下的表现。
|
机器学习/深度学习 自然语言处理 算法
一个中心+三大原则 -- 阿里巴巴小蜜这样做智能对话开发平台
        在阿里巴巴智能服务事业部的X蜂会上,小蜜北京团队的高级算法专家李永彬(水德)分享了小蜜智能对话开发平台的构建,围绕平台来源、设计理念、核心技术、业务落地情况四大维度讲述了一个较为完整的智能任务型对话开发平台的全景。
5388 1
|
前端开发 JavaScript 应用服务中间件
花十分钟将vue3前端项目一步一步自动化部署到linux的docker上
可以理解成镜像是 Docker 生命周期中的构建或者打包阶段,而容器则是启动或者执行阶段。
2707 0
|
机器学习/深度学习 算法 数据挖掘
一文看尽深度学习中的各种数据增强(三)
一文看尽深度学习中的各种数据增强
1164 0
|
人工智能 运维 Cloud Native
阿里巴巴云原生大数据运维平台 SREWorks 正式开源
阿里巴巴云原生大数据运维平台 SREWorks,沉淀了团队近10年经过内部业务锤炼的 SRE 工程实践,今天正式对外开源,秉承“数据化、智能化”运维思想,帮助运维行业更多的从业者采用“数智”思想做好高效运维

热门文章

最新文章