2013年全年总结

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

2013年的年初设立了一个目标,年末了把各项目标的完成情况总结一下,准备制订2014计划继续前行。

image

一、访问学者英语培训

这件事情是从4月份突然冒出来的,一学就是近5个月(4月10到8月31日),由于在年度计划时根本没有预料到,所以对其它项目造成了很大的影响。

院里给了一个机会参加了2013中石化英语分级测试。由于用Supermemo背了6年的单词,并在51talk上匆匆恶补了20节口语课,结果取得了参加英语集训的资格。

在近5个月的时间内,仿佛又回到了学生时代,每天全是听说读写,为了达到结业考试所要求的2B青年标准(听说70分和读写70分),在这个年龄学习英语还真有点吃力。除了阅读与跑步之外,其它时间基本上都是学习英语了。这是结业时写的中石化访问学者英语培训班总结

知道考试成绩后,把以前荒废的linkedin页面完善了一下,作为联系国外导师的一张名片。

二、工作与金钱

1、勘探决策支持系统推广

在油田里有一个软件研发团队是多么的不容易,勘探决策支持系统走过了10个年头,软件框架和功能都发生了巨大变化,我自己简单总结了勘探决策支持系统所用到的一些技术点。突然发现团队用GeoToolkit.NET开发了多年的底图、剖面、井身等模块,做了太长时间已经没有什么感觉了,但如果没有基础的人想短期内实现一个专业的剖面或井筒程序,还是相当有难度的。

今年系统在西南做到了三期,又推广到了西北油田和吉林油田,团队几个成员真是一会忙东,一会忙西,各单位的数据情况与我们都不一样,在数据方面什么情况都会发生,所以推广一个与数据密切相关的勘探软件,定制化的工作量真是不小。好在团队的成员们都成长起来了,我的任务也轻松了许多,只是12月份到2个地方各忙活了1周多,挑战了底图、剖面中几个编程任务,捡回来了一些以前编程的感觉。

2、科研立项

最近大数据火得不行,看了2本大数据的书,听了2小时的Hadoop,看了一些参考资料,就写了一份勘探决策大数据立项材料,分为大数据存储、大数据分析和大数据可视化三个部分,可惜大数据在能源行业应用前景不明,所以该立项也是希望渺茫。

刚忙完了大数据,又被抓着编写智能勘探立项材料,在勘探工作上达到智能化,感觉写得内容越来越脱离了实际,越来越摸不着头脑。现在的科研立项都是怎么了?

3、勘探数字工作室

在这个项目里主要起草了一份数字工作室的协同环境设计方案。

clip_image002

4、LDM统一存储

勘探决策中为了性能需求目前要存3份SEGY,另外还要存一份LDM(Large Data Management)用于三维可视化,把数据体统一用LDM存储是多年的心愿。9月多开始研究LDM,通过制造一个特殊的SEGY文件,转换成LDM后一点一点地查找各地震道的存储位置,慢慢地弄明白了LDM的内部八叉树存储机制,整理出了一份LDM的格式说明,下一步只剩一些工作量方面的任务,用于从LDM抽测线和各功能改造了。

image

5、Eclipse解析

把以前的Eclipse油藏数值模拟模型解析程序ecl2txt升级了,可以读取GRID格式的文件了,并把解析过程写了一篇论文,投到《计算机应用研究》的2013年12月的增刊上。在EclipseModel类中加了一个GetSliceK(int k)的方法,可以直接取出一层的模型数据。集成了SW的三维代码,初步直接打开EGRID文件显示在OIV的三维窗口了。

image

6、iOS立项

给院里报了一个勘探移动服务平台的材料,没有任何反馈,据说总部在移动系统的开发方面有统一安排,不过今年也没有时间和精力弄这个项目了。

 

三、自我管理

1、读书

今年总共读了18本书,读书笔记在这里。

image_thumb[5]

 

2、搞定GTD

2013年1月份的时候画了一张年度梦想图,将主要的目标量化后画在这张图上,后来发现这个梦想图与个人的职责范围是对应的,所以按照《搞定3》的第232页重新梳理了职责范围

看了《拖延心理学》后,写了一篇博文:为什么GTDer不再拖延了?

6月2日,在北京学习期间参加了一个北京的"易GTD"活动,有些失望,一点也没有提到GTD的几个精华:五步流程、六个高度、Next Action、每周回顾等,只是讲了关于如何培养习惯和晨间日记,原来他们的GTD不是Get Things Done的缩写。个人感觉GTD的实践还需要从五步流程慢慢开始,一上来就制定五年规划和目标,然而执行力严重不足,会产生强烈的挫败感,从收集开始GTD实践的第一步会慢慢体会到GTD的强大,这种不断学习、实践、体会、改进的过程本身就是GTD所倡导的。相比较而言,还是上海的GTD演讲俱乐部组织得更加有序,时间和内容控制得都相当出色。

7月7日在北邮旁观了张永锡的GTD幸福行动家活动,晚上吃饭时认识了一些GTD爱好者,还与《小强升职记》的作者周鑫聊得火热。

从2011年开始,GTD已经实践了2周年,写了这篇《GTD两周年的一些体会》。

在访问学者英语培训班上给同学们用英语介绍了GTD。

3、学习Haskell编程语言

完成了《Two Dozen Short Lessons in Haskell》这本书第13章到第24章的习题。

这里是所有各章习题解答的总索引

 

四、家庭

英语培训使我无法脱身,只是在8月时全家一起玩了北京的科技馆、故宫等地方,可惜我没有陪媳妇和孩子去成都。

感觉现在的中考比我以前的高考还压力大,孩子比以前学习更刻苦了,已经进行了四次月考。

经常给父母打个电话问问那边的情况。

IMG_0533

 

五、健康

年初设立的500公里目标虽然只完成了425公里,但重要的还是坚持每周至少锻炼3-4次。在办公室的时候还能坚持跳绳,体重基本上保持在66KG。

image

年底前Fitbit到货,明年计划用Fitbit来记录运动情况。

image

 

六、朋友与同学

回母校参加了本科同学毕业20周年聚会,又比上次聚会大了10岁,时间过得真快啊。

一位好友终于移民加拿大了,去北京机场给他一家送行,祝他在外面发展顺利。

 

七、业余爱好与娱乐

1、象棋引擎

参加英语培训后,此事情受到很大影响。程序改用C#实现,采用17*14=238棋盘表示的新架构,不再使用位棋盘。单元测试比以前方便多了,但确实比C++慢了不少。可以简单支持主要的Ucci协议,并完成了一个对战的测试程序PonderGame。后来发现置换表的算法有问题,对于negamax形式的算法并没有真正了解,于是看了一些资料,仔细调试看各个结点的变化情况,后来又简单地进行了长将检测。毕竟是个爱好,只有明年抽时间摆弄了。第七届全国计算机博弈锦标赛8月14日在哈尔滨工程大学举行,我当然没能去成。

 

2、桥牌

经常用iPhone上的Bridge Baron或电脑上的Bridge Master 2000练练做庄水平,一些笔记都记在博客的这个桥牌笔记专栏里了。

IMG_1357    image

本文转自申龙斌的程序人生博客园博文,原文链接:http://www.cnblogs.com/speeding/p/3483022.html,如需转载请自行联系原作者

http://www.cnblogs.com/speeding/ 

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
弹性计算 运维 安全
重磅发布全总结丨一文看懂阿里云弹性计算年度峰会
技术持续创新、产品部署形态更丰富、服务更智能、生态更开放。
重磅发布全总结丨一文看懂阿里云弹性计算年度峰会
|
云计算 安全 云栖大会
有关阿里云对SaaS行业的思考,看这一篇就够了
无论是做SaaS还是PaaS,最终都是帮助企业解决一个问题:如何通过业务系统的高效构建和修改,去满足企业的不断发展和变化的业务需求。伙伴的领域Know-How,加上阿里云商业和技术侧的加持,这可能是一个帮助企业实现数字化转型,满足业务诉求的有效解决方案。
6054 0
有关阿里云对SaaS行业的思考,看这一篇就够了
一分钟理解负载LoadAverage
希望上面一幅图对大家理解Load Average有帮助,赶快uptime一下,看一下自己系统的负载吧。
1723 0
|
17天前
|
供应链 监控 安全
对话|企业如何构建更完善的容器供应链安全防护体系
阿里云与企业共筑容器供应链安全
171340 13
|
19天前
|
供应链 监控 安全
对话|企业如何构建更完善的容器供应链安全防护体系
随着云计算和DevOps的兴起,容器技术和自动化在软件开发中扮演着愈发重要的角色,但也带来了新的安全挑战。阿里云针对这些挑战,组织了一场关于云上安全的深度访谈,邀请了内部专家穆寰、匡大虎和黄竹刚,深入探讨了容器安全与软件供应链安全的关系,分析了当前的安全隐患及应对策略,并介绍了阿里云提供的安全解决方案,包括容器镜像服务ACR、容器服务ACK、网格服务ASM等,旨在帮助企业构建涵盖整个软件开发生命周期的安全防护体系。通过加强基础设施安全性、技术创新以及倡导协同安全理念,阿里云致力于与客户共同建设更加安全可靠的软件供应链环境。
150296 32
|
27天前
|
弹性计算 人工智能 安全
对话 | ECS如何构筑企业上云的第一道安全防线
随着中小企业加速上云,数据泄露、网络攻击等安全威胁日益严重。阿里云推出深度访谈栏目,汇聚产品技术专家,探讨云上安全问题及应对策略。首期节目聚焦ECS安全性,提出三道防线:数据安全、网络安全和身份认证与权限管理,确保用户在云端的数据主权和业务稳定。此外,阿里云还推出了“ECS 99套餐”,以高性价比提供全面的安全保障,帮助中小企业安全上云。
201965 15
对话 | ECS如何构筑企业上云的第一道安全防线
|
5天前
|
机器学习/深度学习 自然语言处理 PyTorch
深入剖析Transformer架构中的多头注意力机制
多头注意力机制(Multi-Head Attention)是Transformer模型中的核心组件,通过并行运行多个独立的注意力机制,捕捉输入序列中不同子空间的语义关联。每个“头”独立处理Query、Key和Value矩阵,经过缩放点积注意力运算后,所有头的输出被拼接并通过线性层融合,最终生成更全面的表示。多头注意力不仅增强了模型对复杂依赖关系的理解,还在自然语言处理任务如机器翻译和阅读理解中表现出色。通过多头自注意力机制,模型在同一序列内部进行多角度的注意力计算,进一步提升了表达能力和泛化性能。
|
9天前
|
存储 人工智能 安全
对话|无影如何助力企业构建办公安全防护体系
阿里云无影助力企业构建办公安全防护体系
1256 11
|
11天前
|
机器学习/深度学习 自然语言处理 搜索推荐
自注意力机制全解析:从原理到计算细节,一文尽览!
自注意力机制(Self-Attention)最早可追溯至20世纪70年代的神经网络研究,但直到2017年Google Brain团队提出Transformer架构后才广泛应用于深度学习。它通过计算序列内部元素间的相关性,捕捉复杂依赖关系,并支持并行化训练,显著提升了处理长文本和序列数据的能力。相比传统的RNN、LSTM和GRU,自注意力机制在自然语言处理(NLP)、计算机视觉、语音识别及推荐系统等领域展现出卓越性能。其核心步骤包括生成查询(Q)、键(K)和值(V)向量,计算缩放点积注意力得分,应用Softmax归一化,以及加权求和生成输出。自注意力机制提高了模型的表达能力,带来了更精准的服务。
|
10天前
|
人工智能 自然语言处理 程序员
通义灵码2.0全新升级,AI程序员全面开放使用
通义灵码2.0来了,成为全球首个同时上线JetBrains和VSCode的AI 程序员产品!立即下载更新最新插件使用。
1406 25