专栏一岁了-我为什么投身于普及用中文编程

简介: 在中文编程知乎专栏创立一周年之际, 对自己的相关历程作小结. Summary of my own relevant experience one year after starting "Programming in Chinese" column.

知乎专栏于2017年11月9日开通, 之前只想写些中规中矩的年度小结, 但感觉有些东西不吐不快, 权当人生阶段报告吧.

最早对编程的接触在初中, 同学帮他家里玻璃厂写了个优化切割率的程序, 我看了点源码. 高中时想自学C未果. 00年大学志愿选了听起来和计算机很接近的信息工程专业, 当时属于软硬兼修但偏电子方面. 大一开始学C, 选修了单片机/汇编等等, 之后课程中计算机基础知识(尤其体系/系统方面)比较欠缺. 毕业后在上海工作四年, 跟着不少前辈学习, 对软件工程实践有了点亲身体会. 2008年抱着对AI的憧憬来美国读硕. 英语从小学之前家里开始教, 之前这一路上英语算是相对强项.

硕士期间, 补一些计算机基础课之外, 修了一些AI/自然语言处理/编译器入门相关课程, 在学校的机器人实验室做了点工作. 毕业后留美做了网络开发软件工程师, 业余开始做一些开源项目(浏览器插件). 2014年才在岗位中第一次参与可读性审核, 在国外公司参与不同国家程序员的可读性互评, 才发现母语的优势(如一群华人和东欧人讨论英语选词的时候). 2015年开始一系列中文编程相关尝试, 见前文小结此不赘述.

2015年中有了大女儿, 2016年在出国八年后第一次回国探亲. 2017年中, 二女儿尚未出生, 在国外听闻奶奶去世, 同月在Github创建中文编程讨论组. 之后的绝大多数业余时间都用在相关开发讨论中. 想来算是有生以来最投入的一个业余爱好了. 对于中文编程的广泛社会效益在其他专栏文章已有阐述, 这里说说对我个人的益处.

  1. 保持自己的语文水平. 虽然在家里说中文, 但写作量非常有限. 亏得讨论组和专栏, 这一年多的中文写作量大概比在国外的前九年加起来还多(也许还可以加上工作和大学的八年). 更不用说各个相关项目开发中使用中文命名更考验用词能力.
  2. 锻炼在线社交能力. 在探讨和论战过程中, 对现今的网络环境有了更直接的认识, 作了不少自我修炼.
  3. 希望借此与国内同行多交流, 避免与国内的迅速发展脱节. 一路上结识了不少同道, 期待更多合作者.
  4. 国家越强大, 在国外越安全. 两个女儿, 更不希望看到乱世 (用中文编程可帮助缓解国内人力短缺问题, 降低初创公司的开发成本, 促进自主基础软件开发和传统行业信息化, 加速提高全行业的国际竞争力)
  5. 两边父母尚在, 国家越早富强才更有动力早日全家回国开创事业
  6. 希望用中文编程帮助下一代在英文环境中(如果#5不能短时间成行)学习中文相关知识, 避免只会听不说不写

总之, 虽然困难重重, 但有足够理由坚持下去.

2018-11-01

相关文章
|
消息中间件 监控 数据挖掘
NineData:从Kafka到ClickHouse的数据同步解决方案
NineData 提供了强大的数据转换和映射功能,以解决 Kafka 和 ClickHouse 之间的格式和结构差异,确保数据在同步过程中的一致性和准确性。
708 2
NineData:从Kafka到ClickHouse的数据同步解决方案
|
7月前
|
机器学习/深度学习 计算机视觉
RT-DETR改进策略【注意力机制篇】| GAM全局注意力机制: 保留信息以增强通道与空间的相互作用
RT-DETR改进策略【注意力机制篇】| GAM全局注意力机制: 保留信息以增强通道与空间的相互作用
188 3
RT-DETR改进策略【注意力机制篇】| GAM全局注意力机制: 保留信息以增强通道与空间的相互作用
|
8月前
|
机器学习/深度学习 人工智能 算法
AI在体育分析与预测中的深度应用:变革体育界的智能力量
AI在体育分析与预测中的深度应用:变革体育界的智能力量
774 31
|
9月前
|
人工智能 监控 数据挖掘
工作流管理趋势:智能化、自动化与无限可能
本文深入探讨了工作流管理的定义、重要性、挑战及优化方法,强调其在提升企业效率、优化资源配置、提高透明度和促进协作等方面的作用。文章还介绍了构建高效工作流管理系统的步骤,包括流程梳理、设定KPIs、选择合适工具等,并分享了成功案例和未来趋势。
|
7月前
|
编解码 算法 计算机视觉
YOLOv11改进策略【Head】| 增加针对 大目标 的检测层 (四个检测头)
YOLOv11改进策略【Head】| 增加针对 大目标 的检测层 (四个检测头)
1180 7
|
Web App开发 测试技术 持续交付
自动化测试的利器:Selenium与Python的完美结合
【9月更文挑战第21天】在软件开发的世界里,测试是确保产品质量的关键步骤。随着敏捷开发和持续集成的流行,自动化测试工具变得尤为重要。本文将介绍如何使用Selenium和Python进行高效的自动化测试,不仅提供代码示例,还深入探讨如何设计测试用例、选择正确的测试框架、以及如何整合到CI/CD流程中。无论你是初学者还是有经验的开发者,这篇文章都将为你提供宝贵的见解和实用的技巧。
193 3
|
监控 数据挖掘 数据安全/隐私保护
ERP系统中的销售预测与市场趋势分析解析
【7月更文挑战第25天】 ERP系统中的销售预测与市场趋势分析解析
436 3
|
11月前
|
机器学习/深度学习 人工智能 算法框架/工具
5.Caffe
Caffe是由伯克利人工智能研究所以及社区贡献者们共同开发的一款深度学习框架。它在深度学习领域发挥了巨大的推动作用,并以其优秀的结构、性能和代码质量成为了该领域的标志性工具。Caffe不仅降低了学习和开发的难度,还将深度学习的所有细节透明化。主要应用于视频和图像处理,核心语言为C++,并兼容命令行、Python和MATLAB接口,同时支持CPU和GPU运行,具备出色的通用性和性能。其快速上手和高速运行的特点使得即使是复杂模型和大规模数据也能轻松应对,用户可以利用多种预设层类型来自定义模型。
173 5
|
运维 监控 Java
nacos常见问题之nacos报错caused: service not found如何解决
Nacos是阿里云开源的服务发现和配置管理平台,用于构建动态微服务应用架构;本汇总针对Nacos在实际应用中用户常遇到的问题进行了归纳和解答,旨在帮助开发者和运维人员高效解决使用Nacos时的各类疑难杂症。