2020回顾,2021学习目标

作者: 叫练

今天初九,也是是上班第一天,本来这篇文章准备过年时候打完的,结果在家玩的太开心了就给忘了,从腊月29回老家到现在一个多星期了,恍如昨日,感叹时光如梭。

过年"吃”

过年"玩”

2020生活


2020是特殊的一年,由于疫情原因被隔离在老家到4月初才到南京上班,上半年做了一个人生最大的一个决定,就是在南京买房,5月份买房到7月份银行下贷款这段时间可谓是心力交瘁,因为不懂,又担心征信上有记录贷款下不来,跑这跑那,和销售博弈,谈价,那段时间心情还是比较烦躁的,在这个过程前和过程中,也一直在某乎和某度上做功课,咨询朋友购房经验,比如户型,朝向,得房率,楼层,位置,交通,学校等等,虽然累,但最后结果还是按自己设想进行。年底已经拿到房子了,算是自己兑现给媳妇的一个承诺,有一个家就不用跟着过颠沛流离的生活了。

image.png 2020年底拿房,因为还没有装修所以8月份开始一到周末有空就去跑装修市场,可以这么说,大大小小的装修公司差不多20家吧,装修不是1-2万块钱,们都会去详细询价问装修材料,用来参考对比,是选的全屋定制柜子,里面有很多套路等着你去跳,他们销售事前也不会告诉你,除非你自己主动问增项,你想你一个新手怎么可能有经验,毕竟隔行如隔山不是瞎说的,比如一块板子就分很多不同种类,板子的价格也不一样,板子外面还能有很多花样,比如要加亮面,玻璃等又是不一样的价格,坑你防不胜防,在这个过程中,也一直不停的在学习,翻资料,最终选定了一家性价比不错的品牌装修公司。当然如果你不在乎钱,你可以直接定最好的。

2020学习


9月份前后自己也在断断续续的学习专业知识,写写demo,做做笔记,但感觉学习效果不高。后来总结了自己的学习习惯,发现存在一定缺陷,就是知识不能形成体系,某些知识点反复的学习还是会忘记,不能串联起来,特别容易让人丧气,最后根据自身实际情况把之前学习方法加以强化,除了实践外,要以书籍为学习导向,做笔记将知识汇总串联,最后要分享,毕竟学习的过程还是很枯燥的。这也是一直坚持无私分享知识的原因。人人为,为人人。

2021展望


2020年12月份正式踏出了分享写文章的第一步,在微信公众号,csdn,博客园等10个平台分享自己的学习方法和技术博文,3个月分享20篇文章,以Java多线程系列为主,现在基本上已经接近尾声了,也收获了各个平台上百个粉丝,谢谢你们的喜欢支持。 2021年,上半年也就是到6月份,这样安排,将多线程系列收尾,继续学习分享JVM系列,设计模式或者spring系列(两者选其一安排)。

[] ) [](top

原文创作:叫练

原文链接:https://www.cnblogs.com/jiaolian/p/14420809.html

文章列表

更多推荐

更多
  • AWS自动化机器学习-十一、MLSDLC 的持续集成、部署和训练 技术要求,编纂持续集成阶段,管理持续部署阶段,管理持续训练,延伸,构建集成工件,构建测试工件,构建生产工件,自动化持续集成流程,回顾构建阶段,回顾测试阶段,审查部署和维护阶段,回顾应用用户体验,创建新的鲍鱼调查数据,回顾持续训练流程,清
    Apache CN

  • AWS自动化机器学习-六、使用 AWS 步骤函数自动化机器学习过程 技术要求,介绍 AWS 步骤功能,使用 Step 函数 Data Science SDK for CI/CD,建立 CI/CD 渠道资源,创建状态机,解决状态机的复杂性,更新开发环境,创建管道工件库,构建管道应用构件,部署 CI/CD
    Apache CN

  • AWS自动化机器学习-第三部分:优化以源代码为中心的自动化机器学习方法 本节将向您介绍整体 CI/CD 流程的局限性,以及如何将 ML 从业者的角色进一步整合到管道构建流程中。本节还将介绍这种角色集成如何简化自动化过程,并通过向您介绍 AWS Step 函数向您展示一种优化的方法。本节包括以下章节:
    Apache CN

  • AWS自动化机器学习-一、AWS 上的自动化机器学习入门 技术要求,洗钱流程概述,洗钱过程的复杂性,端到端 ML 流程示例,AWS 如何使 ML 开发和部署过程更容易自动化,介绍 ACME 渔业物流,ML 的情况,从数据中获得洞察力,建立正确的模型,训练模型,评估训练好的模型,探索可能的后续步
    Apache CN

  • AWS自动化机器学习-二、使用 SageMaker 自动驾驶器自动化机器学习模型开发 技术要求,介绍 AWS AI 和 ML 前景,SageMaker 自动驾驶器概述,利用 SageMaker 自动驾驶器克服自动化挑战,使用 SageMaker SDK 自动化 ML 实验,SageMaker Studio 入门,准备实验
    Apache CN

  • AWS自动化机器学习-四、机器学习的持续集成和持续交(CI/CD) 四、机器学习的持续集成和持续交CI/CD技术要求,介绍 CI/CD 方法,通过 CI/CD 实现 ML 自动化,在 AWS 上创建 CI/CD 管道,介绍 CI/CD 的 CI 部分,介绍 CI/CD 的 CD 部分,结束循环,采取以部
    Apache CN

  • AWS自动化机器学习-九、使用 Amazon Managed Workflows 为 Apache AirFlow 构建 ML 工作流 技术要求,开发以数据为中心的工作流程,创建合成鲍鱼调查数据,执行以数据为中心的工作流程,构建和单元测试数据 ETL 工件,构建气流 DAG,清理, 在前面的年龄计算器示例中,我们了解了如何通过 ML 从业者和开发人员团队之间的跨职能
    Apache CN

  • AWS自动化机器学习-七、使用 AWS 步骤函数构建 ML 工作流 技术要求,构建状态机工作流,执行集成测试,监控管道进度,设置服务权限,创建 ML 工作流程, 在本章中,我们将从第六章中的 [处继续,使用 AWS 步骤函数自动化机器学习过程。您将从那一章中回忆起,我们正在努力实现的主要目标是简化
    Apache CN

  • AWS自动化机器学习-八、使用 Apache Airflow 实现机器学习过程的自动化 技术要求,介绍阿帕奇气流,介绍亚马逊 MWAA,利用气流处理鲍鱼数据集,配置 MWAA 系统的先决条件,配置 MWAA 环境, 当建立一个 ML 模型时,有一个所有 ML 从业者都知道的基本原则;也就是说,最大似然模型只有在数据被训练时
    Apache CN

  • AWS自动化机器学习-五、自动化 ML 模型的持续部署 技术要求,部署 CI/CD 管道,构建 ML 模型工件,执行自动化 ML 模型部署,整理管道结构,创建 CDK 应用,部署管道应用,查看建模文件,审查申请文件,查看模型服务文件,查看容器构建文件,提交 ML 工件,清理, 在 [第 4
    Apache CN

  • 近期文章

    更多
    文章目录

      推荐作者

      更多