2024-2025-1 20241310 《计算机基础与程序设计》第十周学习总结

2024-2025-1 20241310 《计算机基础与程序设计》第十周学习总结

作业信息

这个作业属于哪个课程	2024-2025-1-计算机基础与程序设计）
这个作业要求在哪里	2024-2025-1计算机基础与程序设计第一周作业)
这个作业的目标	自学教材计算机科学概论（第七版）第12，13，14章 自学教材并完成云班课测试《C语言程序设计》第9章并完成云班课测试
作业正文	作业

教材学习内容总结

以下是关于信息管理、电子制表、数据库管理系统、大数据的详细知识点总结：

信息管理

• 概念：对信息资源进行规划、组织、领导和控制，以实现有效利用的过程。
• 目的：确保信息的准确性、及时性、完整性，支持决策等。
• 流程：包括信息的收集（从各种渠道获取）、加工（整理、分析等）、存储（选择合适存储方式）、检索（方便查找）、传递（在不同主体间共享）和利用。
• 涉及技术：多种，如数据库技术用于存储管理信息，网络技术便于信息传递等。

电子制表

• 常用软件：如Excel等。
• 基本元素：工作表由行和列组成单元格，可在单元格中输入数据（文本、数值、日期等）。
• 数据处理：
• 公式与函数：通过公式（如=A1+B1）和函数（SUM、AVERAGE等）进行数据计算。
• 数据排序：按特定列的值升序或降序排列数据。
• 数据筛选：根据条件筛选出符合要求的数据子集。
• 图表制作：能将数据以图表（柱状图、折线图、饼图等）形式直观展示，便于分析数据趋势、比例等关系。

数据库管理系统（DBMS）

• 定义：是一种操纵和管理数据库的大型软件，用于建立、使用和维护数据库。
• 功能：
• 数据定义：定义数据库结构，如创建表、设置字段属性等。
• 数据操纵：实现对数据的插入、删除、修改、查询操作。
• 数据控制：对数据库访问进行权限控制，确保数据安全。
• 数据维护：如备份、恢复数据等。
• 常见类型：关系型数据库（如MySQL、Oracle等，以表和关系来存储数据）、非关系型数据库（如MongoDB、Redis等，适用于不同数据结构和应用场景）。

大数据

• 特点：
• Volume（大量）：数据量极其庞大，通常是TB、PB甚至EB级别。
• Velocity（高速）：数据产生和更新速度快，如实时的网络流量数据。
• Variety（多样）：包括结构化数据（如数据库中的表数据）、半结构化数据（如XML、JSON）和非结构化数据（如文本、图像、音频、视频）。
• Value（价值）：虽然数据量大，但需通过分析挖掘提取有价值信息。
• 处理流程：
• 数据采集：从多种源头收集数据。
• 数据存储：由于数据量大，常采用分布式存储系统（如Hadoop的HDFS）。
• 数据处理：运用大数据分析工具（如Hadoop、Spark等）进行清洗、转换、分析等操作。
• 数据可视化：将分析结果以直观图表等形式展示，便于理解。
• 应用领域：广泛应用于商业智能、金融风控、医疗健康、交通物流等众多领域，帮助企业和组织做出更明智决策。

1. 图灵测试

• 概念：由艾伦·图灵提出，用于判断机器是否具有智能。测试中，让一个人与一台机器和一个真人通过文本方式交流，如果测试者无法分辨机器和真人，就认为机器具有智能。
• 意义：这是人工智能领域一个里程碑式的概念，引发了人们对智能本质的思考，推动了人工智能研究的发展。
• 局限性：它主要侧重于语言行为，不能完全反映机器的真正智能，且可能受到测试环境、提问者知识水平等多种因素的影响。
  2. 语义网
• 定义：是一种知识表示的形式，它在万维网基础上，通过给网页添加语义信息，使计算机能够理解网页内容的含义，而不仅仅是显示内容。
• 组成部分：包括资源描述框架（RDF）用于描述资源，RDF 模式（RDFS）用于定义资源的类和属性，以及本体（Ontology）来更详细地描述领域内概念和关系。
• 应用场景：在信息检索中可以提高检索的准确性，如在学术文献检索中，能更好地理解文献主题和概念之间的关系；在智能问答系统中，有助于精准回答用户问题。
  3. 检索树
• 结构特点：也叫搜索树，是一种树形数据结构。它有一个根节点，从根节点开始分支，每个节点代表一个搜索状态或者数据元素，分支表示可能的搜索方向或者元素之间的关系。
• 搜索策略：常见的有深度优先搜索（沿着一条分支一直深入，直到不能继续或者找到目标）和广度优先搜索（先搜索同一层的所有节点，再向下一层搜索）。
• 应用范围：在数据查找、路径搜索等算法中广泛应用，如在文件系统中查找文件，游戏中的路径规划等场景。
  4. 专家网络
• 含义：是一个由多个专家系统或者专家知识源相互连接组成的网络。每个专家系统专注于一个特定领域的知识和问题解决，通过网络连接可以实现知识共享和协同工作。
• 优势：能够整合不同领域专家的知识和经验，解决复杂的、跨领域的问题。例如在医疗领域，不同科室的专家系统（如内科、外科、影像科等）相互协作，提供更全面的诊断和治疗方案。
• 构建挑战：需要解决不同专家系统之间的接口问题、知识表示和融合的兼容性问题等。
  5. 生物神经网络
• 基本组成单元：是神经元，神经元通过树突接收信号，经过细胞体处理，通过轴突将信号传递给其他神经元。神经元之间通过突触进行连接，突触的强度可以调节信号传递的效率。
• 功能特点：具有高度的并行性、自适应性和容错性。能够通过学习和训练（如赫布学习规则）改变神经元之间的连接强度，从而实现对信息的处理和记忆存储。
• 研究意义：为人工神经网络的设计和发展提供了灵感，帮助人们理解大脑的工作机制，如学习、记忆、认知等过程。
  6. 人工神经网络
• 网络结构：包括输入层、隐藏层（可以有多层）和输出层。神经元之间通过权重连接，输入信号经过加权求和和激活函数处理后在网络中传播。
• 训练方法：如反向传播算法，通过计算损失函数对权重的梯度，利用梯度下降法调整权重，使网络输出逼近期望输出。还有无监督学习（如自编码器）和强化学习（如深度Q网络）等方法。
• 应用领域：在图像识别（如人脸识别）、语音识别、自然语言处理等众多领域有广泛应用，能够自动提取数据特征，解决复杂的分类和预测问题。
  7. 自然语言处理
• 层次划分：包括词法分析（分词、词性标注）、句法分析（分析句子结构）、语义分析（理解语义关系）和语用分析（考虑语境和意图）。
• 技术手段：利用统计方法（如n - gram模型）和深度学习方法（如Transformer架构）。例如，Transformer架构的语言模型（如BERT、GPT）在语言生成和理解方面表现出色。
• 应用场景：机器翻译、文本分类、情感分析、智能问答系统等，帮助计算机理解和生成人类语言，实现人机之间更有效的沟通。
  8. 机器人学
• 主要研究内容：包括机器人的机械结构设计、运动学（研究机器人位置、速度和加速度等运动特性）和动力学（研究机器人的力和力矩与运动的关系）、感知系统（如视觉、触觉、听觉传感器）、控制策略（位置控制、力控制等）和人机交互。
• 应用领域：工业生产（如工业机器人进行装配、焊接等）、服务领域（如服务机器人提供清洁、送餐等服务）、军事领域（如侦察、排爆机器人）、太空探索（如火星探测器）等众多领域，提高生产效率、改善生活质量、完成危险任务等。

复杂系统与游戏开发知识总结

一、复杂系统

复杂系统是由大量相互作用的组件构成，具有非线性、涌现性、自适应性等特点。在游戏中，如生态系统模拟、经济系统模拟，众多元素相互影响，整体行为难以简单从个体行为推导。研究方法包括系统动力学、基于主体建模等，有助于理解系统整体特性与规律。

二、构造模型

构造模型是对复杂系统或现实事物进行抽象与简化，以数学、逻辑或物理形式表达。在游戏开发中，用于模拟游戏世界规则与对象行为。构建步骤包括确定系统边界与要素、定义要素间关系与交互规则、选择合适数学或计算模型表达、校准与验证模型确保准确性与可靠性等。

三、特殊模型

（一）有限状态机模型

在游戏角色行为控制中有应用，角色处于有限个状态，如站立、行走、攻击等，根据输入或条件在状态间转换，可清晰定义角色不同状态下行为逻辑。

（二）行为树模型

用于智能体决策，由节点与连线构成树状结构，节点表示任务或条件判断，连线表示执行顺序或条件分支，能直观构建复杂决策流程，如敌人 AI 决策何时追击、何时躲避。

四、计算机图形学

研究计算机生成、处理、显示图形图像。在游戏中负责创建逼真视觉效果。包括 3D 建模（多边形建模、曲面建模构建物体形状）、材质与纹理（定义物体表面属性与外观细节）、光照模型（模拟光照效果如漫反射、高光等营造真实感）、渲染管线（将 3D 场景转换为 2D 图像输出到屏幕的流程）等核心内容。

五、游戏的历史

早期有简单机械或桌面游戏，如围棋。电子游戏兴起于 20 世纪中叶，从简单文字游戏发展。街机时代有《吃豆人》等经典。家用游戏机时代如任天堂 FC 推动游戏普及。PC 游戏发展带来多样类型与在线游戏。移动游戏时代因智能手机兴起，游戏更便捷社交性强。

六、创建虚拟世界

（一）地形生成

可使用程序算法（如柏林噪声）生成自然地形，设置山脉、河流、平原等高度与纹理，或手动编辑地形塑造独特地貌。

（二）场景布置

放置建筑、道具等，考虑布局合理性与美观性，营造不同风格场景，如中世纪城堡、科幻都市等，添加天气、光照效果增强沉浸感。

七、游戏设计与开发

（一）游戏设计

确定类型、核心玩法与规则，设计关卡与挑战难度曲线，创造故事背景与角色设定，注重用户体验与可玩性平衡。

（二）游戏开发

团队包括策划、程序、美术、音效等人员。开发流程有策划（确定游戏整体框架与细节）、设计（美术与玩法设计）、编程（实现游戏功能）、测试（找漏洞与优化）等阶段，各阶段相互协作迭代。

八、游戏编程

常用 C++、C#等语言。编程任务包括实现游戏逻辑（角色动作、碰撞检测、得分系统等）、图形渲染接口调用与优化、处理用户输入（键盘、鼠标、手柄等）与输出显示，以及与网络模块结合实现联机功能等。

基于AI的学习

学习进度条

	代码行数（新增/累积）	博客量（新增/累积）	学习时间（新增/累积）	重要成长
目标	5000行	30篇	400小时
第一周	50/50	2/2	4/4
第二周	200/200	1/3	12/12
第三周	200/1000	1/4	10/10
第四周	400/400	1/5	12/12
第五周	200/1300	1/6	10/10
第六周	600/1000	1/7	10/10
第七周	400/500	1/8	9/9
第八周	600/600	1/9	10/10
第九周	800/800	1/10	12/12
第十周	800/800	1/11	10/10

尝试一下记录「计划学习时间」和「实际学习时间」，到期末看看能不能改进自己的计划能力。这个工作学习中很重要，也很有用。
耗时估计的公式
：Y=X+X/N ，Y=X-X/N，训练次数多了，X、Y就接近了。

参考：软件工程软件的估计为什么这么难，软件工程 估计方法

• 计划学习时间:XX小时

• 实际学习时间:XX小时

• 改进情况：

(有空多看看现代软件工程 课件
软件工程师能力自我评价表)

参考资料

• [《计算机科学概论（第七版）》](https://book.douban.