| 软件工程作业链接 | https://edu\.cnblogs\.com/campus/zswxy/software\-engineering\-2017\-1/ | |
| 作业要求 |
|
|
| 作业目的 | 完成和规划好自己这个学期的学习路线图 | |
| 作业内容 | 如下 | |
| 参考文献 | 百度 |
写在前面的话：
-
初心、勇气和信心。 回顾初心，回想自己当初为什么报这个专业。有的同学源于身边的亲人的榜样，也有同学是自己对技术的渴望和喜爱。但过去两年的学习大部分同学都感觉与初心有些距离的。不知你们是否看过电影《无问西东》，其中有一句台词：“如果提前了解了你们要面对的人生，不知你们是否还会有勇气前来”。同样的，如果你们提前看到了你们在过去这两年所面对的专业学习的现实，不知是否还有勇气和信心选择这份专业。
-
关于简历。描述现状，写一份自己当下的简历及预期。关于技能当前值，我看到大家罗列了一些技术术语，没有描述这些技术的掌握程度如何，以及用什么标准衡量掌握程度。如何认识自己和正确评价自己的能力，这也许是我们过去没有锻炼的能力，也是我们这个学期需要一起努力向前的方向。就让我们从将博客作业尽可能的做到更好开始吧。博客作业不是三言两语的问答。必须强调一次：“这里是软件工程课，这里是软件工程课，这里是软件工程课”。“花尽可能少的时间完成作业”——也许是过往你们面对作业时追求的目标，但这门课和这门课的作业绝对不是追求这个。请你们全力以赴，做你们能做到的作业质量的最好、更好，甚至是你们在看到作业时所不能做到的最好。
-
关于自我认知。很多同学都谈到了这个专业就业前景好，能赚更多的钱，可是并不意味着你读这个专业就能进入这个行业，也不意味着你进入这个行业就能赚钱。资产是要有意识的不断累积的，一方面是有形资产，另一方面是无形资产，有型资产可以带来物质的享受，无型资产才可以带我们去更远的地方。知识和技能就是无形资产，除此之外，对自我的认知也是无形资产，这是大家不可忽视的一部分，关于这部分大家可以参看《百岁人生》的第四章 资产篇。
我希望大家能真实的面对自己，我知道有时候面对自己是很痛苦的，因为我们都希望自己是美好的，可是真正看向自己时，发现自己这也没做好，那也没做好，所以索性就不看了，用沉迷游戏或者其他的东西来逃避面对自己，我在这里并不是想批评大家，我是想告诉大家，我希望你们即便是已经大三了，仍然不要放弃自己，过去的一切不能证明你是怎样的，未来的日子还很长，当下是最关键的，哪些时刻是当下？你做作业的那一刻，你回答我提问的那一刻，你遇到解决不了的问题的那一刻，就是当下，就在那个当下，你要有意识的告诉自己，不要偷懒，要深入的思考问题，如果可以，尝试把自己思考用文字的方式记录下来，文字有神奇的力量，它可以帮助我们理清楚思路，这就是用心的面对当下的态度。
开启第二次作业：
以思维导图的形式规划学习计划：
关于大数据的了解不多，这些在网络看到的是零基础学习应该掌握的一些基础知识，有些知识我没有接触过并不了解所以不止五个月。需要花费更多的时间。
三、大数据学习涉及技术
1、数据采集：ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
2、数据存取：关系数据库、NOSQL、SQL等。
3、基础架构：云存储、分布式文件存储等。
4、数据处理：自然语言处理是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机"理解"自然语言，所以自然语言处理又叫做自然语言理解，也称为计算语言学。一方面它是语言信息处理的一个分支，另一方面它是人工智能(Artificial Intelligence)的核心课题之一。
5、统计分析：假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析(最优尺度分析)、bootstrap技术等等。
6、数据挖掘：分类 (Classification)、估计(Estimation)、预测(Prediction)、相关性分组或关联规则(Affinity grouping or association rules)、聚类(Clustering)、描述和可视化、Description and Visualization)、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)
7、模型预测：预测模型、机器学习、建模仿真。
8、结果呈现：云计算、标签云、关系图等。
