放飞焦虑,程序员如何走出技术困境

前言

在人生的不同阶段,都会有不同的焦虑,焦虑的发生大多都是因为自己的能力与追求的东西不匹配导致的。作为一名程序员,也会有自己的焦虑,在我刚开始在大数据实习的时候,因为我只学习了一些Java,所以会因为听不懂别人讨论的技术而焦虑。

于是白天就趁着坐公交车通勤的时候,通过阅读公众号的技术文章开始学习,晚上就看学习视频,那段时间的焦虑也着实让我快速地成长。所以,本篇文章不谈技术,主要分享一下个人学习历程和方法。

学习阶段

不同阶段的学习也讲究不同的方法。我从学生时期刚开始学习Java的时候,主要是通过看视频的方式来学习。这种方式的好处就是比课本生动,很多知识点也不会和书本一样一笔带过,会结合代码应用进行深度剖析,包括后来学习大数据的时候也是通过看视频的方式进行的学习,通过这种方式,学习了Hadoop、Kafka、Spark等技术。通过视频学习的弊端就是学习进度较慢,所以这种方式比较适合刚接触计算机的群体。

在工作之后对爬虫比较感兴趣,开始学习Python,因为之前已经学习了Java有了编程基础,所以通过一些技术文档很快就掌握了Python的基础语法。包括后来学习Vue、Element Plus、uni-app等前端技术,也是通过官方文档完成的学习。

目前的阶段就是比较随心所欲,关注一下主流技术,看看技术文档,看看大佬们的文章,汲取有用的知识营养。

学习方法

每个人在学习的过程中都会探索出适合自己的学习方法,并在长期的学习中不断完善。

1. 多记

我一直信奉“好记性不如烂笔头”的理念。所以我在学习的过程中做了大量的笔记。我做笔记经历了三个阶段:

  1. 手写笔记。大二对PHP感兴趣,就开始学PHP,当时就手写了两个笔记本的学习笔记,过年的时候在老家还看到了,花花绿绿的水笔痕迹,但是现在看阅读起来不太方便。
  2. OneNote笔记。大学刚学Java的时候开始写笔记,基本上把视频中的知识点都记下来了,现在看算是”废话连篇“,但是对于刚入门的我温故知新还是帮助很大的。也是从那时候开始养成了做笔记的习惯。

  1. 有道云笔记。后来换了电脑,就开始使用云笔记了,这时候就记得东西都是比较重要的知识点,还有自己对某个知识点自己的理解。

这里我还是比较推荐云笔记,现在有很多免费的软件,云端存储不丢失且支持多端阅读,排版美观,而且对代码块和markdown的支持也非常好。

2. 多练

记笔记只是辅助记忆和理解的手段,编程最重要的还是要上手实操,之前也看到过好多帖子说:学习Java怎么那么难,学了一个星期什么都不会。实不相瞒,在我大四自学Java的时候,可能在前一个月内我都没有自主编码的能力,都是在跟着视频原样敲代码,然后慢慢去理解代码的意思。

我印象最深的就是16年在我学到Map的时候,跟着视频手敲的一个分拣存储 的代码,其实很简单,就是利用map计数,代码如下:

for(String key:arr){  
     Integer value=map.getKey(key);
     if(value==null){
        map.put(key,value);
      }else{
         map.put(key,value+1);
  }
}

就这样简单的一个代码,当时洋洋洒洒写了一页的笔记,就这样我还怕我看不懂。

当时学的时候确实没看懂,包括学完基础、集合、IO,都是照葫芦画瓢,就这样学了一个多月,后来的某一天,突然前面的这些东西就突然融会贯通了,可能这就是勤能补拙。所以对于刚接触编程的人来说,更多得是多练,培养自己的编程思维,所以后来学Python就学的很快。

学习形式

我是个有强迫症的人,刚开始要准备好所有的东西才能进入学习mode,打开电脑、IDE、笔记,然后用电脑学习。后来发现学习其实不用拘泥于形式,手机上看公众号、用B站、视频号都可以学习,包括写博客也是学习的一种,所以说:为什么还不来腾讯云开发者社区写博客?tell me why!

在写博客的过程中,不仅能够做到温故知新、提高自己的文字组织能力,同时也是学习的驱动之一。我在腾讯云开发者社区写博客的过程中,自学了Vue生态、小程序开发、安全方面的知识。

去年AI的爆火,让我有一段时间也变得很焦虑,想学但是你又不知道从哪里开始学,也没有学习路线。例如stable diffusion、DeepSeek、智能体、MCP等,后来在腾讯云开发者社区的征文中找到了方向,一边写文一边摸索。例如社区的最近4个活动:

  1. 腾讯云大模型知识引擎×DeepSeek最佳实践有奖征文活动
  2. 云上CPU玩转AIGC挑战赛
  3. 33 天实现自己的 AI 进化论
  4. DeepSeek 模板助你快速部署对话型 AI 类网站

上述活动包含了stable diffusion、DeepSeek、智能体、MCP的应用,从活动中涉及的AI产品,我们可以了解到丰富的AI知识,并从实践过程中加深理解。细心的你还会发现,不仅能学到东西,还能拿到奖品,一举两得!

结语

”学到老,活到老“,虽然很难站到技术顶峰,但是每天的学习过程就是收获!最后也建议程序员也不一定只学技术,可以学一点其他好玩的东西,不要把自己局限在技术的圈子里,置身其中,又跳出之外。也不要一直学习,看看外面的世界也很精彩。

### 最低技术放飞决策算法概述 在航空领域,最低技术放飞决策(Minimum Technical Takeoff Decision Algorithm)用于评估飞机是否满足安全起飞的技术条件。该算法综合考虑多个因素来决定飞行器能否安全执行预定任务。 #### 输入参数 输入数据通常包括但不限于以下几个方面: - **天气状况**:风速、能见度等气象信息。 - **机械状态**:发动机性能指标、液压系统压力等设备健康监测数值。 - **导航设施可用性**:GPS信号强度以及其他辅助定位系统的有效性验证结果。 - **机组人员资质审查**:飞行员执照有效期及其近期训练记录情况。 这些信息会被转换成量化评分体系的一部分[^1]。 #### 处理逻辑 处理过程涉及一系列复杂的计算和判断流程,具体如下所示: ```python def minimum_technical_takeoff_decision(weather_conditions, mechanical_status, nav_availability, crew_qualification): """ 实现最低技术放飞决策算法 参数: weather_conditions (dict): 当前机场的实时天气报告 mechanical_status (list[float]): 各主要部件的工作效率百分比列表 nav_availability (bool): 导航支持服务的状态标志位(True/False) crew_qualification (int): 飞行员资格等级得分 返回值: bool: True 表示可以正常起飞;False 则表示存在安全隐患需延迟航班 """ # 对各个维度的数据进行加权求和得到总分 score = sum([ evaluate_weather(weather_conditions), # 权重 w_1 * f(x_1) average(mechanical_status) * 0.3, # 权重 w_2 * f(x_2) int(nav_availability) * 0.2 # 权重 w_3 * f(x_3) ]) + crew_qualification * 0.1 # 加入人为因素影响权重 w_4 * f(x_4) threshold = get_threshold() # 获取预设的安全阈值标准线T return score >= threshold # 如果最终得分为正值则允许起飞 # 辅助函数定义省略... ``` 此段伪代码展示了如何基于不同类型的输入变量构建一个简单的决策模型框架[^2]。 #### 输出解释 当上述Python函数返回`True`时意味着当前条件下适合实施起飞操作;反之如果输出为`False`就表明可能存在某些潜在风险点尚未解决之前不宜贸然行动。 通过这种方式能够有效提高航空公司运营管理水平并保障旅客生命财产安全[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值