微塔学编程

㈠ 女生去学开塔吊怎么样

女孩子当塔吊司机还是好找工作的，如果想从这种行业，做这种工作，可以去学的。

塔吊司机是属于特种设备驾驶人员，对人员的身体素质，操作技能要求会相对高一点。

我们都知道，近几年不断有发生塔吊折断或坍塌事故，造成的伤害和损失很大。

但是，如果一个女孩子想从事这种行业，我觉得还是蛮不错的，主要有以下几点理由：

一，女孩子心比较细，有什么问题会细心处理，及时上报处理缺陷，这点比男人就强得多。

二，女孩子喝酒的少，工地上喝酒上岗的男人虽然比以前少了，但是有的人还是不自觉，违章冒险作业屡见不鲜，这点女人就比男人把控得好。

三，操作方面女人比男人胆子小，很多操作上都是小心翼翼的，检查设备也不会像男人一样粗心大意。

除了这些，还有学历控制，最少初中以上水平，身体方面，不能有恐高症，脑血栓等各种影响操作的疾病。
女孩做吊车司机好不好呢？网上说什么要想学的好，跟师傅关系好，其实要看你能不能用心挖掘这行。

首先你得了解吊车的性能，特别是在什么角度，什么长度能吊多重的货物，哪些角度不能吊货物等。

然后就是一些操作方面zd的小技巧，这个得请教你朋友剩下的就是一个熟练程版度的问题。如果有条件可以多了解下一些常有故障以及一些突发事件的应急处理，另外不同货物权的吊装方法也有所不同，这些都需要你慢慢的去摸索。

汽车吊和履带吊都差不多了，吊车培训现在有不少学习，关键还是要自己咨询清楚，能去学学看看是较好的，就业前景很大。

学习没有任何要求只要花点钱和学完以后技术好一点就可以其实我也不想干了 想找个坐办公室的一天8小时 月薪78千的 给交五险一金的 就是一直找不到奉劝各位即将学吊车的，不要误入歧途年纪轻轻就学吊车，把美好的青春奉献给吊车，一入吊涯深似海，妹子从此是路人。切记切记！

㈡ 深度学习能够学会编程吗

深度学习本身是一个非常庞大的知识体系。本文更多想从程序员的视角出发，让大家观察一下深度学习对程序员意味着什么，以及我们如何利用这样一个高速发展的学科，来帮助程序员提升软件开发的能力。
本文根据费良宏在2016QCon全球软件开发大会（上海）上的演讲整理而成。
前言
1973年，美国上映了一部热门的科幻电影《WestWorld》，三年之后又有一个续集叫做《FutureWorld》。这部电影在80年代初被引进到中国叫《未来世界》。那部电影对我来讲简直可以说得上是震撼。影片中出现了很多机器人，表情丰富的面部下面都是集成电路板。这让那时候的我觉得未来世界都是那么遥远、那么神秘。
时间到了2016年，很多朋友可能都在追看HBO斥巨资拍摄的同一题材的系列剧《WestWorld》。如果前两部电影还是局限在机器人、人工智能这样的话题，2016年的新剧则在剧情和人工智能的思考方面有了很大的突破。不再渲染机器人是否会威胁到人类，而是在探讨“Dreamsaremainlymemories”这一类更具哲理的问题。
“记忆究竟如何影响了智能”这个话题非常值得我们去思考，也给我们一个很好的启示——今天，人工智能领域究竟有了怎样的发展和进步。
今天我们探讨的话题不仅仅是简单的人工智能。如果大家对深度学习感兴趣，我相信各位一定会在搜索引擎上搜索过类似相关的关键字。我在Google上以deeplearning作为关键字得到了2,630万个搜索的结果。这个数字比一周之前足足多出了300多万的结果。这个数字足以看得出来深度学习相关的内容发展的速度，人们对深度学习的关注也越来越高。
从另外的一个角度，我想让大家看看深度学习在市场上究竟有多么热门。从2011年到现在一共有140多家专注人工智能、深度学习相关的创业公司被收购。仅仅在2016年这种并购就发生了40多起。
其中最疯狂的是就是Google，已经收购了 11 家人工智能创业公司，其中最有名的就是击败了李世石九段的 DeepMind。排名之后的就要数 Apple、Intel以及Twitter。以Intel 公司为例，仅在今年就已经收购了 3 家创业公司，Itseez、Nervana 和 Movidius。这一系列大手笔的并购为了布局人工智能以及深度学习的领域。
当我们去搜索深度学习话题的时候，经常会看到这样的一些晦涩难懂的术语：Gradient descent（梯度下降算法）、Backpropagation（反向传播算法）、Convolutional Neural Network（卷积神经网络）、受限玻耳兹曼机（Restricted Boltzmann Machine）等。
如打开任何一篇技术文章，你看到的通篇都是各种数学公式。大家看到如下左边的图，其实并不是一篇高水准的学术论文，而仅仅是维基网络关于玻耳兹曼机的介绍。维基网络是科普层面的内容，内容复杂程度就超过了大多数数学知识的能力。
在这样的背景之下，我今天的的话题可以归纳成三点：第一，我们为什么要学习深度学习；第二，深度学习最核心的关键概念就是神经网络，那么究竟什么是神经网络；第三，作为程序员，当我们想要成为深度学习开发者的时候，我们需要具备怎样的工具箱，以及从哪里着手进行开发。
为什么要学习深度学习
首先，我们谈谈为什么要学习深度学习。在这个市场当中，最不缺乏的就是各种概念以及各种时髦新技术的词汇。深度学习有什么不一样的地方？我非常喜欢AndrewNg（吴恩达）曾经用过的一个比喻。
他把深度学习比喻成一个火箭。这个火箭有一个最重要的部分，就是它的引擎，目前来看在这个领域里面，引擎的核心就是神经网络。大家都知道，火箭除了引擎之外还需要有燃料，那么大数据其实就构成了整个火箭另外的重要组成部分——燃料。以往我们谈到大数据的时候，更多是强调存储和管理数据的能力，但是这些方法和工具更多是对于以往历史数据的统计、汇总。
而对于今后未知的东西，这些传统的方法并不能够帮助我们可以从大数据中得出预测的结论。如果考虑到神经网络和大数据结合，我们才可能看清楚大数据真正的价值和意义。AndrewNg就曾经说过“我们相信（神经网络代表的深度学习）是让我们获得最接近于人工智能的捷径”。这就是我们要学习深度学习的一个最重要的原因。
其次，随着我们进行数据处理以及运算能力的不断提升，深度学习所代表的人工智能技术和传统意义上人工智能技术比较起来，在性能上有了突飞猛进的发展。这主要得益于在过去几十间计算机和相关产业不断发展带来的成果。在人工智能的领域，性能是我们选择深度学习另一个重要的原因。
这是一段Nvidia在今年公布的关于深度学习在无人驾驶领域应用的视频。我们可以看到，将深度学习应用在自动驾驶方面，仅仅经历了3千英里的训练，就可以达到什么样的程度。在今年年初进行的实验上，这个系统还不具备真正智能能力，经常会出现各种各样的让人提心吊胆的状况，甚至在某些情况下还需要人工干预。
但经过了3千英里的训练之后，我们看到在山路、公路、泥地等各种复杂的路况下面，无人驾驶已经有了一个非常惊人的表现。请大家注意，这个深度学习的模型只经过了短短几个月、3千英里的训练。
如果我们不断完善这种模型的话，这种处理能力将会变得何等的强大。这个场景里面最重要的技术无疑就是深度学习。我们可以得出一个结论：深度学习可以为我们提供强大的能力，如果程序员拥有了这个技术的话，无异于会让每个程序员如虎添翼。
神经网络快速入门
如果我们对于学习深度学习没有任何疑虑的话，接下来就一定会关心我需要掌握什么样的知识才能让我进入到这个领域。这里面最重要的关键技术就是“神经网络”。说起“神经网络”，容易混淆是这样两个完全不同的概念。
一个是生物学神经网络，第二个才是我们今天要谈起的人工智能神经网络。可能在座的各位有朋友在从事人工智能方面的工作。当你向他请教神经网络的时候，他会抛出许多陌生的概念和术语让你听起来云里雾里，而你只能望而却步了。
对于人工智能神经网络这个概念，大多数的程序员都会觉得距离自己有很大的距离。因为很难有人愿意花时间跟你分享神经网络的本质究竟是什么。而你从书本上读的到的理论和概念，也很让你找到一个清晰、简单的结论。
今天就我们来看一看，从程序员角度出发神经网络究竟是什么。我第一次知道神经网络这个概念是通过一部电影——1991年上映的《终结者2》。男主角施瓦辛格有一句台词：
“MyCPUisaneural-netprocessor;alearningcomputer.”（我的处理器是一个神经处理单元，它是一台可以学习的计算机)。从历史来看人类对自身智力的探索，远远早于对于神经网络的研究。
1852年，意大利学者因为一个偶然的失误，将人类的头颅掉到硝酸盐溶液中，从而获得第一次通过肉眼关注神经网络的机会。这个意外加速了对人类智力奥秘的探索，开启了人工智能、神经元这样概念的发展。
生物神经网络这个概念的发展，和今天我们谈的神经网络有什么关系吗？我们今天谈到的神经网络，除了在部分名词上借鉴了生物学神经网络之外，跟生物学神经网络已经没有任何关系，它已经完全是数学和计算机领域的概念，这也是人工智能发展成熟的标志。这点大家要区分开，不要把生物神经网络跟我们今天谈到的人工智能有任何的混淆。
90年代中期，由Vapnik等人提出了支持向量机算法（Support Vector Machines，支持向量机）。很快这个算法就在很多方面体现出了对比神经网络的巨大优势，例如：无需调参、高效率、全局最优解等。基于这些理由，SVM算法迅速打败了神经网络算法成为那个时期的主流。而神经网络的研究则再次陷入了冰河期。
在被人摒弃的十年里面，有几个学者仍然在坚持研究。其中很重要的一个人就是加拿大多伦多大学的Geoffery Hinton教授。2006年，他的在着名的《Science》杂志上发表了论文，首次提出了“深度信念网络”的概念。
与传统的训练方式不同，“深度信念网络”有一个“预训练”（pre-training）的过程，这可以方便的让神经网络中的权值找到一个接近最优解的值，之后再使用“微调”(fine-tuning)技术来对整个网络进行优化训练。这两个技术的运用大幅度减少了训练多层神经网络的时间。在他的论文里面，他给多层神经网络相关的学习方法赋予了一个新名词— “深度学习”。
很快，深度学习在语音识别领域崭露头角。接着在2012年，深度学习技术又在图像识别领域大展拳脚。Hinton与他的学生在ImageNet竞赛中，用多层的卷积神经网络成功地对包含一千个类别的一百万张图片进行了训练，取得了分类错误率15%的好成绩，这个成绩比第二名高了将近11个百分点。
这个结果充分证明了多层神经网络识别效果的优越性。从那时起，深度学习就开启了新的一段黄金时期。我们看到今天深度学习和神经网络的火热发展，就是从那个时候开始引爆的。
利用神经网络构建分类器，这个神经网络的结构是怎样的？
其实这个结构非常简单，我们看到这个图就是简单神经网络的示意图。神经网络本质上就是一种“有向图”。图上的每个节点借用了生物学的术语就有了一个新的名词 – “神经元”。连接神经元的具有指向性的连线（有向弧）则被看作是“神经”。这这个图上神经元并不是最重要的，最重要的是连接神经元的神经。每个神经部分有指向性，每一个神经元会指向下一层的节点。
节点是分层的，每个节点指向上一层节点。同层节点没有连接，并且不能越过上一层节点。每个弧上有一个值，我们通常称之为”权重“。通过权重就可以有一个公式计算出它们所指的节点的值。这个权重值是多少？我们是通过训练得出结果。它们的初始赋值往往通过随机数开始，然后训练得到的最逼近真实值的结果作为模型，并可以被反复使用。这个结果就是我们说的训练过的分类器。
节点分成输入节点和输出节点，中间称为隐层。简单来说，我们有数据输入项，中间不同的多个层次的神经网络层次，就是我们说的隐层。之所以在这样称呼，因为对我们来讲这些层次是不可见的。输出结果也被称作输出节点，输出节点是有限的数量，输入节点也是有限数量，隐层是我们可以设计的模型部分，这就是最简单的神经网络概念。
如果简单做一个简单的类比，我想用四层神经网络做一个解释。左边是输入节点，我们看到有若干输入项，这可能代表不同苹果的RGB值、味道或者其它输入进来的数据项。中间隐层就是我们设计出来的神经网络，这个网络现在有不同的层次，层次之间权重是我们不断训练获得一个结果。
最后输出的结果，保存在输出节点里面，每一次像一个流向一样，神经是有一个指向的，通过不同层进行不同的计算。在隐层当中，每一个节点输入的结果计算之后作为下一层的输入项，最终结果会保存在输出节点上，输出值最接近我们的分类，得到某一个值，就被分成某一类。这就是使用神经网络的简单概述。
除了从左到右的形式表达的结构图，还有一种常见的表达形式是从下到上来表示一个神经网络。这时候，输入层在图的最下方，输出层则在图的最上方。从左到右的表达形式以AndrewNg和LeCun的文献使用较多。而在Caffe框架里则使用的则是从下到上的表达。
简单来说，神经网络并不神秘，它就是有像图，利用图的处理能力帮助我们对特征的提取和学习的过程。2006年Hinton的那篇着名的论文中，将深度学习总结成三个最重要的要素：计算、数据、模型。有了这三点，就可以实现一个深度学习的系统。
程序员需要的工具箱
对于程序员来说，掌握理论知识是为了更好的编程实践。那就让我们看看，对于程序员来说，着手深度学习的实践需要准备什么样的工具。
硬件
从硬件来讲，我们可能需要的计算能力，首先想到的就是CPU。除了通常的CPU架构以外，还出现了附加有乘法器的CPU，用以提升计算能力。此外在不同领域会有DSP的应用场景，比如手写体识别、语音识别、等使用的专用的信号处理器。还有一类就是GPU，这是一个目前深度学习应用比较热门的领域。最后一类就是FPGA（可编程逻辑门阵列）。
这四种方法各有其优缺点，每种产品会有很大的差异。相比较而言CPU虽然运算能力弱一些，但是擅长管理和调度，比如读取数据，管理文件，人机交互等，工具也丰富。DSP相比而言管理能力较弱，但是强化了特定的运算能力。
这两者都是靠高主频来解决运算量的问题，适合有大量递归操作以及不便拆分的算法。GPU的管理能力更弱一些，但是运算能力更强。但由于计算单元数量多，更适合整块数据进行流处理的算法。
FPGA在管理与运算处理方面都很强，但是开发周期长，复杂算法开发难度较大。就实时性来说，FPGA是最高的。单从目前的发展来看，对于普通程序员来说，现实中普遍采用的计算资源就还是是CPU以及GPU的模式，其中GPU是最热门的领域。
这是我前天为这次分享而准备的一个AWS 上p2的实例。仅仅通过几条命令就完成了实例的更新、驱动的安装和环境的设置，总共的资源创建、设置时间大概在10分钟以内。而之前，我安装调试前面提到的那台计算机，足足花了我两天时间。
另外，从成本上还可以做一个对比。p2.8xLarge 实例每小时的费用是7.2美元。而我自己那台计算机总共的花费了是¥16,904元。这个成本足够让我使用350多个小时的p2.8xLarge。在一年里使用AWS深度学习站就可以抵消掉我所有的付出。随着技术的不断的升级换代，我可以不断的升级我的实例，从而可以用有限的成本获得更大、更多的处理资源。这其实也是云计算的价值所在。
云计算和深度学习究竟有什么关系？今年的8月8号，在IDG网站上发表了一篇文章谈到了这个话题。文章中做了这样一个预言：如果深度学习的并行能力不断提高，云计算所提供的处理能力也不断发展，两者结合可能会产生新一代的深度学习，将带来更大影响和冲击。这是需要大家考虑和重视的一个方向！
软件
深度学习除了硬件的基础环境之外。程序员会更关心与开发相关的软件资源。这里我罗列了一些曾经使用过的软件框架和工具。
Scikit-learn是最为流行的一个python机器学习库。它具有如下吸引人的特点：简单、高效且异常丰富的数据挖掘/数据分析算法实现； 基于NumPy、SciPy以及matplotlib，从数据探索性分析，数据可视化到算法实现，整个过程一体化实现；开源，有非常丰富的学习文档。
Caffe专注在卷及神经网络以及图像处理。不过Caffe已经很久没有更新过了。这个框架的一个主要的开发者贾扬清也在今年跳槽去了Google。也许曾经的霸主地位要让位给他人了。
Theano 是一个非常灵活的Python 机器学习的库。在研究领域非常流行，使用上非常方便易于定义复杂的模型。Tensorflow 的API 非常类似于Theano。我在今年北京的QCon 大会上也分享过关于Theano 的话题。
Jupyter notebook 是一个很强大的基于ipython的python代码编辑器，部署在网页上，可以非常方便的进行交互式的处理，很适合进行算法研究合数据处理。
Torch 是一个非常出色的机器学习的库。它是由一个比较小众的lua语言实现的。但是因为LuaJIT 的使用，程序的效率非常出色。Facebook在人工智能领域主打Torch，甚至现在推出了自己的升级版框架Torchnet。
深度学习的框架非常之多，是不是有一种乱花渐欲迷人眼的感觉？我今天向各位程序员重点介绍的是将是TensorFlow。这是2015年谷歌推出的开源的面向机器学习的开发框架，这也是Google第二代的深度学习的框架。很多公司都使用了TensorFlow开发了很多有意思的应用，效果很好。
用TensorFlow可以做什么？答案是它可以应用于回归模型、神经网络以深度学习这几个领域。在深度学习方面它集成了分布式表示、卷积神经网络(CNN)、递归神经网络(RNN) 以及长短期记忆人工神经网络（Long-Short Term Memory, LSTM）。
关于Tensorflow 首先要理解的概念就是Tensor。在辞典中对于这个词的定义是张量，是一个可用来表示在一些向量、标量和其他张量之间的线性关系的多线性函数。实际上这个表述很难理解，用我自己的语言解释Tensor 就是“N维数组”而已。
使用 TensorFlow, 作为程序员必须明白 TensorFlow这样几个基础概念：它使用图 (Graph) 来表示计算任务；在被称之为 会话 (Session) 的上下文 (context) 中执行图；使用 Tensor 表示数据；通过 变量 (Variable) 维护状态；使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据。
一句话总结就是，TensorFlow 就是有状态图的数据流图计算环境，每个节点就是在做数据操作，然后提供依赖性和指向性，提供完整数据流。
TensorFlow安装非常简单，但官网提供下载的安装包所支持的CUDA 的版本是7.5。考虑到CUDA 8 的让人心动的新特以及不久就要正式发布的现状。或许你想会考虑立即体验CUDA 8，那么就只能通过编译Tensorflow源代码而获得。目前TensorFlow已经支持了Python2.7、3.3+。
此外，对于使用Python 语言的程序员还需要安装所需要的一些库，例如：numpy、protobuf等等。对于卷积处理而言，cuDNN是公认的性能最好的开发库，请一定要安装上。常规的Tensorsorflow的安装很简单，一条命令足矣：
$ pip3 install —upgrade https://storage.233.wiki/tensorflow/linux/cpu/tensorflow-0.11.0rc0-cp35-cp35m-linux_x86_64.whl
如果想评估一下或者简单学习一下，还可以通过Docker进行安装，安装的命令如下：
$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow
TensorFlow有很多优点。首先，目前为止，深度学习的开发框架里面TensorFlow的文档做的最好，对程序员学习而言是非常好的一点。第二，TensorFlow有丰富的参考实例，作为参考学习起来非常容易。
第三，开发者社区活跃，在任何一个深度学习的社区里，都有大量关于TensorFlow的讨论。第四，谷歌的支持力度非常大，从2015年到现在升级速度非常快，这是其他开源框架远远达不到的结果。
参考TensorFlow的白皮书，我们会看到未来TensorFlow还将会有巨大的发展潜力。让我特别感兴趣是这两个方向。第一，支持跨多台机器的 parallelisation。尽管在0.8版本中推出了并行化的能力，但是目前还不完善。随着未来不断发展，依托云计算的处理能力的提升这个特性将是非常让人振奋的。
第二，支持更多的开发语言，对于开发者来说这是一个绝大的利好，通过使用自己擅长的语言使用TensorFlow应用。这些开发语言将会扩展到java、Lua以及R 等。
在这里我想给大家展示一个应用Tensorflow 的例子。这个例子的代码托管在这个网址上 https://github.com/anishathalye/neural-style。白俄罗斯的现代印象派艺术家Leonid Afremov善于用浓墨重彩来表现都市和风景题材，尤其是其雨景系列作品。他习惯用大色块的铺陈来营造光影效果，对反光物体和环境色的把握非常精准。
于是我就找到了一张上海东方明珠电视塔的一张摄影作品，我希望通过Tensorflow 去学习一下Leonid Afremov 的绘画风格，并将这张东方明珠的照片处理成那种光影色彩丰富的作品风格。利用Tensorflow 以及上面提到的那个项目的代码，在一个AWS 的p2类型的实例上进行了一个一千次的迭代，于是就得到了下图这样的处理结果。
这个处理的代码只有350行里，模型使用了一个成名于2014年ImageNet比赛中的明星 VGG。这个模型非常好，特点就是“go depper”。
TensorFlow 做出这样的作品，并不仅仅作为娱乐供大家一笑，还可以做更多有意思的事情。将刚才的处理能力推广到视频当中，就可以看到下图这样的效果，用梵高着名的作品”星月夜“的风格就加工成了这样新的视频风格。
可以想象一下，如果这种处理能力在更多领域得以应用，它会产生什么样的神奇结果？前景是美好的，让我们有无限遐想。事实上我们目前所从事的很多领域的应用开发都可以通过使用神经网络和深度学习来加以改变。对于深度学习而言，掌握它并不是难事。每一个程序员都可以很容易的掌握这种技术，利用所具备的资源，让我们很快成为深度学习的程序开发人员。
结束语
未来究竟是什么样，我们没有办法预言。有位作家Ray Kurzweil在2005年写了《奇点临近》一书。在这本书里面他明确告诉我们，那个时代很快到来。作为那个时代曙光前的人群，我们是不是有能力加速这个过程，利用我们学习的能力实现这个梦想呢？
中国人工智能的发展
人工智能的时代无疑已经到来，这个时代需要的当然就是掌握了人工智能并将其解决具体问题的工程师。坦率的说，市场上这一类的工程师还属于凤毛麟角。职场上的薪酬待遇可以看得出来这样的工程师的抢手的程度。人工智能这门学科发展到今天，就学术自身而言已经具备了大规模产业化的能力。
所以说，对于工程师而言当务之急就是尽快的掌握应用人工智能的应用技术。当下在互联网上关于人工智能的学习资料可以说已经是“汗牛充栋”，那些具备了快速学习能力的工程师一定会在人工智能的大潮当中脱颖而出。
中国发展人工智能产业的环境已经具备。无论从创业环境、人员的素质乃至市场的机遇而言完全具备了产生产业变革的一切条件。与美国相比较，在人工智能的许多领域中国团队的表现也可以说是不逞多让。就人工智能的技术层面而言，中国的工程师与全球最好的技术团队正处于同一个起跑线上。
时不我待，中国的工程师是有机会在这个领域大展身手的。不过值得注意的是，要切忌两点：一是好高骛远，盲目与国外攀比。毕竟积累有长短，术业有专攻，我们要立足于已有的积累，寻求逐步的突破。二是一拥而上，盲目追求市场的风口。人工智能的工程化需要大量的基础性的积累，并非一蹴而就简单复制就可以成功。
中国的科研技术人员在人工智能领域的成就有目共睹。在王咏刚的一篇文章里面，他统计了从2013年到2015年SCI收录的“深度学习”论文，中国在2014年和2015年超已经超过了美国居于领跑者的位置。
另外一让我感到惊讶的事情，Google的JeffDean在2016年发表过一篇名为《TensorFlow:Asystemforlarge-scalemachinelearning》的论文。文章的22个作者里面，明显是中国名字的作者占已经到了1/5。如果要列举中国人/华人在人工智能领域里的大牛，吴恩达、孙剑、杨强、黄广斌、马毅、张大鹏……很容易就可以说出一大串。
对于中国来说目前的当务之急是人工智能技术的产业化，唯有如此我们才可以讲科研／智力领域的优势转化为整体的、全面的优势。在这一点上，中国是全球最大的消费市场以及制造业强国，我们完全有机会借助市场的优势成为这个领域的领先者。
硅谷创新企业
硅谷虽然去过许多回，但一直无缘在那里长期工作。在人工智能领域的市场我们听到的更多是围绕Google、Apple、Intel、Amazon这样的一些大型科技公司的一举一动。但是在美国市场上还有一大批小型的创业企业在人工智能这个领域有惊艳的表现。仅以硅谷区域的公司为例：
Captricity，提供了手写数据的信息提取；
VIVLab，针对语音识别开发了虚拟助手服务；
TERADEEP，利用FPGA提供了高效的卷积神经网络的方案；
还有提供无人驾驶解决方案的NetraDyne。
这个名单还可以很长，还有许许多多正在利用人工智能技术试图去创造历史的团队正在打造他们的梦想。这些团队以及他们正在专注的领域是值得我们去学习和体会的。

㈢ dell 微塔式是指什么

戴尔微塔式指的是戴尔微塔式机箱。戴尔微塔式机箱机箱也就是常说的mini（迷你）塔式机箱。

塔式机箱（英Tower case），即通常说的立式机箱。塔式机箱按照大小可分为全塔、中塔和mini塔三类，不过业界并没有在大小方面就此形成统一的分类标准。通常全塔机箱拥有4个以上的光驱位，中塔机箱拥有3-4个光驱位，而mini塔仅有1-2个光驱位。

如图所示带六个光驱位的机箱：

㈣ 学计算机技术将来能干什么工作

学计算机适合做的工作
1：软件编程方向
大体上分成软件设计、编程语言和软件测试。包括需求分析、结构设计、开发流程、生命周期等等相关内容全部在关注范围。此方向几乎属于CS内部第一大的方向了，录取名额很多，奖学金也有一些。问题的关键是，这个专业是培养coder的，而计算机专业的从业者大部分就是coder。因此学这个专业工作机会较多，但是起步阶段的收入居于中等。

㈤ 求常见编程术语的通俗解释

1. XML 首先，你要了解XML。我不是说仅仅是XML规格本身，还包括一系列相关的基于XML的语言：最重要的是XHTML、XSLT、XSL、DTDs、XML Schema (XSD)、XPath、XQuery和SOAP。那些在过去5年内从未碰过键盘的人，可能不知道XML为何物。XML是一种文本文件，使用与HTML类似的标记。XML能定义一个树状结构，并能描述所含的数据。 XML最好的一点是既能存结构化数据也能存非结构化数据。它既能存贮和描述“规格的”(regular)表格数据，也能容纳和描述“粗糙的”(ragged)文件数据。 XHTML是现今写HTML的首选方法。因为它是形式完好（well formed）的XML，比起古老的、通常是畸形（malformed）的HTML文件，XHTML格式的文件更容易处理。 XSLT和XSL是用于把XML文件转成其它格式的语言。可转换的格式包括：文本文件、PDF文件、HTML、以逗号为分隔符的文件，或其它XML文件。 DTD和XML Schema描述XML文件所能包含的内容的类型，并让你“验证”XML文件内容的合理性，而不用写特殊代码以确保内容符合规则要求。 XPath和XQuery是用于从XML文件中抽取单个项目或一组项目的查询语言。XQuery扩展了XPath，因而更重要。XQuery与XML的关系正像SQL与关系数据库的关系。 SOAP是Web服务之间的一个标准通讯协议。尽管你不需要对SOAP标准一清二楚，你应该熟悉一般的schema和它的工作原理，以便能应用这门技术。

   2. Web服务 Web服务是XML流行后的一个直接产物。因为你能用XML描述数据和物件，因为你能用schema确保XML文件内容的合理性，因为XML是基于文本的规范，XML为跨平台通讯标准提供了一个极其方便的基本格式。如果你还从来没碰到Web服务，你可能很快就会碰到，在未来5年内，你几乎肯定会碰到。熟悉Web服务十分重要，因为它是目前所有跨不同机器、不同语言、不同平台和不同地点的通讯协议中最简单的一个。不管你需要与否，Web服务是迈向互用性的重要一步。 XML工作组主席John Bosak曾说XML“给Java一些事做”。实际上，Web服务让所有语言都有了一些事做。Web服务让在大型机上运行的COBOL应用软件能调用在手持设备上运行的Java应用程序、能让Java applet与.NET服务器交谈、能让微机软件与Web服务器无缝连接，并提供了一个相对容易的方法，让企业不光能向外界提供数据，还能提供功能，而且是一种与语言、平台和位置都独立的方法。 3. 面向对象的编程 很多程序员仍认为OOP是象牙塔里的技术。但如果你想一下是什么语言在过去的10年里占主导地位，你就会理解OOP不是象牙塔里的技术。OOP从Smalltalk开始，传到C++和Pascal (Delphi)。Java使OOP大踏步地迈向主流，几年后的VB.NET和C#则完全确立了OOP的优势地位。尽管这些语言中的多数并不要求你必须会OOP，但我觉得如果你不了解OOP的基本概念也不知道如何应用这些概念，你能找到的编程工作将越来越少。

   4. Java、C++、C#和VB.NET 我把这些语言列在一起，并不是建议你成为每一种语言的专家。我的理由是：学习编程最有效的方法之一是看代码，而你能看到的大量的代码很可能不是用你所喜爱的语言编写的。 在过去几年，各语言的能力越来越接近。现在，你可以用VB.NET写Windows服务、Web应用程序或命令行程序。即使你只使用一种语言，你也应该学一些其它语言，以便能看懂那些样例，并将其翻译到你所用的语言。这4种语言是基本核心，还有其它一些满足不同需要、颇具用途的语言，如FORTRAN、COBOL、APL、ADA、Perl和Lisp。

   5. javascript 尽管名字有些相像，但Java与javascript并无关联。为什么一个脚本语言会如此重要呢？因为所有主流浏览器都用javascript。如果你需要写Web应用程序，你就有足够的理由学javascript。javascript可以用作ASP或ASP.NET的服务器语言，也可以当做用于扩展XSLT的功能语言(functional language)。javascript是Mozilla/Netscape中用于激活基于XUL的程序接口的首选语言。javascript的一个变种ActionScript是Flash MX的编程语言。将来，javascript很可能成为新设备的编程语言，以及大型应用软件中的宏语言。 与javascript相对照的是VBScript。尽管Microsoft的软件对VBScript有良好的支持，但VBScript在未来的开发工作中很可能是一个糟糕的选择。就是Microsoft也倾向于用javascript（或Microsoft自己的变种：JScript）写客户端程序。在选择脚本语言时，请选择javascript。 6. 正则表达式（Regular Expressions） 查寻关系数据库可以用SQL，查询XML可以用XPath和XQuery，查询纯文本文件则可以用正则表达式。例如，你可以用一个命令从一个HTML文件中查找并删除所有的注释。各种开发语言内置的一些简单的文本查询功能，如"IndexOf"函数或VB中经典的"InStr"函数或"Like"操作符，根本不能与正则表达式相提并论。现在，各种主要的开发语言都提供使用正则表达式的途径。尽管正则表达式本身既难懂更难读（是回到早期计算机时代的一种倒退），但它却是一个功能强大而且未被充分利用的工具。

   7. 设计模式 正像OOP通过把对象分类以简化编程一样，设计模式对一些普遍的对象之间的交互进行分类，并赋予一个恰当的名称。OOP用得越多，设计模式就越有用。一些最常用的模式的名称已经变成了软件开发领域共同使用的术语，所以要跟上信息的主流，你就要对设计模式有相当的理解。

   8. Flash MX 如果你需要在客户端得到比HTML和CSS更多的图形和更强的编程功能，Flash是你的答案。用Flash编程比开发Java applets或写.NET代码要快得多，也容易得多。 在最新版本 (MX) 中，Flash不仅仅是画图和制造动画的工具，它已经成为一个编程功能强大的开发环境：能调用SOAP Web服务，也能调用远端服务器上的ColdFusion、Java或.NET程序。Flash无处不在。它的引擎存在于世界上大多数客户端计算机，包括手持设备、置顶盒、甚至是新的书写板电脑。所以使用Flash能大大扩展你的程序的应用范围。

   9. Linux/Windows 熟悉Linux。在一台旧机器或新机器上安装Linux。下载图形用户界面，在其基础上写一些程序。安装Apache，写一个Web应用程序。这个世界不再仅仅是属于Windows，这种趋势可能还会持续下去。如果你是一名中坚的Linux开发人员，那就抛弃你对Windows的憎恶，看看你能否做一些Windows编程。Windows能继续在台式电脑上称王是有其原因的，这不仅仅是因为Microsoft控制了这个市场。 没人知道你们公司会在什么时候决定从Linux转向Windows（或从Windows转向Linux），或者你想跳到一家用另一种平台的公司，或者你想出了开发一个杀手软件的好主意，所以你要争取拥有在不同操作系统上的编程经验。

   10. SQL 尽管SQL不像本文讨论的其它技术那样新，而且SQL的重要性在未来10年内很可能降低，但它仍然是一项基本技能。很多开发人员还没有掌握这门技术，或掌握得不够，不足以有效率地使用它。不要依赖具有图形用户界面的SQL生成器替你做事情，你要自己手工地写查询命令，直到你熟悉基本的SQL语法为止。了解SQL不仅能帮助你日后学习XQuery，你还有可能马上发现能简化或改进目前项目的方法。 培养好奇心 最后，（对，我意识到这是第11门技术），好奇心是你最重要的技能。要去尝试各种东西。新语言或新技术对你当前或将来的工作可能有用，也可能没用，但并不是你所学的每一件事都是为了工作。不要害怕失败，万事开头难，学新技术也是如此。大多数失败是因为人们希望太快地学到太多的东西。要对每一点进步感到满意，不要让时间（或缺乏时间）妨碍你。相反，你要安排时间留心、研究、试验新的开发技术和工具。 你可能永远也没有必要成为这些技术的专家，而且我的选择可能根本不适合你的特殊情况，但通过培养好奇心，你将会发现你应该了解的东西。
   

㈥ 用什么编程软件最好

ProCAM是基于Windows下的二维冲加工系统，它用图形化界面定义工艺路线，当零件所有加工路线被给定后，就可进行后置处理了，进而生成NC加工程序和刀具文件。
一、CAD中作零件图

打开ProCAM2D软件，就直接进入了CAD系统。在CAD中，先画出要编程的零件图形，这是CAD/CAM中软件编程的第一步。对于已有的零件设计展开图形，只需将图形文件类型和格式转换成CAD/CAM系统可接受的文件类型和1:1的比例，即可直接调用，进入下一步CAM系统中铺模。

对于规则零件，如电气安装板等，CAD/CAM可同时切换进行，即边画图边铺模，甚至有些不用在CAD中作图，便可直接在CAM中用孔的中心坐标图形化定义模具位置进行铺模。CAD中画好图形后，不要进行CAD图形排样，排样最好是在CAM中铺好模具后将CAM模型作为整体进行排样处理。

接下来，按CAM按钮，系统便从CAD中进入CAM系统。进入CAM时，需要根据实际使用的数控机床，选择后处理器（或称控制系统），这一点至关重要，不能选错。

二、CAM中铺模、排样

这一步，是CAD/CAM编程过程中的重点。数控冲编程，关键在于铺模，即选择适当的模具，图形化地确定适当的冲裁工艺路线。铺模有手动铺模、自动铺模及手动和自动相结合铺模三种方式，也就是通常所说的手动编程、自动编程和半自动编程。

铺模之前，我们首先根据零件的尺寸精度、规格大小及铗钳位置等来确定，是冲裁零件的整个内外轮廓，还是只冲部分内外轮廓，或不冲外轮廓。熟练后，这一点很快就可以确定了。其次，建立模具库Tool Library，将常用的模具及其装载方式设置成标准模具文件Tool Files（如Punch Tools转塔模具清单文件）并保存起来，在实际工作中可省去重复定义常用模具的步骤。如以处理器名称附上*.ptf 后缀保存模具文件，进入CAM系统打开相应的后处理控制系统时，该标准模具库自动打开，即可直接调用模具。当然，也可以每加工一个零件直接在转塔中定义模具。

1. 手动编程

编程员调用适当模具，手工沿CAD图形内外轮廓插入模具冲裁路径，CAM中系统允许手工插入单冲点、线形、弧形、圆形及窗口模具路径等。

手动编程的关键是，确定模具沿工件轮廓线的内侧还是外侧走，即模具偏置补偿(Tool Componsation)问题。确定偏移量( Offset )，通过冲裁方向定义模具插入实体的Right边、Left边还是Center，进行Right offset、Left offset、Center offset和End Compensation(终点补偿)、No Compensation(无补偿)、Reference Compensation(参照补偿)等。

在冲裁铺模时，要考虑冲裁工艺性和工件刚性强度来加冲工艺孔和选择恰当冲裁顺序，如先冲内部后冲外部、先冲小孔后冲大孔等。在冲裁复杂较大板材时，要调用较多模具，鉴于实际模具数量、规格大小、机床转塔旋转工位的限制，我们最好在铺模前做好整体全局考虑，以免铺模中途出现麻烦。对于加工超长板材，需重新定位冲裁的工件，手动铺模时应考虑重新定位的位置。

2. 自动编程

进入CAM系统后，调用冲模适配命令(Toolfit)，系统可对转塔文件和模具库文件进行搜索，自动调用适当模具，自动计算冲加工顺序，然后插入CAM实体进行自动铺模来完成加工各种工件。这里关键是选择恰当的Inside Toolfit (对内冲模适配)和Outside Toolfit (对外冲模适配)，让系统能判别哪些实体组成工件的外部边，而哪些实体组成工件的内部边，以便让系统确定哪些边要加工。

自动编程重点是，设定正确的InforBar信息栏中的冲模适配参数及Punch parameters (冲压参数)，如可使用冲模尺寸的最小或最大准许值、最优冲模宽度、最佳扁平度和最佳圆度、较优冲模尺寸、或最大过切参数、最小拱起值、Pitch ( 节距)等，当然可用缺省( default )值，但不一定是最优化的。

自动适配时，干涉检查(Interference Checking)和冲模步进(Step Tools)也很重要。干涉检查，是指系统对模具适配实体进行检查，看是否有过切。如有过切，将选用其他模具。如未找到合适模具，系统不对干涉部位进行冲模适配。冲模步进命令，对工件的每一实体一步步地冲模适配时，显示用于该实体的几种冲模和冲模轨迹选项，以便编程人员选择最佳冲模适配。

3. 半自动编程

由于自动铺模的局限性和其他一些理由，自动铺模有时很难得到最佳冲模适配，我们可以结合运用手动铺模和自动铺模来完成工件CAM模型的图形化定义，实现半自动编程。

在冲加工过程中，如果我们不想插入过多的M00暂停指令来取走工件或余料的话，这里有一个很重要的技巧——插入微联接。微联接有角微连接和单边微连接两种。角微连接用于定义两边连接处，即尖角处的微连接；单边微连接定义实体(边)单侧的微联接。由于微联接仅能够在端点处插入，所以可在CAD图形作好后，在欲附加单边微连接处打断CAD中图素，插入微连接。微连接的类型和尺寸可在CAD系统中用形状函数(Shape)定义，然后使用Insert Point 命令在想设微连接的直线端点处插入合适的Micro Joint(微连接)。

4. CAM模型的排样

为了提高生产效率和原材料利用率，减少不必要的材料浪费，对较小和冲加工中必须增设夹位的零件，我们可以利用系统中的镜像、对称、矩阵排列和拷贝等功能进行CAM模型的排样、工件套工件处理(俗称套料处理)。排样冲裁形式可采取如图1～图3所示的几种方式。

图1 双排单边冲裁排样

图2 双排双边冲裁排样

套料、排样处理好后，可进行系统的Set Information设置，包括板材的规格尺寸、夹钳位置等。如果工件(工件组)在板材上的定位不正确，可使用Move命令，将工件移至板材恰当位置。夹位确定可在铺模时进行，图形化定义其位置，以便即时、直观准确地了解夹钳死区情况。

图3 接边冲裁排样

三、 刀具轨迹优化处理

对于手动编程的单个加工(没有排样、套料的) 零件，手动铺模同时，可以人工的优化、重定位和次序化等模具路径处理，其他像自动、半自动编程和排料、套料后的冲裁加工，都要进行模具冲裁轨迹优化处理。包括优化(Optimization)、次序化(Order utility)或重定位(Reposition)等。

1. 优化处理

优化处理是优化CAM加工轨迹次序以减少冲压时间或使冲点之间的距离最短和换刀次数最少。优化包括：栅格优化(Grid optimization)、单个视窗优化(Single window)、除双优化(Remove Doubles )、避开夹钳快速移动优化和冲模分类调整等。

2. 次序化

次序化是指调整刀具冲压加工次序，包括：重定义次序( Reorder )、前移/后退( Before/After )等。

3. 重定位

重定位是对超出机床工作区的板材重新定位，以便对板材进行更多的冲压加工。

四、 零件的后处理(Post Process)

刀具轨迹优化处理完后，便可进行自动化的后处理。后处理器将CAM模型中模具冲裁顺序和操作信息创建为NC程序代码，按下RUN运行，系统将生成两个文件：NC程序文件及Setup Sheet (设置板材)文件，它们都是文本文件，可以使用Windows提供的文本编辑器进行读写、编辑和打印操作。

㈦ 国内的杀毒软件都有什么

东方微点

微点的技术特点

微点主动防御软件获得五个重大技术创新

1、创立动态仿真反病毒专家系统：对病毒行为规律分析、归纳、总结，并结合反病毒专家判定病毒的经验，提炼成病毒识别规则知识库。模拟专家发现新病毒的机理，通过对各种程序动作的自动监视，自动分析程序动作之间的逻辑关系，综合应用病毒识别规则知识，实现自动判定新病毒，达到主动防御的目的。

2、自动准确判定新病毒：分布在操作系统的众多探针，动态监视所运行程序调用各种应用编程接口（api）的动作，自动分析程序动作之间的逻辑关系，自动判定程序行为的合法性，实现自动诊断新病毒，明确报告诊断结论；有效克服当前安全技术大多依据单一动作，频繁询问是否允许修改注册表或访问网络，给用户带来困惑以及用户因难以自行判断，导致误判、造成危害产生或正常程序无法运行的缺陷。

3、程序行为监控并举：在全面监视程序运行的同时，自主分析程序行为，发现新病毒后，自动阻止病毒行为并终止病毒程序运行，自动清除病毒，并自动修复注册表。

4、自动提取特征值实现多重防护：在采用动态仿真技术的同时，有效克服特征值扫描技术滞后于病毒出现的缺陷，发现新病毒后自动提取病毒特征值，并自动更新本地未知特征库，实现“捕获、分析、升级”自动化，有利于对此后同一个病毒攻击的快速检测，使用户系统得到安全高效的多重防护。

5、可视化显示监控信息：对所监控程序行为的信息可视化显示，用户可随时了解计算机正在运行哪些程序，其中哪些是系统程序，哪些是应用程序，还可进一步了解程序是何时安装，什么时候运行，运行时是否修改了注册表启动项，是否生成新的程序文件，程序是否具有自启动，程序由谁启动执行，程序调用了哪些模块，以及当前网络使用状况等等。用户直观掌握系统运行状态，并依据其分析系统安全性。既可用作系统分析工具，又可作为用户了解计算机系统的学习工具。

主动防御与反病毒软件通用的病毒特征值扫描技术的区别

微点主动防御软件开创了我国杀毒软件”主动防御”的先进理念，属于防病毒软件，但完全区别于目前市场上的防病毒软件。

当前杀毒软件多采用特征值扫描技术，即由专业反病毒人员在反病毒公司对已可疑的程序进行人工分析研究，人工判断该程序是否是病毒；如果该程序是病毒，由反病毒工程师人工提取该病毒的特征码，再通过升级的方式更新用户计算机上杀毒软件的病毒特征库，此时用户计算机上的杀毒软件才能判断某个程序是病毒。也就是说，如果用户不升级，用户计算机上的杀毒软件就不能防范新出现的病毒。这也就是防病毒公司始终强调用户要实时升级的原因。可以这样说，病毒总是出现在杀毒软件更新病毒特征码之前的，因此，传统的杀毒软件对新病毒的防范始终滞后于病毒的出现。

微点主动防御软件建立了动态仿真反病毒专家系统，能够自动准确判定新病毒，并且能够自动提取特征值，自动更新本地特征值库，实现对病毒的主动防御。简单来讲，微点主动防御软件不是依赖于病毒特征码的判断，是依靠动态仿真反病毒专家系统根据病毒程序运行的行为进行判定，就像一个专业反病毒人员人工判断病毒一样，但微点实现了程序的自动化；

微点主动防御软件与当前流行杀毒软件的主要区别：微点主动防御软件依靠动态仿真反病毒专家系统的病毒识别规则知识库自动准确判定新病毒，当前流行杀毒软件依赖于专业反病毒人员手工判断提取的病毒特征码。在防范新出现病毒的时间上，微点主动防御软件是实时发现新病毒，当前流行杀毒软件需要等待防病毒公司更新病毒特征码后才能发现病毒。

已知与微点主动防御软件有冲突的安全产品

1、卡巴斯基(AVP)杀毒软件v5.0.237 版
2、McAfee 杀毒软件9.0以下的版本
3、Outpost Firewall
4、F－Secure Client 6.01 企业版

微点主动防御软件防火墙功能介绍
微点主动防御软件传统防火墙规则包介绍
微点目前默认有五个规则包：
规则包一：开放网络，不对进出数据包做任何限制
规则包二：禁止网络，禁止任何数据包进出
规则包三：开放本机连接共享，适用于局域网内部用户
规则包四：禁止本机连接共享，适用于局域网内部用户
规则包五：适用于使用互联网的用户
双击规则包可以详细查看规则包的具体规则

㈧ 为什么编程界的名词逼格都这么高

编程本来就是理工科范畴，要想学好编程，理解编程，要懂得很多数学，逻辑，算法，这些东西都是学术性的东西，编程，学到后来就是把学术性理论性的东西应用到实际开发中，那你说，能不涉及到逼格很高的理论名词吗？
当然了，初级的时候，不会遇到很高逼格的名词，但是即使不怎么高，在别人听来，仍然不明觉厉，比如：抽象，静态，接口，回调，面向对象，面向接口，李氏代换，迪米特法则。。。。。。

㈨ 如何学好电脑

伴随着新世纪钟声的敲响，我们真正跨进了以计算机为主要学习、工作、生活手段的信息时代。掌握计算机应用技术不仅是每个人的基本素质，也是今后谋生的重要技能。因此，不少人担心"像我这种对计算机了解不多的人，会不会被淘汰"?他们非常关心怎样才能学好计算机，从而为自己的前途和发展作准备。

说到学习哪些方面的计算机知识、怎样学，来自方方面面的观点真让人眼花缭乱。有人认为计算机的发展这么快，目前所学的知识在若干年后会过时，应当学好计算机的基本操作，对于那些不断变化的技术只要适当掌握，有时间再熟练掌握也不迟。还有人认为应该把计算机当作数学、语文那样的一门学科来学习，系统地掌握各种基本原理和编程方法，从而成为像数学家、文学家那样的计算机专家……五花八门的观点不一而足。

为了解开无数学习者心中的疑问，本版新开辟了"怎样学好电脑"栏目，首先请来了电脑教育领域的一流专家谈谈他们的高论，以后还将邀请这方面的专业人士来本栏目"坐堂"，当然，也欢迎对电脑学习有独门秘技的各路英豪在我们的栏目中各显奇招……来吧，来吧，让所有爱电脑、学电脑的人相约在2002！

如何学好电脑

吴文虎：中国计算机学会普及委员会主任、国际信息奥林匹克中国队总教练、清华大学计算机科学与技术系教授

多年实践表明，学习"人类通用智力工具"，掌握有关计算机知识与技能会对提高学生的智力与能力，促其成长与成才大有益处。那么，怎样才能使学生学好计算机呢？首先要分析学习的对象，要讨论学习的目标。对象不同方法不同，目标不同要求不同。计算机有如下六个独特之点：

1、是最现代化、最先进的高科技产品；

2、是人人都可以拿来使用的通用智力工具；

3、不仅是可直接面对的机器，而且是可潜心进行研究探索的学科；

4、它不仅是可以让人摆布，还能与人交流，给人忠告与建议；

5、如果将它连在网络上，它还能营造一种新的全球网络文化氛围；

6、它发展速度极快，无论是硬件还是软件，新东西层出不穷，让人感到常学常新；

面对这种全新的科技成果及其所包容的学科，必须有独特的行之有效的学习方法。

提倡自学

对初学者，老师引进门很重要，但以后就要靠自学。自学能力对于计算机学习尤为重要，原因就是计算机发展奇快，掌握了自学方法，具备了自学能力，才能应付计算机日新月异的发展形势。有人说，"自学，谈何容易！"我说别的学科自学可能较难，而计算机却相对容易一些。为什么这样说呢？因为计算机越来越"平易近人"，让人能够看得见、摸得着。能够让人动的东西就好学，比如几岁的娃娃就敢去开电视机和调台，能够去控制VCD等，难道电视机和VCD机不是高科技产品吗？计算机作为学习对象，理论知识和实践环境是统一的，学习内容和进度自己可以掌握，自学当中有弄不懂的东西，大多可以通过上机加以解决。因此，我说它易于自学、便于自学。当然，有一本便于自学的指导书就更好了。

强调动手

算机这个学科实践性特强，不动手是学不会的。计算机从诞生那天起就被人蒙上了神秘的面纱，许多专着像"天书"，让初学者望而生畏。但是，很多小孩子为什么能把计算机用得那么好呢？窍门在哪儿呢？动手！一动手就会感到"原来如此"、"没有什么了不得"！这样，就会越学越轻松、越学越有兴趣。边动手边动脑是计算机学习的基本模式，可以自然而然地摈弃那种死记硬背、"纸上谈兵"的学习模式，既动手又动脑，形成生动活泼的学习氛围。动手，还能强化理论联系实际的优良学风、培养实干精神。

注重应用

在学习计算机知识与技能的过程中，要想到"用"，"用"到自己的学习、工作和生活中。作为智力工具，作为人脑的延伸物，让计算机帮助我们思维、论证、决策，以提高分析问题和解决问题的能力。参加信息学奥林匹克活动的孩子们为什么能在国际大赛中摘取金牌，就是他们学以致用，在"用"中加深理解，把计算机变成了得心应手的工具。人们常说"熟能生巧"，泛指学用一般工具，对学用计算机这种智力工具，就不仅仅是"生巧"了，而且还"益智"，即有利于开发智力。计算机中浓缩着人类智慧的结晶，集成着现代人的思维方式和科学方法，通过人脑指挥电脑、电脑帮助人脑的过程，会使人越来越聪明，越来越能干。在新世纪大智大勇，富有创造才能的人，一定是会使用电脑帮自己工作的人。

专家谈“如何学好电脑”(中)

上网

计算机教育不仅仅是学科教育，更重要的是一种文化教育。目前，分布在五大洲的几千万台计算机已经联到了互联网上，形成了一种新的文化氛围；会不会使用网络成为衡量现代人文化水准的一个新尺度。在网络文化氛围中，获取信息、处理信息、交流信息的能力十分重要，这也是现代人的一种基本能力，从某种意义上看，"网络就是计算机"。学习网络方面的知识与技能是十分重要的，谁不充分认识这件事的重要性，将来就会追悔莫及。另一方面，文化不等于文明，网络上存在着很多很有用的东西，但也有糟粕，怎样区分有用的信息和无用的信息，识别香花与毒草的能力，也是现代人的一种基本能力。在上网这件事上，"因噎废食"不可取，打点"预防针"却是必要的。

计算机教育不仅仅是学科教育，更重要的是一种文化教育。目前，分布在五大洲的几千万台计算机已经联到了互联网上，形成了一种新的文化氛围；会不会使用网络成为衡量现代人文化水准的一个新尺度。在网络文化氛围中，获取信息、处理信息、交流信息的能力十分重要，这也是现代人的一种基本能力，从某种意义上看，"网络就是计算机"。学习网络方面的知识与技能是十分重要的，谁不充分认识这件事的重要性，将来就会追悔莫及。另一方面，文化不等于文明，网络上存在着很多很有用的东西，但也有糟粕，怎样区分有用的信息和无用的信息，识别香花与毒草的能力，也是现代人的一种基本能力。在上网这件事上，"因噎废食"不可取，打点"预防针"却是必要的。

刘瑞挺：全国高等院校计算机基础教育研究会副理事长、天津南开大学计算机与系统科学系教授、《个人电脑》杂志社总编

"计算机普及要从娃娃抓起"已经成为一条公理。家长、教师、学校、社会都对孩子的电脑教育给予了极大的关怀。就在这时，少儿NIT出现了，而且，立刻引起社会的热烈反响。教育部考试中心的咨询电话整天不断，已有28个省市自治区承办。那么，什么是少儿NIT呢？

NIT是全国计算机应用技术证书考试的缩写，现在要把它推广到少年儿童中，所以称为少儿NIT。小孩要这种证书有什么用呢？也许还有人会火冒三丈："为什么要用考试来摧残幼小的心灵？"且慢，弹钢琴不是也有考级吗？没有人说它在摧残孩子。原因是这些孩子有音乐细胞，而且乐此不疲。如果，孩子并无音乐天赋，家长非骂即打地硬逼他弹琴，那就真是摧残了。其实考试不等于就是应试教育，而且少儿NIT考试的"只记成功、不记失败"更与摧残毫不沾边，它以上机培训为主，一边学一边通过，乃是推动素质教育的利器。

大多数孩子都会喜欢电脑，这是由电脑的特性决定的。孩子的童心是好奇、好问、好学、好玩、好动、好斗、好强、好胜，而电脑丰富多彩的软件正好能满足孩子多方面的渴望。把这些辅助智力工具尽快、尽早地交给孩子，他们会终生受益。只要孩子有一种爱好，就可以通过这一爱好让他喜欢上电脑。爱好语文的可以用它写文章，爱好算术的可以用它解题，爱好美术的可以用它绘画，爱好音乐的可以用它作曲。他们可以通过不同的途径喜欢上电脑。那么，会不会有的孩子无论如何也不喜欢电脑呢？会的。但这又有什么关系呢？这种孩子不会超过5%，恐怕需要特殊方式来关怀他们。

现在，少儿NIT已推出十个模块：操作基础、文字、表格、画图、上网、音乐、动画、编程、多媒体、数据库。每个模块都由过程式培训、作品设计、上机考试组成。凡获得三个模块证书者，可申请少儿NIT铜牌证书；获得六个者，可申请银牌证书；获得十个者，可申请金牌证书。这些证书肯定能成为他们走向信息化、数字化的坚实台阶，为他们成为新世纪的建设者奠定稳固的基础。

随着社会经济的发展，人们正在改变着自己的观点。有些领导说："如果放慢落后地区普及计算机的速度，就会加大与先进地区的差距，使教育更不公平"；有些家长说："我要和孩子一起学电脑"，"早买、晚买，需要就买。低档、高档，合用就行"；有些教师说："自古英雄出少年，电脑学得好、其他功课也学得好的孩子大有人在"。

新世纪的到来，会使电脑和网络成为我们生活中不可或缺的信息源泉。"海阔凭鱼跃，天高任鸟飞"。中国孩子从小就在信息海洋中游弋的时代就要到来。

专家谈“如何学好电脑”(下)

什么年龄开始学电脑

吕品：全国中小学计算机教材审查委员、北京信息学奥林匹克学校副校长、北京西城区电教馆计算机室主任

这是一个看似简单、其实很复杂的问题。所谓简单，即似乎只要用一个数字就可以回答：6岁、10岁或12岁。说它复杂，是因为这个"学"字可以有不同的理解和不同的层次。是学习电脑的技术还是学习专业知识？是学习操作还是学习应用？是仅仅和电脑交朋友还是要熟练地掌握？不同的层次、不同的要求就有不同的回答。对于绝大多数人来说，学习电脑不是为了成为一名计算机专家，而是为了应用。因此，我仅在这一学习层次内谈谈自己的看法。

学习电脑的特殊性

电脑是高科技的产品，它的内部结构、工作原理，硬件的制造技术极其复杂，是科学的象牙之塔。但是它的使用又是那么方便、简单，学习电脑的基本操作要比学开汽车，或学习一个学科知识容易得多。这是其他机器所根本不能相比的。现在一些所谓自动洗衣机、傻瓜相机等机器很容易使用，就是因为它们内部安装了"微型电脑"的缘故。

由于学习电脑这种特殊性，因此学习电脑从初级到高级有多个层次。这与照相一样，可以学习用"傻瓜相机"一按就照的初级摄影，也可以学习用专业相机、具备丰富专业知识的高级摄影。

从普及的角度讲，可以有：与电脑交朋友、用电脑帮助学习、学习基本操作技能、学习电脑使用、学习电脑的应用、学习一些电脑基础知识等几个层次。

幼儿就可以"用电脑"

我国普及电脑知识已经有近20年了。积20年的工作经验，不少人认为，从3岁半开始，就可以接触电脑，"与电脑交朋友"。儿童从3岁～7岁为幼儿期；从生理上分析，这个阶段幼儿的手的动作开始协调，可以按键和用鼠标了，因此，也可以进行一些电脑的操作，在几个幼儿园的实践也证明了这些。

如：在北京的北海幼儿园、铁道部幼儿园等都开展了电脑的活动。以上事实说明，学习电脑没有年龄限制，只要有动手能力，就可以和电脑交朋友。

根据工作经验，在幼儿中普及电脑，应注意以下几点

一是在用电脑中学电脑即主要是把电脑作为一个开发幼儿智力的工具来使用。在使用中使幼儿喜欢电脑，愿意和电脑交朋友，潜移默化地学到一些必要的电脑操作技能和知识。

二是游戏我国着名的教育家陈鹤琴曾说过："小孩子是好动的，是以游戏为生命的"。幼儿阶段的主要活动是游戏，幼儿用电脑同样也必须采用游戏的形式，才能取得好的效果。

三是为了保护幼儿身心健康特别是视力，在电脑前的持续时间最多不要超过15分钟。

只要注意了以上几点，电脑可以成为幼儿的"好朋友"。可以发展他们的智力和手脑并用的能力，并开发他们右脑功能。

想知道如何学好计算机吗，今天就看看我的方法吧！

? 我是一个在大学还接触计算机的人，在没上大学之前，我就知道上网聊天罢了，说句心里话 ，我就没打算上大学，不是我妈的话，我不知道要落魄到什么状态，我会好好报答我妈的。

??其实计算机不是什么神秘的东西，只要你去接触他，在深深剥析，你自然就会知道很多关于计算机的秘密了，我大学是学计算机的，那你一定会问我你学计算机当然会在很多哦，其实我真的很自卑，我当是的同学大多是职高的，而我还有几个是普高的，他们就比我们优秀，在普高这来说，我是最丢的，我好没面子啊！所以我下定决心要跟上，我就用了下面的方法，不是每个人都实用哦：

1：多多看书，你要把书看成是你的亲生父母，天天都要去看才行，然后还要依赖他，主要是没他不行啊，你想想看，你不去看的话，那来的基础啊，做什么事都要有底子还行啊，跟我们成长是一个意思，反正是一步一步，慢慢来。

2：你要对计算机有兴趣还行，不然你是不会去认真去研究他的，有兴趣就好说了，比如我就是啦，多买买计算机杂志，当然少不了黑客杂志了，他可是我每月必买啊，那怕是穷的卖裤子！哎，生活逼人啊

3：就是最重要的一点了，去实践，经常上网是件好事，但你一定要做有用的事才有价值，什么用呢，就是把学的运用到你的身边，这样你还会感觉你学的是有用的，是不是啊。那么你就会更深层的去学了。

4：看你自己了，计算机这东东可是深不可测的啊，你就必须跟上时代的步伐，怎么跟我就不说了吧，你自己应该知道吧！引用宋祖英的一句话"走进了新时代"，我们做这行的就天天到新时代去，日子不好啊！

?好了，我就不说了，我还要去上课啊，知道什么课吗？嘿嘿，编程哦，是个好玩意，偶就走了，希望偶的这点字有用，拜！！

年轻人不看可惜了，如何学好计算机科学(转载)

计算机科学与技术反思录

计算机科学与技术这一门科学深深的吸引着我们这些同学们，上计算机系已经有近三年了，自己也做了一些思考,我一直认为计算机科学与技术这门专业，在本科阶段是不可能切分成计算机科学和计算机技术的，因为计算机科学需要相当多的实践，而实践需要技术；每一个人(包括非计算机专业)，掌握简单的计算机技术都很容易（包括程序设计），但计算机专业的优势就在于，我们掌握许多其他专业并不“深究”的东西，例如，算法，体系结构，等等。非计算机专业的人可以很容易地做一个芯片，写一段程序，但他们做不出计算机专业能够做出来的大型系统。今天我想专门谈一谈计算机科学，并将重点放在计算理论上。

计算机理论的一个核心问题——从数学谈起：

记得当年大一入学，每周六课时高等数学，天天作业不断(那时是六日工作制)。颇有些同学惊呼走错了门:咱们这到底念的是什么系？不错，你没走错门，这就是计算机科学与技术系。我国计算机科学系里的传统是培养做学术研究，尤其是理论研究的人（方向不见得有问题，但是做得不是那么尽如人意）。而计算机的理论研究，说到底了，如网络安全，图形图像学，视频音频处理，哪个方向都与数学有着很大的关系，虽然也许是正统数学家眼里非主流的数学。这里我还想阐明我的一个观点：我们都知道，数学是从实际生活当中抽象出来的理论，人们之所以要将实际抽象成理论，目的就在于想用抽象出来的理论去更好的指导实践，有些数学研究工作者喜欢用一些现存的理论知识去推导若干条推论，殊不知其一：问题考虑不全很可能是个错误的推论，其二：他的推论在现实生活中找不到原型，不能指导实践。严格的说，我并不是一个理想主义者，政治课上学的理论联系实际一直是指导我学习科学文化知识的航标（至少我认为搞计算机科学与技术的应当本着这个方向）。

其实我们计算机系学数学光学高等数学是不够的（典型的工科院校一般都开的是高等数学），我们应该像数学系一样学一下数学分析（清华计算机系开的好像就是数学分析），数学分析这门科学，咱们学计算机的人对它有很复杂的感情。在于它是偏向于证明型的数学课程，这对我们培养良好的分析能力极有帮助。我的软件工程学导师北工大数理学院的王仪华先生就曾经教导过我们，数学系的学生到软件企业中大多作软件设计与分析工作，而计算机系的学生做程序员的居多，原因就在于数学系的学生分析推理能力，从所受训练的角度上要远远在我们之上。当年出现的怪现象是：计算机系学生的高中数学基础在全校数一数二(希望没有冒犯其它系的同学)，教学课时数也仅次于数学系，但学完之后的效果却不尽如人意。难道都是学生不努力吗，我看未见得，方向错了也说不一定，其中原因何在，发人深思。

我个人的浅见是：计算机系的学生，对数学的要求固然跟数学系不同，跟物理类差别则更大。通常非数学专业的所谓“高等数学”，无非是把数学分析中较困难的理论部分删去，强调套用公式计算而已。而对计算机系来说，数学分析里用处最大的恰恰是被删去的理论部分。说得难听一点，对计算机系学生而言，追求算来算去的所谓“工程数学”已经彻底地走进了误区。记上一堆曲面积分的公式，难道就能算懂了数学？那倒不如现用现查，何必费事记呢？再不然直接用Mathematics或是Matalab好了。

我在系里最爱做的事情就是给学弟学妹们推荐参考书。中文的数学分析书，一般都认为以北大张筑生老师的“数学分析新讲”为最好。万一你的数学实在太好，那就去看菲赫金哥尔茨的“微积分学教程”好了--但我认为没什么必要，毕竟你不想转到数学系去。吉米多维奇的“数学分析习题集”也基本上是计算型的东东。书的名气很大，倒不见得适合我们，还是那句话，重要的是数学思想的建立，生活在信息社会里我们求的是高效，计算这玩意还是留给计算机吧。不过现在多用的似乎是复旦大学的《数学分析》也是很好的教材。

中国的所谓高等代数，就等于线性代数加上一点多项式理论。我以为这有好的一面，因为可以让学生较早感觉到代数是一种结构，而非一堆矩阵翻来覆去。这里不得不提南京大学林成森，盛松柏两位老师编的“高等代数”，感觉相当舒服。此书相当全面地包含了关于多项式和线性代数的基本初等结果，同时还提供了一些有用的又比较深刻的内容，如Sturm序列，Shermon-Morrison公式，广义逆矩阵等等。可以说，作为本科生如能吃透此书，就可以算高手。国内较好的高等代数教材还有清华计算机系用的那本，清华出版社出版，书店里多多，一看就知道。从抽象代数的观点来看，高等代数里的结果不过是代数系统性质的一些例子而已。莫宗坚先生的《代数学》里，对此进行了深刻的讨论。然而莫先生的书实在深得很，作为本科生恐怕难以接受，不妨等到自己以后成熟了一些再读。

正如上面所论述的，计算机系的学生学习高等数学：知其然更要知其所以然。你学习的目的应该是：将抽象的理论再应用于实践，不但要掌握题目的解题方法，更要掌握解题思想，对于定理的学习：不是简单的应用，而是掌握证明过程即掌握定理的由来，训练自己的推理能力。只有这样才达到了学习这门科学的目的，同时也缩小了我们与数学系的同学之间思维上的差距。

概率论与数理统计这门课很重要，可惜大多数院校讲授这门课都会少些东西。少了的东西现在看至少有随机过程。到毕业还没有听说过Markov过程，此乃计算机系学生的耻辱。没有随机过程，你怎么分析网络和分布式系统？怎么设计随机化算法和协议？据说清华计算机系开有“随机数学”，早就是必修课。另外，离散概率论对计算机系学生来说有特殊的重要性。而我们国家工程数学讲的都是连续概率。现在，美国已经有些学校开设了单纯的“离散概率论”课程，干脆把连续概率删去，把离散概率讲深些。我们不一定要这么做，但应该更加强调离散概率是没有疑问的。这个工作我看还是尽早的做为好。

计算方法学（有些学校也称为数学分析学）是最后一门由数理学院给我们开的课。一般学生对这门课的重视程度有限，以为没什么用。不就是照套公式嘛！其实，做图形图像可离不开它，密码学搞深了也离不开它。而且，在很多科学工程中的应用计算，都以数值的为主。这门课有两个极端的讲法：一个是古典的“数值分析”，完全讲数学原理和算法；另一个是现在日趋流行的“科学与工程计算”，干脆教学生用软件包编程。我个人认为，计算机系的学生一定要认识清楚我们计算机系的学生为什么要学这门课，我是很偏向于学好理论后用计算机实现的，最好使用C语言或C++编程实现。向这个方向努力的书籍还是挺多的，这里推荐大家高等教育出版社（CHEP）和施普林格出版社(Springer)联合出版的《计算方法（Computational Methods）》,华中理工大学数学系写的（现华中科技大学），这方面华科大做的工作在国内应算是比较多的，而个人认为以这本最好，至少程序设计方面涉及了：任意数学函数的求值，方程求根，线性方程组求解，插值方法，数值积分，场微分方程数值求解。李庆扬的那本则理论性过强，与实际应用结合得不太紧。希望能帮到你，麻烦把我的选为最佳答案，谢谢！

㈩ 微信开发者工具微塔代码怎么做实名认证

摘要 您好，很荣幸为您解答，以下是我为您整理的答案——1、打开手机微信。