获奖感言

能拿到这件黄色的领骑衫,心里真的非常高兴。仔细看了一下,扣子、领子、各种图案各种细节十分精致。可以说这件领骑衫既有纪念意义,又有实用意义,真的很棒。

背后的故事

其实开始接触博客的时候,我是带着懵逼又好奇的心理去成它的,不知道要怎么写,为什么要写,所以开始时我的博客颇为简略。

题目一般是给出几个关键词,然后让我们自己去找学习资料,解决问题的办法。对于这样的学习方式,我并没有能够迅速接受,并不是不能独立学习,而是没有了“官方”的资料,总是 对自己找到资料不信任。

我深知,自己并非那种早早接触程序语言的人,但是如果态度好了,对博客作业重视了,也是能突破自己的。所以,c++开课后,我总是在作业发布的两小时之内开始构思,查资料,然后花一整个半天甚至一整天的时间完成,然后早早地提交。一方面是为了完成作业不掉队,另一方面也是为了节省时间可以做其它的事情。这样做了几次,博客质量就上去了。总是前几个提交作业,也莫名多了一些成就感,甚至开始考虑,后完成作业的同学可能会遇到什么问题。在完成作业的时候因为参考了四面八方的人的博客,所以也会有意识的把自己遇到的问题,不以图片而是以文字的形式写下来,方便人们搜索。所以不断丰富了自己的博客,提高了博客质量。

到了后来,每次的博客作业都是紧张刺激的,我希望自己尽可能快,尽可能好地完成作业,但是也不确定,自己究竟需要多长的时间,是否能够完成作业。有时候只需要花半天时间,有时候甚至得花整整两天的时间。这样的方式是辛苦的,也是紧张而有趣的。但是这样的紧张不同于被deadline追着跑、应付作业的紧张,这样的紧张是一种挑战,而后一种紧张消除后,并不能使你获得一种愉悦感。

获得领骑衫以后,也有幸和所有的福大领骑衫获得者留下合影:

对于Learning by doing的思考

之前看过斯科特杨(一个一年学完MIT 4年计算机所有课程的人)的故事,(传送门),他是一个系统性的学习者,他会把它所学的知识与生活经验、自己已有的知识联系在一起,然后构造起一个发达的交通网络,知识与知识互相联系,可以迅速地调用知识,甚至通过知识间的联系,产生新的想法和创意。而Learning by doing就与他的理念暗合,doing的过程本身就是生活经验产生的过程。其中存在一些对应关系:搜索知识->提问,阅读资料->理解材料,判断与知识的相关程度,编码->应用知识,调试->检验知识中存在的漏洞。可以说每一步doing都加深了对知识的掌握,搭建起更发达的知识网络,所以在doing中,也就达到了Learning了

总结

  • 遇到栋哥真的是一件很幸运的事,栋哥是一个真正的好老师×3。
  • Learning by doing。
  • 有了积极的态度,就能把事情做好很多。
  • 写博客是一种很不错的方式,值得把这件事延续下来。

Learning by doing——获黄色领骑衫之感的更多相关文章

  1. Build to win!——获得小黄衫的感想

    UPDATE: 应栋哥要求,上传了无遮挡的正面照(我的内心其实是拒绝的!(ㄒoㄒ)) 一.前言&背景 从大一上C++课程开始,栋哥就开始安利他大三的软工实践课. 时间过得飞快,大学转眼就过去一 ...

  2. Beta冲刺吐槽&&获小黄衫心得

    引 个人感觉本次Beta冲刺最大的槽点还是--反向延长 "冲刺周期" 做的不一样很容易,做的更好才是非常困难的 遗留的问题 经历了Alpha冲刺,组内大多数同学也大都对实践感到些许 ...

  3. Build to win

    UPDATE:看到周筠老师的评论里的链接,那版式真的非常舒服.我想想模仿模仿他的布局来看看,虽然感觉做的也不是太好.另外对博客内容稍作修改. 一.获得小黄衫的感受 很幸运能够获得"领骑衫&q ...

  4. 《软工实践》第零次作业 - 一些QA

    <软工实践>第零次作业 - 一些QA Q&A (1)回想一下你初入大学时对计算机专业的畅想 当初你是如何做出选择计算机专业的决定的? 你认为过去两年中接触到的课程是否符合你对计算机 ...

  5. 利用千人基因组数据库查看SNP在不同地区、国家、洲的频率及个数

    首先,进入千人基因组数据库的网站:https://www.ncbi.nlm.nih.gov/variation/tools/1000genomes/ 如下图所示,在数据库的框框里输入我们感兴趣的SNP ...

  6. 看见- 柴静-kindle书摘

    笔记本导出 看见 柴静 序 言 标注(黄色) - 位置 3 关心新闻中的人—— 标注(黄色) - 位置 36 二〇〇〇年,我还是湖南卫视“新青年”主持人, 第一章 / 别当了主持人就不是人了 标注(黄 ...

  7. Learning Combinatorial Embedding Networks for Deep Graph Matching(基于图嵌入的深度图匹配)

    1. 文献信息 题目: Learning Combinatorial Embedding Networks for Deep Graph Matching(基于图嵌入的深度图匹配) 作者:上海交通大学 ...

  8. Machine Learning读书会,面试&算法讲座,算法公开课,创业活动,算法班集锦

    Machine Learning读书会,面试&算法讲座,算法公开课,创业活动,算法班集锦 近期活动: 2014年9月3日,第8次西安面试&算法讲座视频 + PPT 的下载地址:http ...

  9. Dictionary Learning(字典学习、稀疏表示以及其他)

    第一部分 字典学习以及稀疏表示的概要 字典学习(Dictionary Learning)和稀疏表示(Sparse Representation)在学术界的正式称谓应该是稀疏字典学习(Sparse Di ...

随机推荐

  1. 流畅的python和cookbook学习笔记(五)

    1.随机选择 python中生成随机数使用random模块. 1.从序列中随机挑选元素,使用random.choice() >>> import random >>> ...

  2. Oracle 数据库字典 sys.col$ 表中关于type#的解释

    sys.col$ 表是oracle基础数据字典表中的列表,表中描述了数据库中各列信息,其中type#是列的数据类型.以下表格说明了各个数值的含义,以供参考. 值 说明 1 如果列 charsetfor ...

  3. mysql5.7忘记密码修改方法

    mysql5.7忘记密码修改方法 mysql是开发中最常用的关系数据库之一.一般在安装数据库到时候会自定义root密码,有时候会忘记该密码,这时候需要对数据库进行密码修改. 一.windows下更改m ...

  4. php字符集转换

    PHP通过iconv将字符串从GBK转换为UTF8字符集. 1. iconv()介绍 iconv函数可以将一种已知的字符集文件转换成另一种已知的字符集文件.例如:从GB2312转换为UTF-8. ic ...

  5. Create a soft keyboard

    using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; usin ...

  6. rocketmq 两个线程同时消费一个消息

    1.问题描述 线上项目A部署两台机器,每台机器两个实例,订阅同一个topic,消费心跳数据. (两台机器host1,host2) 运维同事 部署时 有一个实例用root账户重启的, 然后该实例出现两个 ...

  7. 通过JavaScript创建Qml对象

    有两种方法可以创建,都是全局对象Qt提供的方法 一:用Qt.createComponent加载一个qml文件并创建Component 二:用Qt.createQmlObject从一个qml字符串创建C ...

  8. 旋转数组的最小数字(C++ 和 Python 实现)

    (说明:本博客中的题目.题目详细说明及参考代码均摘自 “何海涛<剑指Offer:名企面试官精讲典型编程题>2012年”) 题目 把一个数组最开始的若干个元素搬到数组的末尾,我们称之为数组的 ...

  9. Session和Cookie详解(1)

    面试常问的有关session和cookie的问题: 1.session在分布式环境下怎么解决 2.集群下如何保证session踩中 3.cookie的大小 4.服务器怎么识别一个用户的 5.sessi ...

  10. MongoDB学习笔记——概述

    概述 MongoDB是一个跨平台,面向文档的数据库.MongoDB创建的数据库可以实现高可用性,高性能,并且能够轻松拓展. MongodbDB的运行方式主要给予两个概念:集合(collection)和 ...