自我介绍

大家好，我是一名数据科学与大数据技术专业的在校大三学生，和许多热爱生活的人一样，我兴趣广泛：喜欢唱歌、美食、跑步、游戏。在生活中，我总是乐观面对困难，保持对学习的兴趣。

1. 我的 “技能树”
   我为自己绘制了一张技能树图，清晰地展示了当前的技术储备和未来的发展方向。

已具备的核心能力：
能力 A：Python (Pandas)
擅长：数据读取、清洗（处理缺失值 / 重复值）、转换（数据类型转换 / 字段衍生）、简单统计分析（均值 / 中位数 / 分组统计）。
能力 B：SQL
擅长：单表 / 多表查询（JOIN）、插入 / 更新 / 删除，能基于业务需求编写简单的分析 SQL。
能力 C：Hadoop & Linux
了解：HDFS 存储原理与操作，能用 MapReduce 进行分布式计算。
熟练：Linux 系统操作、软件部署。
我的技术兴趣方向：
大数据分析与挖掘：热衷于从海量、复杂的数据中挖掘有价值的信息。
数据驱动决策：希望技术能真正赋能业务，用数据指导决策。
目前欠缺的能力：
实战经验不足：缺乏企业级大规模数据处理的实战经验。
分析深度不够：在复杂业务场景下，洞察和建模能力有待提升。
可视化能力单一：目前仅能制作基础静态图表，对 Tableau、Power BI 等交互式工具不熟练。
2. 我的学习现状与规划
当前准备：
优势：兴趣浓厚，有 Python/SQL 基础，学习积极性高，接受能力强。
劣势：缺乏项目实战经验，对行业业务理解不深，底层技术储备相对薄弱。
本学期规划：
巩固现有技术，稳步提升代码能力。
每周学习投入：至少8小时专注于本课程，并高质量完成作业与项目。
3. 我的 WOOP 计划
为了让目标更清晰、行动更坚定，我为自己制定了 WOOP 计划。
Wish (愿望)：在本课程结束时，能完成一个完整的大数据分析项目（数据获取 → 清洗 → 分析建模 → 可视化呈现）。
Outcome (结果)：如果愿望实现，我将对大数据分析全流程有扎实的实践经验。
Obstacles (障碍)：懒。遇到一直无法解决的问题会有放弃的想法。
Plan (“if-then” 计划)：
如果遇到复杂代码 / 报错而烦躁，那么我会暂停，查阅资料或请教他人。
4. 《大数据计算与应用》学习思维导图
为了系统地学习课程知识，我绘制了一张思维导图，作为我本学期的学习蓝图。

5. 我的行动计划与监督措施
   高质量提问与反馈：
   坚持 “有问题就问”，本学期至少提出 3 个有深度的问题，并认真填写每一次反馈。
   自我监督：
   博客记录：用博客记录学习历程，定期分享数据可视化成果，监督自己提升可视化的创新性和交互性。
   下一步行动
   这份规划是我新学期的起点。接下来，我将：
   细化项目：尽快确定期末项目的主题和数据源，并进行初步探索。
   夯实基础：针对 Python 和 SQL 进行专项练习，特别是处理复杂场景的能力。
   探索可视化：开始学习 Tableau 或 Power BI，尝试制作第一个交互式仪表盘。