自我介绍

我是一名数据科学与大数据技术专业的学生，日常多半在教室，寝室辗转。调试代码的间隙，耳机里的轻音乐是最好的 “解压剂”；完成一个作业时，会喜欢看些小说放松。若说值得一提的闪光点，当属 “坚持” 二字。这份坚持藏在两处：一是专业里，对着报错日志反复排查，从基础语法到框架应用，一步没敢懈怠，二是日常生活中遇到困难也会坚持。
听歌时的专注、阅读时的沉淀，反倒让我更懂坚持的意义 —— 就像训练模型需要迭代优化，成长也藏在日复一日的积累里。这份坚持，让代码敲得更稳，也让平淡日子有了专属的重量。
现有专业能力：
编程语言基础：掌握 Python 基础语法，能独立完成简单的数据处理脚本（如数据清洗、简单爬虫）；了解 Java 基本结构，能实现面向对象的简单类设计，了解 MySQL 基础语句，能编写简单的增删改查（CRUD）操作。能成功部署Linux系统，并能使用XShell或HexHub等工具通过SSH（格式如 ssh username@ip）远程连接服务器，并掌握一些Linux的基础命令如文件目录操作和文件查看与编辑等。
兴趣方向：对后端开发抱有兴趣，尤其好奇数据在服务器间的流转机制、高并发场景下的系统设计逻辑。未来计划深入学习 Java 生态（如 Spring 全家桶）或 Python 后端框架（如 Django、Flask），探索后端技术底层原理与实践应用。
待补充的能力：技术深度不足：对编程语言的高级特性（如 Python 的装饰器、Java 的多线程）理解模糊，缺乏实际应用经验。工程化思维欠缺，从未参与过完整的项目开发流程，对 “需求 - 设计 - 开发 - 测试 - 部署” 的全链路认知空白。算法基础薄弱，仅了解冒泡、选择等基础排序算法，对复杂问题的算法设计能力不足。调试与排查能力较弱，遇到复杂Bug时容易陷入盲目尝试，缺乏系统性排查方法。
在这门课程中打算掌握Python基础语法，包括变量、数据类型（列表、字典、元组、集合）、控制流（if条件判断、for/while循环），了解Pandas库的基本操作，能够使用pd.read_csv()读取数据，并使用dropna(), fillna()等进行简单的数据清洗了解NumPy数组的基本概念和操作。在课程实践中，我希望能够担当数据清洗与特征工程的角色，或者参与可视化分析部分的工作，为团队贡献一份力量。
未来方向选择：我计划毕业后进入互联网或科技行业，从事​数据分析师或业务分析师相关的工作。
当前准备与优劣势分析：优势：具备较强的自学能力和解决问题的韧性，愿意花时间钻研技术难点。对数据有好奇心，能够从业务角度思考问题。劣势：缺乏相关的实习经历和大型项目的背书，算法和统计理论基础相对薄弱。
本学期规划：夯实基础完成课程要求的所有实践项目，确保每个知识点都动手编码​​技能补充每周固定时间学习统计学基础和算法知识。
当前代码量：Python约 1200 行（主要为数据处理脚本、简单爬虫及练习项目）；行业目标代码量：根据行业公开信息，入职一流互联网或人工智能公司的后端开发岗位，通常需要累计 1-2 万行高质量的实战代码量（非重复练习代码），且需包含至少 1-2 个完整的项目开发经历。
每周时间投入：20 小时（含 6小时上课时间，10小时自主学习，24小时项算法练习）。
选择项：D（比以前课要多很多，直到达到目标为止）。
代码量目标：课程结束时累计完成 8000 行有效代码，平均每周完成约 500 行。

WOOP 方法落地：
第一步 Wish（愿望）独立完成一个可部署的、解决实际问题的数据分析原型项目。：，且项目代码通过助教的规范审核，同时 LeetCode 刷题量达到 50 题。
第二步 Outcome（结果）：首先提升Python基础语法和数据结构能力，然后重点学习数据处理Pandas用于数据清洗、聚合）、NumPy（用于数值计算）和Matplotlib/Seaborn​（用于数据可视化）。在此基础上，理解并应用线性回归和决策树等基本算法逻辑，这可以通过Scikit-learn库来实现。通过实际项目驱动，例如从Kaggle等平台获取真实数据集，完整地实践数据清洗、探索性分析、建模和结果可视化的全流程，从而将分散的知识点融会贯通。
第三步 Obstacles（障碍）：最主要的障碍是 “注意力分散与拖延”。具体表现为：写代码时容易被手机消息打断，拿起手机刷短视频后忘记时间；遇到复杂的 bug（如接口调用失败、数据库死锁）时，会因挫败感而逃避，转而浏览无关技术的内容，导致任务拖延。
第四步 Plan（if-then 计划）：如果写代码时手机消息弹出，那么立刻将手机调至 “专注模式” 并放在视线外，每完成 1 小时开发再集中回复消息。如果遇到 bug 调试超过 30 分钟仍未解决，那么先在笔记中记录 “当前问题、已尝试的解决方案”，然后向同学请教或在课程群提问，而非漫无目的地浏览网页。如果因拖延导致当天任务未完成，那么当晚睡前列出 “未完成清单及优先级”，第二天早起 1 小时优先处理，弥补进度。
我会选择D：经常提问题，平时就经常给老师和助教提反馈，数据分析涉及大量概念和工具的使用细节，仅靠听课和完成作业往往不够。经常提问能帮助我即时澄清疑惑，比如在数据清洗时遇到Pandas方法参数的具体含义，或在理解线性回归假设时遇到困惑。及时求助能避免错误理解积累，确保知识基础扎实。同时，这个过程也能锻炼我精准描述问题、追溯问题根源的能力这对数据分析工作至关重要。
这篇随笔既是对过去的梳理，更是对未来的承诺。我知道从“基础入门”到“合格开发者” 还有很长的路要走，途中一定会遇到无数 bug 和挫折，但我会带着持久的耐心、梳理信息时的严谨，一步一个脚印地追赶。期待在这门课程中，和老师、同学们一起成长，把 “代码量目标”变成“项目成果”，把 “技术偏好”变成“核心能力”。