自我介绍

大家好，我是一名数据科学与大数据技术专业的学生，我的兴趣爱好还挺多的，喜欢唱歌，喜欢美食，喜欢旅游，喜欢散步，喜欢追剧，喜欢种花，喜欢养小动物等等，我是个十足的 “美食爱好者”，尤其是喜欢自己动手做各种好吃的，记得我第一次想自己做吃的，我第一次煎蛋，我忘记放油，结果“蛋炒没了”，我想着，我一定要煎一个漂亮蛋，终于成功，哈哈，心想：“下次我要挑战难一点的”，第二次是我想做煎饼吃，我从冰箱里拿出饼，往锅里倒油，不知倒多少，全凭感觉，然后开大火，把油热来，饼一放，手忙脚乱，火调小，给它翻一面，啊哈，不妙，又黑又硬的一面映入我的眼帘，完了，我煎出了个啥玩意啊，这能吃吗？最终它的归宿之地就是厨房的垃圾桶，算了，还是弄煎蛋配面吧。之后，每次弄吃的，都跟着手机上的教程，一步一步的去做，果然，我学会了许多，会做西红柿炒蛋，辣椒炒肉，凉拌黄瓜，黄瓜炒火腿肠等等。
1、技能树：

2、已具备能力：
能力A：能使用 Python 的pandas库进行数据读取、清洗（如处理缺失值、重复值）、转换（如数据类型转换、字段衍生），并进行简单的统计分析（如计算均值、中位数、分组统计）。
能力B：掌握 SQL 基本语法，可完成单表及多表的查询（如JOIN操作）、插入、更新、删除等操作，能基于业务需求编写简单的数据分析 SQL 语句。
能力C：熟悉 Hadoop 生态系统，了解 HDFS 分布式文件系统的存储原理与操作，能运用 MapReduce 进行分布式数据计算；掌握 Linux 系统操作，可在 Linux 环境下进行系统管理、软件部署等工作。
技术兴趣方向：对大数据分析与挖掘方向兴趣浓厚，尤其是如何从海量复杂数据中挖掘有价值的信息，以及数据驱动的业务决策相关技术。
欠缺能力：
缺乏大规模数据处理经验，对于分布式计算框架（如 Hadoop、Spark）的实际应用能力不足。
数据分析的深度不够，在复杂业务场景下，对数据的洞察和建模能力有待提升，比如难以快速确定合适的分析方法解决复杂业务问题。
数据可视化的创新性和交互性不足，目前只能制作基础静态图表，对于动态、交互式可视化工具（如 Tableau、Power BI）的使用还不熟练。
课程收获与角色期待：希望在课程中系统学习大数据分析的核心技术与方法，提升大规模数据处理和复杂场景下的数据分析能力。
未来选择：计划毕业后进入互联网公司从事大数据分析相关工作。
3、当前准备：
学习上，
优势：对数据分析有浓厚兴趣，具备一定的 Python 和 SQL 基础，有自主学习和探索的积极性，能快速吸收新知识。
劣势：缺乏企业级大数据项目实战经验，对行业内实际业务场景的理解不够深入；与计算机专业同学相比，在分布式系统等底层技术方面的知识储备相对薄弱。
4、本学期规划：
拿下英语六级，备考计算机二级以及软考，巩固技术
代码量情况
目前代码量：800行
课程时间投入与 WOOP 计划（数据分析类）
每周时间投入：每周安排2小时学习本课程知识，认真完成课程作业与实践项目，确保对课堂内容的深入理解与掌握。
5、WOOP 计划
Wish（愿望）：在本课程结束时，能够独立完成一个完整的大数据分析项目，从数据获取、清洗、分析建模到可视化呈现，并且课程相关代码量达到 2000 行。
Outcome（结果）：如果愿望实现，我将对大数据分析的全流程有扎实的实践经验，能更自信地应对未来工作中的数据分析任务。看着自己从海量数据中挖掘出有价值的信息，并通过可视化清晰呈现，那种成就感会让我无比喜悦，也会坚定我在数据分析领域发展的信心。
Obstacles（障碍）：
内部障碍：在处理大规模数据时，面对复杂的代码逻辑和报错，容易产生烦躁情绪，进而拖延任务；有时会因过于追求分析结果的完美，在某一环节花费过多时间，导致整体进度缓慢。比如在进行数据清洗时，会反复纠结于某几个异常值的处理方式，浪费大量时间。
外部障碍：课程实践项目的数据集可能存在质量问题（如数据缺失严重、格式不规范），导致分析工作难以推进；团队协作时，若成员对数据分析的理解和进度不一致，也会影响项目开展。
Plan（“if - then” 计划）：
如果在处理大规模数据遇到复杂代码逻辑或报错而烦躁拖延，那么我会先暂停当前工作，去查阅类似问题的解决方案（如在 Stack Overflow 搜索报错信息），或者向同学、老师请教，同时给自己 5 分钟时间做深呼吸、放松心情，调整好状态后再继续。
如果因追求完美而在某一环节花费过多时间，那么我会先制定一个时间规划表，给每个分析环节设定明确的时间上限（如数据清洗最多 2 天），到时间后就进入下一个环节，若后续有时间再回头优化。
如果数据集质量差影响分析，那么我会先与团队成员或老师沟通，尝试获取更优质的数据集；若无法获取，就一起讨论制定合适的数据预处理策略，如选择合适的缺失值填充方法、异常值处理规则等，确保分析工作能继续开展。
如果团队协作中成员理解或进度不一致，那么我会组织团队会议，明确每个成员的任务和时间节点，建立每日简短的进度同步机制，及时解决出现的分歧与问题。
6、《大数据计算与应用》学习思维导图

7、提有质量的问题, 给认真的反馈
有问题就问，至少一学期提三个问题， 认真按时填写反馈。
8、监督措施
用博客记录自己的学习，将数据可视化的成果，定期分享到博客里，以此来监督自己在数据可视化创新性和交互性的提升。
加入数据分析学习小组，定期与小组成员分享自己的项目进展、遇到的问题，同时也了解他人的学习情况。