软件工程第一次作业
| 这个作业属于哪个课程 | https://edu.cnblogs.com/campus/gdgy/Class12Grade23ComputerScience/ |
| ----------------- |--------------- |
| 这个作业要求在哪里| https://edu.cnblogs.com/campus/gdgy/Class12Grade23ComputerScience/homework/13469 |
| 这个作业的目标 | <规划课程,学会使用博客园,并学习github> |
一、关于我：在代码与篮球间找平衡的计科生
这大概是我最常出现的状态：白天泡在实验室看 AI 开发文档，傍晚扎进篮球场和队友打一场对抗赛，周末则背着电脑去做家教。作为广东工业大学计算机科学与技术专业的学生，“技术” 和 “热血” 好像是我生活的两个关键词。
学 AI 开发时曾踩过不少坑：第一次用 PyTorch 训练图像分类模型，卡在数据集标注上整整一周，最后是篮球场队友（同为计科系学长）帮我优化了标注脚本 —— 那时候才懂，技术路上从不是单打独斗。而篮球教会我的不只是跑位传球，更有 “拆解问题” 的思路：就像落后 5 分时要先稳住防守再找进攻机会，调试模型时遇到误差过高，也该先排查数据再优化参数。
家教经历则让我见到了课本外的 “人间百态”：有从事传统制造业的家长，拉着我问 “AI 能不能帮工厂做质检”；有对编程抵触的初中生，直到我用 AI 写了个篮球计分小程序，他才盯着屏幕说 “原来代码能这么好玩”。这些相遇比课本更生动 —— 原来技术的价值，藏在和人的连接里。
我的书桌一角也藏着日常的痕迹：左边堆着《深度学习入门》《数据结构》教材，中间放着篮球形状的笔筒，右边是家教时学生送的手绘卡片，上面画着一个举着代码的小人，旁边写 “老师的 AI 超厉害！”
二、快速读教材：5 个悬在心头的 “问号”
最近翻专业核心教材时，总有几个问题反复冒出来，记在笔记本的 “待解决” 页：
- 教材里说 “深度学习模型依赖大量标注数据”，但如果做教育领域的 AI 应用（比如智能错题分析），很难拿到足够多的学生错题数据，这种小样本场景下，除了迁移学习还有哪些落地可行的优化方法？
- 学 AI 开发时用过 TensorFlow 和 PyTorch，教材只提了 “框架适配场景不同”，但它们在底层内存管理、分布式训练效率上的具体差异是什么？比如做家教时想开发个轻量错题模型，该怎么选框架更省算力？
- 数据结构里的 “哈希表”“二叉树”，在 AI 模型的推理速度优化中怎么用？比如之前训练的图像识别模型，用链表存储特征值反而变慢了，是我对数据结构的应用场景理解错了吗？
- 教材第三章提到 “AI 伦理中的隐私保护”，如果做家教辅助 AI（比如收集学生学习数据），怎么平衡 “模型需要数据训练” 和 “保护学生隐私”？比如能不能不存储原始数据，只保留特征向量？
- 传统机器学习的 SVM 算法，在处理计算机视觉任务（比如篮球比赛中的球员动作识别）时，为什么精度不如 CNN？是因为 SVM 对高维数据的处理能力有限，还是我忽略了特征工程的关键步骤？
三、我想收获的：不止于课本的成长
如果说过去的经历是 “打基础”，那接下来我最想收获这几样东西：
- AI 开发的 “落地能力”：不只想在实验室里训练模型，更想把技术用到实际场景 —— 比如帮家教时遇到的初中生做个 “编程启蒙 AI 工具”，或者和篮球队友一起开发个 “篮球战术分析小程序”，让代码真的能解决身边的问题；
- 更立体的 “技术视角”：之前家教时遇到的制造业家长、教育行业的老师，让我发现 AI 在不同领域的需求天差地别，希望能多接触跨行业的案例，比如了解 AI 在工业质检、教育个性化推荐中的实际应用，而不只是停留在教材的理论里；
- “拆解问题” 的底气：现在遇到技术难题还会慌，比如模型调参调了一周没效果就想放弃，希望能通过更多实践（比如参加 AI 竞赛、做项目），像打篮球拆解战术一样，冷静地把复杂问题拆成小步骤解决；
- 更温暖的 “连接能力”：家教时发现，技术再好，不懂怎么和人沟通也没用 —— 比如给家长解释 “AI 能帮孩子补弱科”，不能只说 “模型准确率 90%”，得说 “能精准找到孩子哪类题总错”。希望能多和不同的人交流，把技术讲得更 “接地气”。
四、结尾：在广工的日子，慢慢来
夜晚的广工实验室里，我曾对着电脑屏幕笑 ——AI 错题分析模型的准确率终于到了 85%，旁边放着明天家教要带的讲义，封面上写着 “今天教孩子用代码画篮球”。
其实我不算特别聪明的学生，调试模型会熬夜，打篮球会输比赛，家教时也会被学生问住。但这些碎片凑在一起，就是我在广工的日子：在代码里找逻辑，在篮球里找热血，在和人的相处里找技术的温度。接下来想带着这些 “问号” 和 “期待” 继续走，毕竟计科人的成长，就像训练模型一样 —— 需要耐心，也需要一点点热血。
博客园编辑截图
github截图
浙公网安备 33010602011771号