自我介绍

大家好呀！我是一名数据科学与大数据技术专业的大学生，主要学习Java程序设计、Python语言、算法设计、Mysql数据库、数据结构、分布式操作系统等。已经经历了2年大学生活的自己也一步步变的成熟起来，我从中学习到了很多大数据相关专业知识，很高兴加入博客园中学习，我将在这里记录我的学习总结和目标，希望通过自己的努力离目标越来越近。

一、现状、经验和计划
1.自身能力
能力 A：数据处理基础工具应用能力。熟练使用 Python 进行数据清洗与分析，掌握 Pandas 库的核心操作（如缺失值填充、数据筛选、分组聚合）、Numpy 库的数组运算；能使用 SQL 完成结构化数据查询，曾完成学生选课管理系统。
能力 B：分布式技术基础认知与简单操作了解 Hadoop 生态核心组件（HDFS、MapReduce）的工作原理，能在 Linux 环境下完成 Hadoop 伪分布式集群的搭建；初步掌握 Spark 基础语法。
能力 C：掌握网页开发前端基础技术栈，能使用 HTML5 搭建页面结构（如语义化标签、、的合理布局）、CSS3 实现样式美化（含 Flex 布局、响应式设计，可适配电脑与手机端）、JavaScript 完成简单交互（如按钮点击触发数据弹窗、表单输入验证）。
2.技术兴趣方向
偏好大数据开发与数据工程方向，尤其关注 “数据管道搭建” 与 “实时数据处理” 领域，例如通过 Flink 实现实时日志分析、构建高可用的数据同步链路，对数据从采集到存储再到计算的全流程落地逻辑更感兴趣，相比纯算法研究，更倾向于技术的工程化实现。
3. 缺少的能力
工程化实践能力不足：仅能完成小规模、单节点的技术验证，缺乏大规模分布式集群的调优经验，如 Hadoop YARN 资源分配优化、Spark 任务并行度调整，未接触过生产环境下的数据容错与故障排查（如数据丢失后的恢复方案）。
业务与技术结合能力薄弱：能完成技术层面的数据处理，但对垂直行业（如金融风控、医疗数据治理）的业务逻辑理解较浅，无法将技术方案与实际业务需求深度匹配。
新技术学习滞后：对新兴数据存储技术的了解停留在概念层面，未实际上手操作；对云原生大数据架构缺乏认知，与行业主流技术栈存在差距。
希望担任对学习不懈怠，自己说到就做到不要纸上谈兵角色
相比其他同学的优劣势
优势：动手意愿强，愿意花时间调试代码（曾为解决 Spark 任务 OOM 问题，连续 2 天查阅官方文档与博客，最终通过调整内存分配参数解决），对技术细节的关注度较高；
劣势：理论基础较薄弱（如对 MapReduce 的 Shuffle 过程原理理解不深入），遇到复杂理论问题时容易畏难；时间管理能力一般，偶尔会因拖延导致学习进度滞后。
4. 本学期规划
技术学习：每周花 4 小时学习 Flink 实战教程，完成 2 个基础案例；每月上手 1 个新工具（如 3 月学习 ClickHouse 的建表与查询，4 月尝试用 Debezium 同步 MySQL 数据）；
项目实践：将课程实践项目的代码同步到 GitHub，每周提交至少 2 次代码，确保项目进度不落后；
基础补全：每周花 2 小时复习《大数据导论》《分布式系统》教材中的核心理论，用思维导图梳理知识点，避免理论与实践脱节。

二、代码量评估

1. 当前代码量
   Python（大数据相关）：约 1000 行（主要为 Pandas 数据处理、Spark 基础代码，含课程作业与自学案例）；
   SQL（数据查询与分析）：约 500 行（含 MySQL、Hive SQL，涉及多表关联、聚合查询）；
2. 入职一流公司所需代码量
   参考行业经验，入职阿里、字节等公司的大数据开发岗，需累计5 万行以上高质量代码量（含完整项目代码，而非零散的练习代码）；
   核心要求并非 “数量堆砌”，而是代码的 “工程化程度”（如是否考虑异常处理、是否符合代码规范）与 “业务匹配度”（如是否能解决实际业务问题）。

三、课程时间投入与代码量计划

1. 每周时间投入
   平均每周拿出12 小时用于这门课（含 2 小时上课时间、6 小时代码编写与调试、3 小时技术文档学习、1 小时小组讨论）；
   若遇到项目截止期或技术难点，额外增加 3-4 小时，确保任务按时完成。
2. 前两年学习情况与选择
   前两年存在 “间歇性拖延” 问题（如临近作业截止期才集中赶工），导致基础不扎实；当前选择D：比以前课要多很多，直到达到目标为止，通过高强度投入弥补过去的不足。
3. 课程结束时的代码量计划
   目标完成8000 行课程相关代码（含课程作业、实践项目）；
   按学期 16 周计算，每周需完成500 行，其中实践项目代码占比不低于 60%，避免单纯的语法练习。

四、WOOP 计划（课程学习目标）

1. Wish（愿望）
   希望在这个学期我能加强自己的技术能力，去进行项目研究，完成一个项目。
2. Outcome（结果）
   掌握实时数据处理的核心技术，在后续的实习面试中，能清晰阐述项目细节，获得面试官认可；项目代码可作为 GitHub 上的亮点作品，为求职简历加分；建立 “技术解决业务问题” 的思维，不再害怕复杂项目，增强学习信心。
3. Obstacles（障碍）
   内部障碍：遇到复杂技术问题时容易焦虑，想放弃查阅文档，转而寻求 “现成答案”，导致对原理理解不深入；
   外部障碍：偶尔会因其他课程作业（如操作系统实验报告）与这门课的代码任务冲突，导致本门课学习时间被压缩；
   最可能的失败因素：长期自律性不足，容易因 “当天状态差”“想刷短视频放松” 而拖延代码编写，累积到后期无法完成项目进度。
4. Plan
   如果遇到技术难题，焦虑到想放弃，先暂停 10 分钟，去阳台散步，同时在手机备忘录写下 “当前卡住的具体问题，从 “核心概念” 章节开始逐段阅读，而非直接搜索答案。
   遇复杂代码报错烦躁：先复制报错信息到文档，暂停 5 分钟做深呼吸，再按 “报错关键词→官方文档→博客案例” 步骤排查。
   学每周日晚花 1 小时，用思维导图梳理本周知识点（如 Java 集合框架），并动手写 1 个简单案例复现核心逻辑。

五、提有质量的问题, 给认真的反馈
之前两年的学习没有收获到我想要的结果，确实是自身存在一些问题。希望自己能够把注意力放在学习中，锻炼自身的技术能力，更加熟练运用相关知识去写代码。希望在日后的学习中监督好自己，大家一起共同学习。