第一周作业
首先，这个作业老师需要让我们自我介绍。哦对我现在住在广东省清远市，山清水秀的一个地方!
这张照片是我们家一个户外游泳场所，从山上面流下来的水，冰冰凉凉的，夏天洗澡特别舒服。所以我的兴趣爱好显而易见就是游泳。当然我的兴趣爱好不止一个，在学校的时候我也爱打羽毛球，你要问我为什么没有放照片上去，那是因为之前去参加过一次羽毛球比赛没被选上，第一轮就被淘汰了，哈哈哈。
其次，从作业的要求不难看出，也需要分享我的学习或者生活经历。我左思考....右思考....，发现我最近遇到的一个问题，刚好可以把这问题回答完毕了。
嗯嗯...从这里开始；隔了两个月没有学习了，在我们第一节算法课上面，老师说让我们用C语言写一个递加的题目，题目是下面这个
Sum问题：求s=1+2+…+n。当n=32时，输出结果在控制台上。
我那时候想C语言...那是啥，不会啊，之后去问同学，哦哦大一学的啊！原来我转过专业啊，怪不得我没学哈哈哈哈，之后可想而知我的写作状态，我坐在第一个只能默默的装着在认真改的样子，心理状态可以用下面的代码图片理解一下
但是我想说的是我用python写的话一分钟就可以写好了。
最后就是说到我的闪光点，那就是行动力强，当然我感觉你看完就感觉不是纯粹的行动力强了。
我先说明我的结论：我最后获得了200块的奖励。
事情的开始是我去参加一个英语培训，类似属于英语四级冲击班，交钱去的那种（我没交，所以去了几节体验课）。有次那个班的同学喝醉酒之后来上课，他想上台唱歌，唱完之后和我打赌，说坚持一个月每天跑4km，输的人
给对方四百块，当然不出意外我得到那个四百块了。
2. 现状、经验和计划
（1） 已具备的专业知识与能力
能力 ：基础编程语言与工具应用能力
掌握 Python（基础语法、数据结构、第三方库如 Pandas、Matplotlib），就python好一点。
能力 B：基础算法与数据结构应用
理解并能实现常见排序算法（快速、归并）、查找算法（线性、二分）；这个是数学建模比赛学会的。
（2） 技术偏好
核心方向：人工智能应用开发（如机器学习模型部署、简单 NLP 工具开发） 与 后端开发（Java SpringBoot 框架应用）
原因：AI 应用能结合数据处理能力解决实际问题（如用户行为分析、智能推荐），后端开发是软件系统的核心支撑，两者均有广泛的就业场景，且与现有编程基础匹配度高。主要是感觉这个不错，符合时代，也跟进潮流
- 缺失的能力
算法和架构：动态规划、贪心算法的复杂场景解决方案，还有就是高并发、微服务等架构的设计思路；
还有几点要ai生成的效果是以下：
实战经验缺口：缺乏企业级项目经验（如分布式系统、高可用服务），未接触过性能优化（如 SQL 优化、代码效率提升）；
新技术跟进不足：对主流框架（如 SpringCloud、TensorFlow）的实践应用不足，仅停留在理论了解阶段。
4.未来职业选择与当前准备
未来我的职业不是特别想从事我们专业的工作，我更加倾向于稳定的工作，比如老师。哈哈哈
一、核心能力（适配教师岗）
优势
之前搞过家教，课后也会补编程薄弱点；平常也在讲台上面演讲→课堂控场基本上不冷场，讲得清；
会 Python/Java 基础→可以很好的设计分层教学案例；
用 PPT剪-满足教学材料需求。
缺口
没备考教资；
不熟中小学信息技术课标；
不会应对课堂突发（如学生走神、提超纲问题）。
二、职业目标与当前行动
目标
短期（毕业前）：拿教资，两到三次真实试讲；
长期（入职 3 年）：独立带班，会分层教学、辅导学困生。
当前做
教资：每天 1.5 小时网课，每周 1 完成套真题；
积累：偶尔背点话术，每月听 1 次资深教师的课。
三、本学期重点
1.把教师资格证考出来
2.多多尝试在课堂上面演讲
四、关键保障（WOOP）
愿望：期末完成 Python 循环课设计 + 流畅试讲，教资模考≥80 分；
障碍：教资与作业冲突，拖设计；
应对：那就碎片化做教资题。
五、课程反馈
每周问自己 1 个教学实操问题；
反馈时提教学建议；
分享辅导话术、教资模板，换思路。
三、代码量现状与目标
- 当前代码量（精确到 100 行）
Python：1000 行（最多）；
Java：100 行（也是最多）；
其他的太垃圾了，不好写上去，可以理解为没有。
合计：1100 行。
我不是很想从事这个行业工作，所以我不是特别好写，当然，我用豆包生成了一下： - 入职一流软件 / AI 公司的代码量要求
核心标准：总代码量 10000-20000 行（需包含 2-3 个完整项目，而非零散练习），且分语言需满足：
Python（AI / 数据方向）：5000 + 行（含机器学习模型训练、数据预处理、接口开发）；
Java（后端方向）：6000 + 行（含 SpringBoot/SpringCloud 项目、数据库交互、接口调试）；
附加要求：需有 1 个以上 “解决实际问题” 的项目（如 “校园二手交易平台后端”“智能错题本 AI 推荐功能”），能阐述代码设计思路与优化过程。
四、课程时间投入与 WOOP 计划 - 每周课程时间投入
总时长：15 小时（含上课 4 小时，课后练习 / 学习 11 小时）；
课后时间分配：代码编写 6 小时、知识点复习 2 小时、项目调试 2 小时、问题请教 1 小时。 - 学习态度选择
选项：D（比以前课要多很多，直到达到目标为止）
原因：前两年对编程实践重视不足，当前代码量与目标差距较大，需通过额外投入缩小差距，确保期末能达到 “可参与企业实习” 的技能水平。 - 代码量目标
课程结束（16 周）：新增代码 8000 行（总代码量达 11300 行），其中 Java 后端项目代码 6000 行，Python AI 小案例 2000 行；
每周代码量：500 行（含项目模块代码 400 行、算法 / 语法练习 100 行）。 - WOOP 计划（基于课程目标）
Step 1：Wish（具体愿望）
课程结束时，能独立开发 “基于 SpringBoot 的校园社团管理后端系统”（包含用户注册登录、社团申请、活动发布 3 个核心模块），代码量 6000 行，掌握接口开发、数据库设计、权限控制，且能通过 Postman 完成所有接口测试。
Step 2：Outcome（最佳结果）
能在简历中清晰展示该项目，面试时可详细讲解 “用户权限设计逻辑”“数据库表关联思路”；遇到简单后端问题（如接口报错、数据查询慢）能独立解决；获得老师 / 助教对项目的认可，甚至推荐参与校外实习项目；自身编程信心显著提升，不再畏惧复杂功能开发。
Step 3：Obstacles（障碍）
内部障碍：①拖延（写代码时忍不住刷短视频，平均每 30 分钟分心 1 次）；②畏难（遇到 “权限控制”“多表联查” 等复杂功能，会逃避，优先做简单模块）；③遗忘（学过的 SpringBoot 注解隔几天就记不清用法）；
外部障碍：①其他课程作业冲突（如高数、英语作业占用大量时间，导致编程练习延后）；②资料碎片化（网上 SpringBoot 教程版本不一，找不到适配的学习资源）；
最可能失败因素：拖延（过去多次因刷手机导致项目进度滞后，最终只能潦草完成，无法达到预期效果）。
Step 4：Plan（if-then 风险防范）
if 写代码时想刷短视频，then 立即将手机调至 “专注模式” 并放在另一个房间，同时打开 “番茄 Todo” 设置 25 分钟专注钟，钟响后仅休息 5 分钟；
if 遇到复杂功能（如权限控制）畏难，then 将功能拆分为 “角色定义→权限分配→接口拦截”3 个小步骤，每天解决 1 个步骤，当天未完成则延长 1 小时学习时间，不拖到第二天；
if 忘记 SpringBoot 注解用法，then 建立 “注解手册” 文档，每学一个注解就记录 “用途 + 示例 + 注意事项”，每周复习 1 次；
if 其他课程作业冲突，then 每周日晚上制定 “优先级表”，将编程任务（如 “完成用户登录接口”）列为 “高优先级”，优先在每天晚上 7-9 点（精力最集中时段）完成，其他作业利用白天碎片化时间处理。
五、课程反馈做法（健身 / 教练关系视角） - 主动提问（类似学员问 “为何肌肉不长”）
频率：每周至少 1 次（线上 / 线下向老师 / 助教提问）；
提问方向：①技术疑问（如 “为何我写的接口返回 500 错误，日志显示空指针，但找不到原因？”“这个算法的时间复杂度怎么优化，我试了两种方法都没提升”）；②学习困惑（如 “我现在学 SpringBoot 和 Python AI，时间不够用，该优先侧重哪个？”“代码量达到目标后，怎么判断自己的水平能应聘实习？”）；
提问方式：提前整理 “问题清单”，包含 “问题现象 + 已尝试的解决方法 + 卡住的节点”，避免无效提问（如只说 “代码报错”，不提供报错信息）。 - 课程反馈填写（协助老师改进教学）
反馈原则：真实、具体、有建设性，不笼统说 “好 / 不好”；
反馈内容：①内容难度（如 “本周学的 SpringBoot 自动配置，案例太少，听完还是不会用，建议增加 1 个‘自定义配置类’的实操案例”）；②进度节奏（如 “上周算法课讲得太快，归并排序的递归逻辑没跟上，建议下次先通过动画演示流程，再讲代码”）；③教学方式（如 “代码演示时，希望老师多讲‘为什么这么写’，而不只是‘怎么写’，比如‘为什么用 HashMap 而不是 ArrayList 存用户信息’”）；
反馈频率：按老师要求（如每 2 周 1 次反馈表），额外有问题可随时通过学习群反馈。 - 辅助资料收集（配合老师教学）
主动分享：将自己学习中遇到的 “典型错误案例”（如 “MySQL 主键冲突导致数据插入失败的解决方案”“Python 虚拟环境配置错误的排查步骤”）整理成文档，发给老师 / 助教，供班级同学参考；
需求反馈：收集同学的共性问题（如 “大家都觉得 AI 模型部署的资料难找”），汇总后反馈给老师，建议补充相关学习资源（如推荐开源项目、教程链接）。
浙公网安备 33010602011771号