自我介绍

大家好！我目前是数据科学与大数据技术专业的一名学生，正处于大三的关键学习阶段。回顾大一大二，专业基础课为我搭建了数据领域的入门框架，而日常里的实践与生活点滴，也让我对 “数据” 有了更鲜活的认知。
生活中，我偏爱两种放松方式：一是约上室友去操场打半场篮球，奔跑传球间能消解一整天调试代码的疲惫，也让我更懂团队配合的重要性；二是偶尔和朋友组队玩策略类游戏，既能放空大脑，又能在布局决策中悄悄锻炼逻辑思维 —— 毕竟数据处理有时也像 “拆关卡”，得理清步骤才能推进。去年，我还帮学院学生会处理过新生篮球赛的赛事数据，用 Python 简单清洗了得分、犯规等数据，生成了可视化表格，虽然过程中遇到过数据格式不统一的问题，但最终帮学生会提高了统计效率，这让我第一次真切感受到 “数据能解决实际问题”。
一、现状、经验和计划
（1）当前技能树、技术偏好与课程期待
目前我已经掌握：
熟练运用 Python 进行基础数据分析与可视化，能通过 Pandas 处理结构化数据（如清洗缺失值、数据分组），用 Matplotlib 绘制折线图、柱状图等图表，曾用这些技能完成过 “校园消费数据趋势分析” 的课程作业；
掌握 MySQL 数据库核心操作，能设计符合业务逻辑的表结构，熟练使用 SQL 语句完成增删改查，包括多表联查、分组统计与排序，还曾帮班级整理过 “课程成绩录入与查询系统” 的数据库雏形；
了解 Hadoop 生态基础，掌握 HDFS 的文件上传、下载、目录管理等操作，能搭建伪分布式集群，编写简单的 MapReduce 程序处理小规模数据（如统计文本词频）。
技术偏好上，目前没有特别聚焦的方向，但在处理数据时，更倾向于 “用工具解决实际问题”，比如看到杂乱的数据就想整理成清晰的分析报告。
缺少的能力：一是技术文档撰写能力不足，做完项目后很难清晰梳理开发流程与关键思路，表述多是口语化，专业术语使用不规范；二是知识串联能力弱，比如会用 Python 分析数据、会用 Hadoop 存数据，但不会将两者结合处理大规模数据集；三是复杂算法应用欠缺，面对机器学习中的回归、分类算法，只能看懂基础原理，不会落地到项目中；四是独立完成复杂项目的能力不足，遇到多模块协同的任务时容易混乱。
期待在课程中能学到 “知识落地” 的方法，比如如何将 Python、Hadoop、MySQL 联动起来做完整项目，也希望能提升技术表达能力，把学到的知识有条理地讲出来、写下来。在课程实践中，我希望担当 “主动扛模块、及时同步进度” 的角色 —— 如果有团队任务，会主动认领数据处理或代码实现的部分，遇到问题不卡顿，及时和搭档沟通，也会主动分享自己的解决思路，有不懂的地方会第一时间向老师和助教请教。
（2）未来准备、优劣势与本学期规划
我知道未来行业方向多变，暂时没确定是走大数据开发还是数据分析，但目前的核心思路是 “把基础打牢，多试多练”—— 平时会翻行业案例（比如大厂的大数据处理方案），补之前没学扎实的知识点（比如 Linux 命令、数据结构），还会在 GitHub 上看开源项目，试着复现简单模块。
相比其他同学，我的优势是抗压能力强：遇到代码报错或项目卡壳时，不会轻易烦躁，会沉下心逐行查日志、找资料，哪怕花两三个小时调试一个小问题也能坚持；另外，团队协作中比较 “实在”，会主动承担繁琐的基础工作（比如数据清洗、环境配置），不推诿责任。
劣势则是细节把控不足：写代码时容易忽略规范（比如变量命名不统一），测试时也常漏掉边界条件（比如数据为空的情况）；另外，对行业动态关注不够，不清楚最新的技术工具（比如 Flink）该怎么学，容易滞后于需求。
本学期规划：1.每周花 2 小时看大数据领域的技术文档（如 Hadoop 官方教程），补全知识漏洞；
2.加入学校的 “数据处理项目小组”，每周参与 1 次线下讨论，负责小组项目中的数据清洗模块；
3.每两周梳理 1 次学过的知识点，用思维导图串联成 “技术链路”（比如 “数据采集→存储→分析→可视化” 的完整流程）。
（3）代码量相关
当前代码量：Python 约 300 行（主要是数据分析作业、简单爬虫）；Java 约 100 行（基础语法练习、简单控制台程序）。
了解到要入职一流的软件 / 互联网 / 人工智能公司，需累计 15000-20000 行有效代码量，且要包含 2-3 个完整项目的代码（非零散练习），这样才能体现代码质量与项目经验。
（4）课程时间投入与 WOOP 计划
我打算平均每周拿出 15 小时用在这门课上：其中 5 小时用于上课，4 小时用于复习知识点（如整理课堂笔记、复现老师讲的代码案例），6 小时用于完成课程作业与项目任务。
之前大一大二时，偶尔会因打游戏耽误学习进度，现在想发奋赶上，直到达到目标为止。
计划在本课程结束时，完成累计 2000 行代码量，平均每周需完成 500 行（含作业代码与项目代码）。
按照 WOOP 方法制定计划：
Wish / 确定愿望：在本课程中熟练掌握 “大数据处理全流程”（从数据采集到可视化），能独立完成一个 “校园出行数据统计分析” 项目（含数据爬取、MySQL 存储、Python 分析、图表展示）。
Outcome / 确定结果：若愿望实现，不仅能在课程考核中取得好成绩，还能为后续实习积累项目经验 —— 面试时能拿出实际项目讲解，面对数据处理类问题也能快速理清思路，不再依赖他人指导；同时，代码规范和调试效率会明显提升，遇到报错能自主定位问题。
Obstacles / 找出障碍：1.容易被游戏分心，比如计划写代码时，看到室友组队打游戏就想加入，导致学习时间被压缩；
2.遇到 Hadoop 集群配置这类复杂操作时，容易因 “步骤多、报错多” 产生畏难情绪，想拖延；
3.周末和朋友约着打篮球，偶尔会占用半天以上的学习时间，导致周任务滞后；
4.寝室环境有时较吵（室友聊天、外放声音），难以长时间专注写代码。
最可能的失败因素：缺乏长期自律，易因游戏耽误进度。比如原本计划晚上写 300 行代码，却因 “打一把游戏再写” 变成打两三把，到深夜又因疲惫放弃，后续也没补回进度，导致每周的代码量目标累计滞后，最终无法完成总任务。
Plan / 风险防范计划：
如果室友约我打游戏且未完成当日代码任务，然后跟室友约定 “先完成 200 行代码，再玩 1 小时”，并设置手机闹钟提醒自己按时切换状态；
如果遇到 Hadoop 集群配置报错且 30 分钟内没解决，然后先记录报错信息，去 Hadoop 官方论坛或 Stack Overflow 查解决方案，若仍没思路，当天就向项目小组的同学或助教请教，不拖延到第二天；
如果周末和朋友打篮球占用半天学习时间，然后当天晚上多花 1 小时补写代码，确保周末总代码量不低于 500 行；
如果寝室环境嘈杂影响专注，然后携带电脑去学校的自习室学习，且把手机调至 “专注模式”，避免消息干扰。