第一学期总结
前天晚上，考完了最后一门exam，标志着final结束，其实这学期也就选了三门课，但是学业压力不容小觑，也许是因为初来乍到。
而如今，初来乍到已经结束，自己已经慢慢适应了这边的节奏。回顾这五个多月的生活与学习，通过这次记录做个自我总结吧。
这学期我选了三门课，分别是大数据处理和分析，图像处理与模式识别，人工智能。三门课都是当下热门的方向。
大数据的主讲人是Ryan，算是Local professor ，说话速度极快，讲课也很有激情。这门课说是大数据处理与分析，但是我觉得偏处理。回顾一下知识点，基本围绕“最”字展开，最短路径，前十名的搜索等等。如最短路径迪杰斯特拉算法，A *算法，空间搜索结构R-Tree结构，k nearest neighbor 算法等等，最后还讲了MapReduce 大数据处理，如hadoop。这些知识点映射到现实问题就是，我从a 点去到b点最短的路怎么走，我打开搜索附近十家餐厅，这些餐厅是怎么得出来的？听起来很熟悉？是的，这些我们都在美团地图这些上都已经运用着了，但是能亲自去探索一下实现的原理，是非常有意思的。总的来说，这门课有难度，难度在于知识体系比较零散和抽象，需要一定的算法基础，然后非常训练发散思维，当然，如果吃透的话收获也是不少，课上有介绍一些比较新的论文方法。
图像处理与模式识别，是唐老教授上的，他本人是一位资深图像处理的大牛，我们学院的宝贵学术人物之一。课上和蔼可亲，对我们的要求也一般，深受我们喜爱。起初我是对这门课没有那么上心，因为本科鼓捣过图像识别，opencv 库当时还不支持Python3，然后涉及c++，我对c++是能躲就躲的。反正当时弄得灰头土脸，导致对图像的领域有阴影。不过在后面的复习当中，我还是深深感受到了图像领域的有趣。这门课主要是讲述一些基本的图像处理的概念和相关的处理方法，如边缘检测，灰度化，还有垂直或者水平投影积分等方法，可以说是从图像像素的原理性上解决一下问题。并未涉及深度学习框架，不过当时presention（这边的叫法，就是上去讲ppt，展示自己的内容），有不少博士大牛成果和演讲非常让人眼前一亮，不愧是博士Phd，非小硕能比。总的来说，这门课是非常轻松和愉快的，不然我也不敢下午去踢球，晚上上课迟到（捂脸）。
人工智能这门课是Lawrence上的，英语非常好，可以说我的听力就是他带起来的，讲起来非常斯文和温情。这门课主要介绍的是一些人工智能的方法，比如专家系统，模糊理论，神经网络，遗传算法，概念学习，实例学习，贝叶斯算法等经典理论，这门课是我上的最充实的一门课。是的，非常充实，能够很好的架起我的知识体系，形成一个人工智能体系图，这应该是和教授的教学模式是密不可分的。我认为这种发散式和具有建设性的教学模式，是非常适合硕士的，能帮你搭好知识大框架的同时，抛砖引玉，让你自己去找知识，去填满这个框架中的内部内容。这门课计算训练非常多，体现在平时作业，但是非常基础，我觉得对于打基础非常有用，平时作业我认真对待，基本是满分，所以对这门课我是比较有心得的。
三门课，总的来说，带来的收获还是非常之多的。这学期的压力，主要还在于我自身知识体系的构建，处于初期阶段。来到硕士，我对机器学习算法以及相关的数据挖掘概念，是一窍不通的，我自身的数学体系，如线性代数和概率论等，也是处于需要恶补的阶段（本科的锅，迟早要还的），尽管这个短板我从未入学就开始弥补，但是帮助还是非常有限。所以从八月到十月，我整个人处于一个海绵状态，不断看这个领域的内容，一个月算了差不多二十多种算法，还有各种概念，去看每一个数学公式推导，这是我安排给自己的任务，和课程学业是同步进行的。吃得苦中苦，方为人上人，现在的我，终于拨开了一丝云雾，起码摸到了这个领域大门，任重而道远。
不过我觉得这些辛苦，跟在外面工作的兄弟们来说，应该是比较轻松的。想起他们，我就觉得我也不能松懈，共同努力。我一如既往非常珍惜学习的机会，这半年过来，心底也愈发明了，在以后学习的机会就会越来越少了，珍惜当下，这学期我也有个遗憾，并没有做到太多横向阅读，也是因为专业压力的原因。
关于未来工作的计划，我有意向去当大学老师，但是这需要继续深造读博，这是一笔投资，我需要去衡量（现在已经非常自主了，家里也支持自己的想法）。当然我也不抗拒硕士出来工作，只要有合适的offer。这些都是不确定的，但是我确定的是，找准自己想要的，工作永远是为了生活，生活永远以家庭为重。
接下来是圣诞假期（哈哈，我有圣诞假期），好好放松一下，回来一月份就是第二学期，又是一个新的开始。
祝大家圣诞节快乐，元旦快乐~
最后，附上考试允许携带的A4笔记杰作。
