建築專業畢業一年想跨專業考研計算機？

不熬夜的蒲公英2018-07-07 10:42:44

我是城鄉規劃專業。我曾經想過考研計算機。感覺這個行業前景好。思考了一段時間。放棄考研。因為我覺得我考不起，就算考起了。能不能順利畢業還很難說。不過對於你來說。我覺得可以試一試。建築方面的工作都可以把人累死。

知乎使用者2019-05-26 15:22:59

哈哈我大二，建築專業，不喜歡建築專業，轉專業又轉不成，所以想跨考到喜歡的計算機，以後弄計算機科研。我現在就照著計算機本科培養方案學各種課。

我覺得你可以好好想想自己喜歡什麼，以後想在哪個領域奉獻自己。選擇計算機的話，可以在跨考的同時，也多學學計算機專業的培養方案裡的其他課程，儘量向科班看齊

爺蘭2020-04-20 23:32:20

我畢業四年想跨考計算機，一起吧

天雪2020-04-24 21:21:24

只要數學英語好，考這個沒問題。數學是轉科的基礎，英語查資料用的到。剩下的逐漸學就可以了

秋刀魚2021-10-24 14:43:49

首先我們知道，興趣是最好的老師 ，那麼培養興趣，其實計算機興趣和其他興趣一樣的 ，

當你破解了一個個的難題的時候，你的興趣自然就來了 ，沒有任何成果，枯燥的東西都是很難提起每個人的興趣的 。

比如說 ，

經過你的鑽研 ，編譯出來一個有一定功能的應用程式

拿到別人的原始碼 ，經過自己編譯，改造成為了自己的軟體 ，成就感一下子就來了 ，

很多人說 ，學習程式設計，最好是看語法 ，看演算法 ，把基礎打好了 ，後面就快了 ，理是這麼個理，但是實際真是這樣的麼 ？

持有這個觀點的 ，培訓機構居多 ，為什麼 ？？因為他是教學的 ，教你簡單的東西，收錢，這樣的活沒有售後 ，你也容易學會，

但是搞過專案的 ，實戰派，我相信絕大部分都是從別人開源專案入手，拿到原始碼，進行分析 ，拿出裡面關鍵的東西 ，昇華自己 。

語法的東西 ，其實你看得懂就行，沒有必要天天去坑裡面的東西，如果沒有實踐 ，比如指標

你沒有大量的專案實戰經驗，你是很難利用好指標的 ，即使你啃了一年的書 ，你還是對指標理解不深。

但是你參加過幾個大專案，經過專案崩潰 ，你對指標理解，那可以說是一輩子難忘 。

演算法重要不重要？？

演算法包含很多 ，我們比較常提到的 ，排序，查詢演算法 ，當然還有很多圖形演算法 ，

這些東西對我們重要麼 ？？我說的是大部分人 ！

能搞計算機的人 ，基本邏輯都是沒有問題的，都是聰明的人 ，寫一般的業務邏輯基本不會有太大的問題了的。

那麼對於搞演算法的 ，相信 99%都是搞不到 ，絕大部分 ，都是做業務為主

在整個計算機行業裡面 ，目前來說 ，基本絕大部分我們能想到的演算法 ，都是有非常優秀的庫去支援 ，

其實很大部分時間，可能我們只需要會用，會改這些演算法即可 。

當然如果你認為你有那個能力，比如推翻Mysql 底層演算法的能力，或是你想，那麼你可以深入演算法研究 。

當然如果你認為你有那個能力去到大廠 ，做底層演算法設計，你也可以深入研究，同時你最好求神拜佛，

讓裡面搞演算法設計的那波人趕緊掛了 ，不然可能你都是沒有機會去接粗的 。

那麼對於一般的人應該怎麼操作 ？？

接下來我指一條切實可行的路子 。

http：//

Github。com

這個域名你一定要記住 ，

上面有來自全世界的開原始碼 ，你要能學完 1%，你就可以叫做大牛了 。

根據自己所需要實現的功能，搜尋對應的小Demo ，然後進行編譯 ，能編譯成功了 ，

接下來研究別人的寫法，總結別人的優點 ，當然這裡面你會遇到很多問題 ，

這個你有個師傅 ，那是最容易的 ，可以給你解題答惑 ，

如果沒有，就自己啃吧 ，有時候可能耗時一週，一個月，但是隨著你分析的專案越來越多 ，你會發現

你的水平 慢慢的就走到了同行的前面 。成就感也慢慢的增加了！

當然你也可以加入一些現成的專案，學習研究，我這裡開發有好幾套 ，如果你感興趣 ，也可以加入進來

雖然說不上程式碼的優雅，起碼功能是實現了的 ，你還可以邊學習原始碼， 邊賺錢 ！

如果你對計算機方向感興趣，可以參考下圖跟我來學

15年技術沉澱

sessiona = requests。Session（）

headers = {‘User-Agent’：‘Mozilla/5。0 （Windows NT 10。0； Win64； x64； rv：47。0） Gecko/20100101 Firefox/47。0’，‘authorization’：‘oauth c3cef7c66a1843f8b3a9e6a1e3160e20’}

k3_confidence = 0。71

‘’‘

# 視覺化資料會被儲存在雲端供瀏覽

#

https：//

plot。ly/~weldon2010/4

# 純屬學習，並未看出“角度”範圍擴大對影象識別的影響，大部分時候60s內能搞定，說明優圖還是很強悍的，識別速度也非常快

’‘’

runtime_list_x = ［］

runtime_list_y = ［］

nn = range（1，11） # 願意的話搞多執行緒，1百萬次更有意思

# 成功嘗試100次，形成2維資料以熱力圖的方式展示

for y in nn ：

for x in nn ：

runtime_list_x。append（ bolting（-3，3，k3_confidence） ）

print（ “y： ” + str（runtime_list_y） ）

print（ “x： ” + str（runtime_list_x） ）

runtime_list_y。append（runtime_list_x。copy（））

runtime_list_x = ［］

print （“-”*30）

print（ runtime_list_y ）

print （“-”*30）

# pip install plotly 資料視覺化

import plotly

import plotly。graph_objs as go

plotly。tools。set_credentials_file（username=‘username’， api_key=‘username’） # 設定賬號，去官網註冊

trace = go。Heatmap（z = runtime_list_y ， x = ［n for n in nn ］ ，y =［n for n in nn ］）

data=［trace］

plotly。plotly。plot（data， filename=‘weldon-time2-heatmap’）

# 嘗試後發現一個特點，基本都是1~2個倒置中文，這樣我們可以藉此提速

# 角度範圍放大，僅當識別出倒置中文為1~2個時才提交驗證否則放棄繼續尋找

### chcp 65001 （win下改變cmd字符集）

### python c：\python34\image_recognition_zhihu。py