北京科科过学员PMP备考心得【3A】

博主分享了自己备考PMP项目管理专业人士资格认证的详细历程,从20年9月报名到21年6月考试,经历了两次推迟。备考过程中,博主强调了《PMBOK》的学习、刷题的重要性,以及做笔记对于巩固记忆的效用。最终在考试中取得了满意的成绩,总结了自己的备考策略和心得。
  终于考过了,我滴天啊,这是个漫长的过程。从20年9月份报名,到今年6月份参加考试,历经了两次推迟,PMBOK拿起来又放下,着实有点心累。但总的来说,是3A过的,结果我还是满意的,算是苦尽甘来吧,哈哈。我也分享下我自己的备考经历,同时也对这一个过程做一个总结吧。![在这里插入图片描述](https://img-blog.csdnimg.cn/e5671c4713db49a28d7c35cb90b1d9c3.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAY29uZ21pbmcyMDIw,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
   为啥想要考PMP呢,这个就说来话长了,得从我大学时候定职业目标说起,这个就太久远了,那时候考了软件中级,也了解到了PMP,算是有个印象吧。工作之后,慢慢就觉得每天下班后的时光,用来戳手机或者玩耍是有点空虚的。就想到了自己下一步的职业规划上,自然而然的就想到了PMP,这算是我开始入门了解了。      
   原本我是报了12月份考试的班,跟我考软考中级的是一个培训机构,叫科科过,我自己觉得他们的班班老师和讲课老师都还行,线下辅导和习题讲解都挺到位的,对我自己来说足够了。然后就开始了漫长又漫长的复习之路。![在这里插入图片描述](https://img-blog.csdnimg.cn/685f06a64d9540168d579acf2065e2a8.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAY29uZ21pbmcyMDIw,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
   《PMBOK  第六版》700多页吧,乍一看是挺厚的,但其实真正学习的内容是前面一半,后面是一些规则和图表,用来借鉴和参考用的。那这样子拆分后,其实就没那么担心了。然后就按照课程表老老实实听课、写作业、复习,刷题。然后我清楚的记得,我都刷到第7章课程了,然后因为疫情考试推迟了。顿时就很心累,唉~~~~~然后,3月份的也被推迟了,就这样子就确定到了6月份,但其实6月份也很胆战心惊,那时候广东那边又出了几例疫情,生怕考不了了,但幸运的是,只有广东推迟了(心疼广东的同学们)。        
   再说说考试吧。整体200道题,1道题1分,理论上106分就能过,但会随机抽取25道题不计分,保守起见,最好平时在测试中就能拿到131分以上的成绩。考试从早上9点开始,但8点半要到考场,提前验证身份信息等。然后从早上9点到下午1点,整整4个小时,中途可以申请上厕所,但是答题卡要上交,回来后再发给你。4个小时是能坐的住,但问题就在于,时间太久以后,脑子会麻木,考着考着就飘了,开始胡思乱想,精力不集中了。所以在平时的测试中就需要开始锻炼了。       
   在备考期间,我一共复习了三遍。第一遍,跟着老师的课程进行过,因为有课后习题,进一步加强了记忆;第二遍,在课程上完后,自己倒着再看一遍,强化自己的弱项;第三遍,开始刷题,刷完题,针对错题或者不理解的题目,直接参照书籍重新再过。这三遍中,我觉得最有效果的还是刷题,刷题我建议先按照章节刷,然后刷一套题。按照章节是有针对性的,一遍做完可以再做一遍,至少心理上不会产生排斥,这样子不断的强化。然后再接触整套题。我自己平时测试时大概能在3个小时左右完成,这样多做几套,分数保持在130以上,是没啥大的问题的。给大家看下我当时的测试成绩:​ ![在这里插入图片描述](https://img-blog.csdnimg.cn/e24db73faf1948f8a319623eaff4148a.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAY29uZ21pbmcyMDIw,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
   左边这两份是复习完第一次模拟考试,98分和113,当时是挺失落的,但随着复习的深入,我自己又重新做了下,考前半个月,能在140和141了。	最最最重要的,记得做笔记,为啥呢,书很厚,知识点很多,但很散,复习到后面,不可能次次去翻书去找,并且有些是要背诵的内容,捧着书来背么,那老费劲了。我自己是会按照章节来记,同时每一章节会留一部分空白出来,方便后续再补充内容进去。 ![在这里插入图片描述](https://img-blog.csdnimg.cn/f479db5dd3264f7bba1429da2336cb67.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAY29uZ21pbmcyMDIw,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
  	最后的最后,预祝想要考PMP的同学一次通过呦~~~,坚持的你最美丽☺
内容概要:本文详细介绍了“电动汽车聚合可行域的内-外结合近似方法”的Matlab代码实现,旨在通过数值仿真手段对大规模电动汽车集群作为灵活资源参与电网调度的能力边界进行建模与逼近。该方法融合内部凸包构造与外部约束逼近策略,精确刻画电动汽车在充电状态、功率调节、时间维度等方面的聚合可调能力范围,形成紧致的可行域表示,为高比例电动车接入下的电力系统优化调度、需求响应、车网互动(V2G)等关键应用提供可靠的建模基础。文中强调研应兼顾严谨逻辑与创新思维,并倡导借助YALMIP等成熟优化工具提升研究效率。完整的代码、工具包及相关案例可通过指定网盘链接和微信公众号“荔枝研社”获取。; 适合人群:具备电力系统分析、优化理论基础及Matlab编程能力的研人员,尤其适用于从事新能源并网、电动汽车调度、智能电网、综合能源系统等方向的研究生与工程技术人员。; 使用场景及目标:①研究大规模电动汽车集群的聚合建模与灵活性量化方法;②实现电动汽车聚合可行域的内-外近似算法;③支撑含高渗透率电动汽车的电力系统日前-实时协同优化调度;④学习并应用YALMIP工具进行数学规划建模与求解;⑤为需求响应、市场机制设计及V2G运营提供技术支撑。; 阅读建议:建议读者按照文档指引循序渐进学习,结合网盘提供的完整资源(包括YALMIP工具包与示例代码)进行实践调试,重点掌握内-外近似方法的数学建模逻辑、约束处理技巧及优化求解流程,并参考团队发布的其他相关案例,深化对优化算法与仿真技术在能源系统中应用的理解。
下载代码方式:https://pan.quark.cn/s/93e47adaae45 医学研究人员近期识别了若干新型病毒,经由对这些病毒的解析,揭示出它们的遗传物质序列均呈现环状形态。当前,研究人员已汇集了丰沛的病毒遗传物质与人类遗传物质样本数据,期望能迅速辨识个体是否感染了相关病毒。为便于探究,研究人员将人类遗传物质与病毒遗传物质均表述为由若干字母构成的字符串序列。继而,检测某种病毒遗传物质序列是否在患者遗传物质序列中有所显现,倘若出现,则表明该个体感染了对应病毒,反之则未感染。《病毒感染检测实验报告》是在医学研究背景下,依托软件技术基础中的编程知识完成的一个课程设计任务,其目的在于评估人体是否感染特定病毒。在此实验中,病毒遗传物质与人类遗传物质被表现为字母序列,通过比对病毒遗传物质序列是否存在于人的遗传物质序列中,从而判定感染状态。在程序构建方面,该实验所涉及的核心知识要点包括: 1. **字符串操作**:程序需处理病毒遗传物质与人类遗传物质的序列,这些序列以字符串形式呈现。字符串操作涵盖输入、输出、比较及匹配等操作,是C/C++编程的基础。 2. **线性表**:遗传物质序列可视为线性数据结构,可通过数组来表示。程序运用全局变量数组`V`和`D`存储病毒与人的遗传物质序列。 3. **栈**:在循环展开病毒遗传物质时,可能需借助栈数据结构来保存某个阶段遗传物质序列的状态,以便进行所有可能的匹配尝试。 4. **BF算法**(Brute Force,暴力搜索算法):BF算法是一种基础性的字符串匹配方法,用于在文本中搜寻模式。在此,BF算法用于在人的遗传物质序列中探寻病毒遗传物质序列的所有展开形态。 5. **文件处理**:程序需从文件《病毒感染检测输入数据...
内容概要:本文系统研究了基于粒子群PSO、灰狼GWO、鲸鱼WOA、哈里斯鹰HHO、蜣螂DBO、麻雀SSA六种智能优化算法的无人机三维路径规划方法,并通过Matlab代码实现了在复杂三维环境下的路径搜索与优化对比。研究构建了包含障碍物、威胁区域等实际地形特征的空间模型,综合考虑路径长度、飞行时间、能耗及安全性等多维度成本函数,对各算法的寻优能力、收敛速度、稳定性和全局搜索性能进行了量化评估与深入分析。通过大量仿真实验,全面比较了不同算法在多样化环境条件下的路径规划表现差异,揭示了各类算法的优势与局限性,为无人机在实际任务中的自主导航与决策提供了可靠的算法选型依据和技术支撑。; 适合人群:具备一定Matlab编程基础,从事无人机路径规划、智能优化算法研究或相关方向的研究生、研人员及工程技术人员。; 使用场景及目标:① 掌握主流群智能优化算法在三维路径规划中的建模与实现方法;② 对比分析不同算法在复杂环境下的性能优劣,服务于算法选型与改进;③ 为无人机自主导航、无人系统协同控制等应用场景提供算法验证平台。; 阅读建议:此资源以Matlab代码为核心,建议读者结合代码与算法原理进行同步学习,通过调整环境参数与成本函数权重开展仿真实验,深入理解算法行为特征,并可根据自身研究需求进行二次开发与拓展。
本项目是一套基于知识图谱与 LLM 大模型的电影智能问答与推荐系统完整 Python 源码,为计算机相关专业高分毕业设计项目(评审得分 98 分),经导师全程指导与专业审定,全量源码均通过本地编译与多场景调试,确保可稳定运行,兼具学习参考与二次开发价值。 项目以电影领域知识为核心,通过构建结构化电影知识图谱,结合大语言模型(LLM)作为智能 AI 助手,实现了自然语言驱动的电影知识问答与个性化推荐能力,解决了传统系统语义理解能力弱、交互形式单一的痛点。 核心技术栈:基于 Python 开发,采用 Neo4j 图数据库存储与管理电影知识图谱,融合 LLM 大模型实现自然语言意图解析、答案生成与推荐理由输出,配套完整的前后端交互界面。 核心功能: 智能问答功能:支持用户以自然语言提问电影详情、演员作品、导演履历、影片类型、上映信息等各类问题,LLM 负责精准识别用户意图,调用知识图谱数据推理并生成通顺自然的回答; 个性化推荐:基于知识图谱的实体关联关系,结合用户偏好输出电影推荐结果,同时由 LLM 生成贴合用户需求的个性化推荐理由; 知识图谱可视化:支持电影、演员、导演等实体及其关联关系的图形化展示,直观呈现知识网络结构; 多轮对话交互:依托 LLM 的对话能力,支持上下文关联的多轮追问,交互体验更贴近真人对话。 项目代码结构清晰、注释完整,覆盖数据预处理、知识图谱构建、LLM 接口封装、后端服务、前端页面全流程,难度适中,非常适合计算机、软件工程、人工智能等专业学生用于毕业设计、课程设计、期末大作业,也可作为 Python 项目实战、知识图谱与 LLM 落地应用学习的练手项目,可直接基于现有框架进行功能扩展与场景创新。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值