24上软考备考全流程梳理!软考小白报名必看(含资料)

软考的报名详细流程 报考信息:包括报考级别(初级、中级、高级)、报考资格(如信息系统项目管理师)、报考科目(选择报考资格后会自动填充)、现有职称(有职称的填写职称名称,没有的填写“无”即可,影响不大)、取得职称时间(如实填写,没有则不填)。● 教育情况:毕业学校(填写最高学历所在学校)、所学专业(如无专业则填“无”)、毕业时间(如无专业则填“无”)、专业名称、在学/已有学历(填写最高学历)、学制、学位(如无学位则填“无”)。首页的【服务园地】板块里有一个【报名入口】,点击进去后,可以查看当前批次各地区的报名有效时间。 阅读详情
AI摘要

本文指导了2024上半年软考的报名时间、考试信息、科目选择建议、备考策略,包括教材使用、课程推荐、刷题技巧和重点记忆方法,帮助考生高效准备软考并顺利通关。

24上软考自3.18日报名已经开启啦!目前不少考生已经开始准备2024上半年的软考了,那么到底要如何备考呢?今天来分享一份软考小白报名必看的攻略!带你梳理上半年软考备考全流程!

领资料的宝直接下滑到底部领取哈↓

大部分的同学应该都还是软考新手,正处于报完名或准备报名,对软考有热情但还是一知半解的状态。赶紧码住往下看,带你一次了解备考软考的相关事项。

【1、软考报名信息】

已经决定报名或者正要报名的同学,一定不要错过2024上半年软考报名!上半年重要时间如下↓

⭐报名:3月18日开始

⭐考试:5月25日-28日

大家要注意的是,24年起软考流程改革后,很多科目的报名有所调整,部分没有那么热门科目调整为1年只考1次啦!而且固定在上半年或者下半年考,以下都是一年只考1次的科目!一定要特别注意!

(1)一年只开考1次的科目(错过报名 再等1年)

高级:信息系统项目管理师、网络规划设计师、系统规划与管理师 中级:系统集成项目管理工程师、信息安全工程师、信息系统监理师、软件评测师、电子商务设计师、嵌入式系统设计师、信息系统管理工程师、多媒体应用设计师 初级:程序员、信息处理技术员、网络管理员、信息系统运行管理员

(2)只有上半年开考的科目

高级:信息系统项目管理师、系统架构设计师、系统分析师

中级:网络工程师、软件设计师、软件评测师、电子商务设计师、嵌入式系统设计师、数据库系统工程师、信息系统管理工程师

初级:程序员、信息处理技术员

  • 1.软考高级:去掉了系统规划与设计师,增加了系统架构设计师

  • 2.软考中级:去掉了系统集成项目管理工程师、信息系统监理师,增加了软件评测师、信息系统管理工程师

  • 3.软考初级:去掉了网络管理员

近年来软考改革动作很大,每年的考情都在不断变化,也有很多考生因为没有关注当地软考资讯而错过软考报名,建议大家可以关注一下“软考通”公众号,重要资讯及时更新,这样就不会错过软考报名啦~

【2、软考考试信息】

分数线:所有科目成绩全部在45分以上(含45分)通过考试;

成绩查询:搜索“中国计算机技术职业资格网”查询软考成绩;

出成绩时间:预计在七月中旬;

证书领取时间:一般在考试成绩公布后3-4个月,各地证书领取时间不同。

【3、软考科目选择建议】

软考不需要逐级考,考生可以根据自己的技术水平选择合适的资格进行报考,一次只能报考一种软考资格考试。

从专业,技术等角度出发,诸如系统分析师、系统构架设计师、系统规划与管理师、网络规划设计师这四个高级证书的入门,相对来说对于专业水平,技术水平都是有一定要求的。也就说,你必须有一定的基础,才能更好地备考这几种证书。

而信息系统项目管理师和系统集成项目管理工程师,这两个科目在所有中高级科目中属于偏管理类的两科目,考试重点是项目管理知识,为IT技术人员提供快速平稳转岗方法。这对于很多非专业的考生来说,复习起来相对容易,大部分考点都是项目管理的知识,技术类的题也只考一些基本概念。

相比较其他的证书,这两个科目的专业知识门槛更低,即使不是计算机专业的,也能够报名参加考试。更适合0基础小白,或者想要转行IT入门,又或者只想拿证去完成落户、人才评定的人员

【4、软考备考经验(循序渐进+科学备考,预留足够的学习时间)】

建议大家至少要留出2-3个月的时间备考,越早备考越好。因为考虑到有很多考生都是在职党,备考的同时还要兼顾工作和家庭,所以需要详细核实一下自己每天能够用来学习的时间,然后再来定备考计划。

如果每天有2个小时学习时间的话,一门科目平均需要1-2个月左右备考。如果每天3到4个小时学习时间的话,一门科目平均需要1个月左右备考,压力稍微大一些。

当然大家在备考过程中还要考虑到平时上下班通勤时间,以及自己本身工作的加班的情况,不建议大家加班加点的学习,也不建议留到临考的时候考前突击。备考是个长久战,还是要张弛有度才能达到最好的备考效率,备考时间尽量给自己预留充足一点,夯实基础才能考出好成绩,也更能提升自己本身的技术水平,以考促学。

【5、软考必备工具】

教材:官方教材(官方的指定教材肯定是没的说了,不要选其他乱七八糟的,肯定是官方的教材最贴合考纲,知识点巨详细,结合这个去进行记忆,直接事半功倍,不过得用第四版啊!!)

课程:除非基础特别差或者本人是非专业考生,或者你报考的科目非常冷门,不好找资料,那么可以考虑报班,如果对自己的应试能力比较有信心的uu们,我自己是觉得报班没什么必要,市场上的机构挺难甄别的,有的收费巨坑。悄咪咪说下,b站其实有非常多的免费软考课程,什么科目都能找到,很多是机构的课,更多是一些专业程序员的公益课程,讲解的非常详细了,用来应试备考是绝对绝对够够够的了,相当于白嫖就能过考试啦!!!咱别花那个冤枉钱

还是比较建议大家去听课的,因为课程里每个章节的考点都会讲到,先教材看不懂,这时候去找专项课程来听,结合起来一讲就巨清晰了,备考很省心,讲课的时候老师一般还会把比较常考的,重点的都着重去分析的。自己也可以划重点记忆一下,主要是听别人讲,肯定比自己啃书更不枯燥。对于我这种上课容易犯困的,知识也能库库往脑子里进)是一种很好的复习方法

刷题题库:刷题还是建议认准【软考通】app,接触过软考的uu们应该都多少听过,做软考题库很多很多年啦,而且一直0收费,免费开放刷题。其他的题库我也有用过一些,功能其实都大差不差,题目每年就那么些题目全就够用了,有的虽然也很好用但是刷一会就喊着收钱了,要解锁。还是回来老实刷软考通了

这里再次提醒大家一下,听课和刷题要一定要同时进行,因为只听不做效果很难出来。建议复习完一个章节,及时去软考通上刷题,不刷题没办法看出来问题,是不是真正掌握好了。

软考通题库的话:章节练习、历年真题、模拟试卷、错题本之类的基础功能都满足的,我只之前整个中高级软考备考期间都在用这个!通勤排队的时候刷手机APP,真的很方便!大家可以随意根据自己备考的科目进行题库内的切换。

【6、重点内容巧记方法】

记关键词:常见问题、纠偏纠错、流程。

记口诀:针对一些知识点创造自己的口诀。

记前后顺序:谁是谁的输入或输出,由前者推导后者。举例:工作绩效数据/信息—工作绩效报告。

记公式:工期、关键路径、挣值。

记方法:单/双代号网络图、格子法、汇圈法、裁剪树。

点、线、面结合:每一个知识域都不是孤立的,项目管理是综合概念,每一个问题都可以能引起多个效应,多思考,多总结。

【7、备考技巧】

1)循序渐进式提升(方法)

通读一遍教材(1个月左右)——熟读教材和讲义——综合知识练习——案例分析题真题——论文写作(考前2个月)——考前冲刺。

2)需要完成的任务

综合知识题库(知识点全覆盖)、历年真题练习(2015年-至今,刷软考通APP)、论文(准备4篇以上)、讲义(重点内容必看)、视频(仔细听讲+回看)、上机练习机考模式(软考通网页机考模拟系统or官方的模拟系统)

3)论文写作

论文是高项的重中之重,也是知识掌握水平和项目管理能力的最好体现。论文应找好素材,新技术新应用为宜,多准备一些可以套用的素材,这部分大家务必花费大量的时间充分准备!!!多总结,多思考。考试时,论文写作时间只有两个小时,时间比较紧,平时应多多练习,提升手速,尤其是不太会用电脑的!打字速度和正确率请提升上来!

4)综合知识+案例分析

综合知识做完一遍之后一定要标记记不住的错题或收藏你认为可能考到的题,积累到一定水平基本没问题,考试时间也很充裕。

案例题要多看历年真题的解答和分析,老师的讲解也很重要,不懂b站找专题课!能让你少走弯路。考试时,每道题只有30分钟答题时间,时间较紧,建议先易后难,先把会的知识点的得分拿到,计算题务必要先写公式,问题分析题尽量多些问题,根据题目分数自行判断。

一定要多看教材,多做题。考试会有很多概念题,还有一些分析题,这些要想全部做好,你的基础就得打牢。

上午题75道选择题,考试范围很广,下午题虽然是文字题,但其实每次就考那几个知识点,反而不用太担心。所以复习就全面一点,上下午的试题都要认认真真刷完,最后冲刺阶段做几套模拟题,保证正确率在80%,基本上差不多了。

最后的最后,给大家一波我自己整理的资料!备考的小伙伴可以自取↓

24上最新软考资料,全科目全(提取码:bs27 )icon-default.png?t=N7T8https://pan.baidu.com/s/1yeefr-rcWvqnm9V-X--QuQ?pwd=bs27

      ↑就算没有基础的宝也不用把软考考试想象成洪水猛兽,早上早起1个小时,中午在公司午休少睡半小时,晚上回家高效学习1-2小时,时间就出来了!应试考试嘛!只要下功夫多刷题!一定可以过的!大家加油!祝大家5月软考都能顺利通关!

GD32 TIMER0 PWM输出死活没波形?别忘了这个关键配置(附完整代码) 本文详细解析了GD32 TIMER0 PWM输出无波形的常见问题,特别强调了高级定时器特有的主输出使能配置。通过完整的代码示例和调试技巧,帮助开发者快速解决PWM输出问题,适用于无刷电机控制等嵌入式应用场景。 阅读详情

相关推荐

802.1AS时间同步机制深度解析:从Sync报文到多域冗余设计

本文深度解析了802.1AS时间同步机制,从Sync与Follow_Up报文的核心交互原理入手,详细阐述了其如何通过精确的时钟频率比测量、链路延迟计算和驻留时间补偿来实现微秒乃至纳秒级同步。文章进一步探讨了802.1AS-2020版本引入的多时钟域冗余设计,为构建高可靠的车载TSN网络提供了关键见解和实战配置指南。

pytorch8learner的博客 466

软考24年考试最新备考攻略与要点分享

软考的考试机会最近有调整:上半年考 高级 、下半年考中级;其他的考试科目保持不变。因此 项目管理师 资格的含金量更高了,同时考试机会也减少了一半。对于24年上半年的高级考试,只有不到3个月的准备时间,中级考试的准备时间还是很充足的。至于准备时间,现在准备肯定来得及 (具体原因下面会分析)。以我的个人经验来看,能否通过考试主要受3个方面的影响:时间+用心+方法。

逸尘谈PM 1539

FunASR与FreeSWITCH融合实战:从零构建高精度语音质检系统

本文详细介绍了如何将FunASR与FreeSWITCH融合,构建高精度语音质检系统。通过实时语音听写技术,结合热词定制和多模型切换,实现客服中心等场景的自动化质检,显著提升识别准确率和效率。系统架构涵盖音频采集、识别处理和业务应用三层,支持负载均衡和性能优化,适用于工业级部署。

weixin_29198045的博客 988

2023年软考机考已结束,24年软考趋势如何?

软考

weixin_44970055的博客 406

医学图像中的小目标病灶检测难题:我的硕士研究总结与思考

医学图像中的小目标检测和分割,主要指在CT、MRI、超声等医学影像中识别和分割微小病灶或细小结构。这些小目标通常体积小、边界模糊、特征不明显,却往往是关键病灶,例如肺部小结节、脑微出血、乳腺微钙化等。

weixin_45638136的博客 2373

GD32F407工程模板搭建全记录:从零整理固件库、创建文件夹到编译通过

本文详细记录了GD32F407工程模板的搭建过程,从固件库整理、目录规划到Keil环境配置,帮助开发者快速搭建可维护的嵌入式工程结构。重点介绍了开发环境搭建、工程目录设计、Keil配置及常见编译问题解决方案,适合嵌入式开发者参考。

weixin_29164497的博客 124

2024软考大改革!一年只能考一次!

中级:系统集成项目管理工程师、信息安全工程师、信息系统监理师、软件评测师、电子商务设计师、嵌入式系统设计师、信息系统管理工程师、多媒体应用设计师。中级:网络工程师、软件设计师、软件评测师、电子商务设计师、嵌入式系统设计师、数据库系统工程师、信息系统管理工程师。中级:系统集成项目管理工程师、网络工程师、软件设计师、信息安全工程师、信息系统监理师、多媒体应用设计师。高级:系统规划与管理师、系统分析师、系统架构设计师、网络规划设计师。初级:程序员、信息处理技术员、网络管理员、信息系统运行管理员。

hcie-0001 5655

微观交通流仿真软件:SUMO (Simulation of Urban MObility)_(1).SUMO入门与基础概念

SUMO(Simulation of Urban MObility)是一个开源的微观交通流仿真软件,用于模拟城市交通系统中的各种动态行为。SUMO不仅可以模拟车辆的行驶,还可以模拟行人、自行车、公交车等交通参与者的运动。通过SUMO,研究人员和工程师可以对交通系统进行详细建模和分析,从而优化交通规划、评估交通政策和设计智能交通系统。车辆路径规划:SUMO可以模拟车辆在路网中的路径选择,包括动态路径选择和静态路径选择。交通信号控制:支持多种交通信号控制策略,包括固定时间控制、自适应控制等。多模式交通:模拟不同

kkchenjj的博客 1189

2024.01.19 软考周总结:24年软考时间官宣、上半年中项用旧版教程

软考新闻周周更,学习时间倍珍惜,欢迎了解本周软考的大事记。过去的这周,软考最大的消息,一个是2024年软考时间官宣敲定,另一个是2024年上半年中项考试沿用旧版教程。

i88busy的博客 592

电动汽车充电标准之 — IEC 61851 “电动汽车传导充电系统”简介

IEC 61851 作为电动汽车传导充电系统的核心国际标准,从通用要求、安全规范、EMC性能到具体的测试方法,为全球电动汽车充电设施的安全、可靠和互联互通提供了关键技术依据。对于制造商而言,它是产品走向全球市场的通行证;对于消费者和运营商而言,它是安全高效充电体验的基石。希望以上信息能帮助你全面了解 IEC 61851 标准。如果你对某个具体的部分(例如某种充电模式、EMC 要求或者是直流充电通信协议的细节)特别感兴趣,我可以提供更进一步的说明。

良好的开始一般都会感到困难。 1087

MATLAB计算各种复合干热指数,如SDHI、DHMI等

MATLAB编程实现各种复合干热指数

WW、forever的博客 5087

一次讲清楚25年下半年软考备考计划

《软考高项通关指南:2025最新备考干货》 摘要: 本文为2025年软考信息系统项目管理师备考全攻略,由已获证学长分享。核心内容包括:1)考试关键时间节点(8-9月报名,11月考试);2)证书三大价值:职称评定、积分落户、职业发展;3)推荐选择中/高级系统集成方向;4)高效备考策略:3阶段学习法+真题训练;5)实用资料清单(真题/模板/考点);6)常见避坑指南。特别强调该考试对非计算机专业转行者的友好性,并提供免费备考资料获取方式。全文以实战经验为基础,助力考生高效通关。

逸尘谈PM 1583

【实战篇导读】四足机器人运动控制导读

认知有限,望大家多多包涵,有什么问题也希望能够与大家多交流,共同成长!本文先对四足机器人运动运动控制系统及相关算法做个简单的介绍,具体内容后续再更,其他模块可以参考去我其他文章主要介绍了波士顿spot机器人的发展历史、四足机器人的硬件系统及电机执行器组成包括硬件系统、关节电机执行器,机载传感器机处理器及电气连接等。概述了四足机器人规划控制、感知、定位及局部地图的相关算法方向。

qq_35635374的博客 687

软考详细备考攻略,肝了

软考备考指南——计算机技术与软件专业技术资格考试

qq_54525448的博客 1万+

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

24年下半年软考只剩下3个月时间,来得及准备吗?

这个阶段是最关键的!你得开始密集复习,每天至少花四五个小时在学习上。除了复习知识点,还得开始做模拟题和真题。做完题后,一定要及时查看答案,分析错题的原因,总结经验教训。另外,这个阶段还得安排几次模拟考试,模拟真实的考试环境,让自己提前适应。(2024软考备考交流区)还有历年真题、考点分析、学习笔记获取​虽然2024年上半年软考通过的同学中也有很多都是在正式考试前3个月左右后才开始备考的。但是小编还是建议大家尽早开始学,要知道,软考的通过率还是比较低的,尤其是高级科目。祝大家都能一次拿下,上岸成功!!!

zzjjia的博客 1265

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

2024下半年软考备考指南分享,拒绝盲目备考!

今年上半年软考的考试时间为11月9日-12日,进入10月底,基本上是开始进行模拟和考前冲刺了,大家在这个阶段可以回顾一下错题,再翻一翻书本教材和做过的笔记等等。前面的复习进程已经到了区分重难点,背诵记忆相关知识点的进度,那么接下来我们不仅要背诵理解记忆,还要进行大量习题训练,针对考试高频考点和核心章节,进行重点复习。唯有坚持,才能取得最后的胜利,在烦闷的时候,可以散散步,听听音乐,调整下情绪,告诉自己撑过这段时间就好了,千万不要弃考!在这一阶段,建议大家完整的翻一遍书,对科目的知识体系有一个整体的认识。

qw555663的博客 2741

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

24年软件设计师!看这篇就够了(规划+知识点)

整理了软件设计师考试重要基础知识和各种考点~

m0_62340891的博客 3万+

超实用,2022年上半年软考备考技巧~

离2022上半年的软考也是越来越近了,备考复习的同学们肯定都有过乏味迷茫,这些都是正常会发生的,学习要讲究方法,先当然是得看看你自己报考的是什么科目,要清楚自己对知识点的掌握程度,没有完全掌握的知识点需要花费的复习时间自然也会多一点。小编也为大家提几点小小建议: 列出复习计划给考试制定学习计划是关键!一定要有针对性的复习 一.熟读教材 不管你考哪个科目,教材先读一遍,先得理解性的去学习。理解性的读教材,将教材中的知识点理解清楚,有一个清晰的思路。基础阶段一定要打好"地基",而教材就是你打地基的武器~ 俗话说

才聚PMP的博客 438

零基础考软考高级要备考多久呢?

把比较难的计算题放在后面,多轮迭代,会做的题一分都不要丢。找准出题意图:对新颖的选择题和案例题,拿不准的题目,不要紧张,积极寻找出题的意图和突破点,用自己语言阐述清楚。顺势而为:对案例题,可先看题目,有针对性做题,遇到不会的,不要紧张,顺着题意去写。正文:1、字数:论文总体是要求3000字的,摘要已经占了400字,所以论文正文部分的字数要控制在2500字左右,尽量不要写大段文字,每段控制在7行以内,字迹要工整,条理要清晰。论文应找好素材,新技术新应用为宜,务必花费大量的时间充分准备,多总结,多思考。

DD666521的博客 2301

2024备考必看!软考高级考试备考需要多长时间?

因此,考生在备考时,需要根据自己的实际情况来制定合适的学习计划。2023年的软考高级考试已经结束了,想要报考2024年软考高级考试的考生们,现在就可以开始进行备考了,本文将为大家带来软考高级考试的备考时长及备考方法内容,希望对大家能够有所帮助。若按以上时间来看,2024年最近的一次软考高级考试将于5月份进行,这样看来,距离考试还有6个月的时间,在这个时间进行备考,时间刚刚好。2024年软考高级考试时间暂未公布,预计上半年考试时间安排在5月底,下半年考试时间安排在11月初,具体请考生及时关注软考办官网通知。

wq19921017的博客 1436

软考高级备考全攻略,看这一篇就够了

软考,全称计算机技术与软件专业技术资格(水平)考试,是由国家人力资源和社会保障部、工业和信息化部领导的国家级考试。首先,给大家泼一桶冷水,软考高级难度还是很高的。比如2024年上半年湖南软考,高级资格报考人数为:5129人,合格人员人数为312人,高级通过率低至为:312÷5129≈6.08%。所以如果你没有认真备考的过程,基本很难轻松通过。⭐已经决定报名或者正要报名的同学,一定不要错过2025上半年软考报名!上半年重要时间如下↓🔸报名时间:25年3月中旬🔸考试时间:25年5月下旬⭐。

2401_86540654的博客 5254

这份软考备考攻略与建议,看完至少让你提高20分

只要你仔细阅读以下建议,就能在考试前的两周内至少提高20分。我曾经也参加过软考培训班,研究过系统架构师的真题,并在去年年底成功拿到了证书。作为经历过这一切的人,我相信很多人都觉得系统架构师考试很难,但其中有很多实用的知识只有通过考试才能了解到。现在我就告诉你一些方法,让你能够立刻提高分数。考试前半个月对于那些成绩在及格线附近的考生来说非常重要!在冲刺阶段,关键是要想办法在最短的时间内获得最多的分数。

逸尘谈PM 1430

软件设计师(中级软考)知识点大纲及其分数比例

数组、顺序表与链表、队列与栈、字符串、二叉树的存储与特性、二叉树遍历、排序二叉树、最优二叉树、图的概念与存储、图的遍历、图的拓扑排序、二分查找、哈希查找、常见的排序算法、常见算法策略。数据的表示、CPU组成、CISC与RISC、流水线技术、层次化存储、I/O数据传输控制方式、可靠性分析、校验方法、计算机性能指标。开发方法与开发模型、数据流图与数据字典、结构化设计、测试方法与McCabe环路复杂度、软件维护、质量特性、CMM、Pert图。OSI模型、TCP/IP协议族、子网划分、常用的网络命令、URL。

qq_42446253的博客 2008

软考小白必看!轻松上手,一文带你玩转软考考试

软考,IT职场通行证,提升技能,认证权威,助力职业发展!软考,全称是计算机技术与软件专业技术资格(水平)考试,是由国家人力资源和社会保障部(原人事部)、工业和信息化部(原信息产业部)领导,全国计算机软件考试办公室负责实施和日常管理的对全国计算机与软件专业技术人员进行的职业资格、专业技术资格认定和专业技术水平测试。这是一项国家级考试,主要对从事或准备从事计算机应用技术、网络、信息系统和信息服务等专业技术工作的人员进行水平和能力的测试。以上是自己对软考和PMP全部的见解,仅代表个人观点。

拥有必珍惜 7135

从报名到领证:软考中级系统集成项目管理工程师考试全流程指南

本文共计11564字,预计阅读38分钟。包括七个篇章:报名、准考证打印、备考、考试、成绩查询、证书领取及常见问题。

xisai88的博客 2万+

软考最后 30 天冲刺攻略!高效提分,关键节点 & 备考计划全梳理

【软考30天冲刺指南】 1️⃣ 关键时间点 10.20-25日:必练官方模拟系统(熟悉计算器/公式/作图) 11.3-7日:打印准考证(双备份+信息核对) 11.8-9日:提前90分钟到考场 2️⃣ 分阶冲刺计划 零基础:1周刷真题→2周攻高频考点→1周全真模拟 有基础:专题突破薄弱项+成套真题训练 进阶者:保优势+打磨高级论文 3️⃣ 题型突破技巧 选择题:3步刷题法(限时→错题归因→同类题强化) 案例题:计算题公式保底分+文字题"三段式"答题模板 高级论文:摘要四要素+正文三段结构(

2502_91509424的博客 955
上一篇: 24软考假如从4月开始备考,就这么学❗
下一篇: 软考高项备考经验分享~(别再什么都不知道就瞎考啦❗)
抹茶豆乳麻薯
博客等级 码龄7年 138粉丝 10原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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
⌂ 换网址