計(jì)算機(jī)該怎么學(xué)習(xí)

　　我們都知道當(dāng)今社會(huì)是一個(gè)高速發(fā)展信息時(shí)代。在各行各業(yè)中都離不開(kāi)信息的處理，這正是計(jì)算機(jī)被廣泛應(yīng)用于信息管理系統(tǒng)的環(huán)境原因。那么計(jì)算機(jī)的學(xué)習(xí)方法有哪些呢?下面是學(xué)習(xí)啦小編分享給大家的計(jì)算機(jī)入門學(xué)習(xí)方法的資料，希望大家喜歡!

　　計(jì)算機(jī)入門學(xué)習(xí)方法

　　一、學(xué)會(huì)使用搜索引擎

　　如果有問(wèn)題找書很麻煩，那就用百度和google(谷歌)吧，輸入你的問(wèn)題，應(yīng)該會(huì)有很多解答的。你也可以搜索你想要的資料，比如：文章、視頻教程、軟件下載等。搜索引擎上的資料是及時(shí)的最新的，這是個(gè)很好的學(xué)習(xí)工具。 要善于使用搜索引擎。這將會(huì)幫你提高很大的學(xué)習(xí)效率。而且你的問(wèn)題基本都能在百度里面找到答案，接下來(lái)就是自己去實(shí)踐一下就好了!

　　二、閱讀電腦教程書籍

　　如果你想更系統(tǒng)的學(xué)習(xí)電腦。購(gòu)買一本電腦相關(guān)的書籍是一個(gè)不錯(cuò)的選擇。書籍是為了補(bǔ)充更完整、更系統(tǒng)的知識(shí)，如果你想學(xué)習(xí)一門軟件技術(shù)，例如PS等，看書籍可以做筆記，學(xué)的更扎實(shí)。

　　三、電腦入門視頻教程

　　視頻教程補(bǔ)充了書籍的不形象的缺點(diǎn)，讓你看到各個(gè)步驟的操作，更加通俗易懂。但是學(xué)習(xí)周期比較長(zhǎng)。

　　四、敢于動(dòng)手，敢于嘗試

　　正如文章開(kāi)頭說(shuō)的，不要怕弄壞自己的電腦，大不了重裝一下系統(tǒng)。電腦出問(wèn)題了，先利用搜索引擎搜索答案，然后就去嘗試網(wǎng)上給的答案，如果因?yàn)閲L試出問(wèn)題了，自己再重裝一下系統(tǒng)就好了，一般的軟件問(wèn)題主要重裝系統(tǒng)就能解決的，包治百病……

　　五、不要三天打魚兩天曬網(wǎng)式的學(xué)習(xí)。

　　做任何事情都要有始有終，不能半途而廢。如果你今天學(xué)點(diǎn)。明天不學(xué)習(xí)，隔三差五的學(xué)習(xí)。那么你永遠(yuǎn)都是在這個(gè)水平。提高不了。學(xué)習(xí)了新的知識(shí)點(diǎn)就要花時(shí)間去鞏固。真正的做到把知識(shí)掌握在手中。

　　六、合理安排學(xué)習(xí)時(shí)間

　　學(xué)習(xí)要講究效率，合理分配時(shí)間，該做啥時(shí)就做啥。在合理的時(shí)候做合理的事情，不背道而馳。比如一天之中晚上花一個(gè)小時(shí)學(xué)習(xí)就可以了。

　　七、加入學(xué)習(xí)電腦的QQ群或者關(guān)注微信公眾號(hào)拓展自己的知識(shí)面

　　多關(guān)注一些電腦相關(guān)的微信公眾號(hào)，可以利用瑣碎的時(shí)間學(xué)習(xí)，多讀讀別人寫的相關(guān)文章?；蛘咧苯蛹尤隥Q交流群，可以直接與別人交流。

　　學(xué)習(xí)過(guò)電腦知識(shí)和沒(méi)有學(xué)過(guò)電腦知識(shí)的區(qū)別

　　打個(gè)比方說(shuō)：你正在看蒼老師的作品，這時(shí)你爸突然闖進(jìn)來(lái)，沒(méi)有學(xué)習(xí)過(guò)電腦知識(shí)的人可能就會(huì)立馬用鼠標(biāo)去點(diǎn)關(guān)閉按鈕，由于太緊張，可能拿鼠標(biāo)的手都在抖，結(jié)果沒(méi)有關(guān)閉成功，結(jié)果……(此處大概省略一萬(wàn)字)，而學(xué)習(xí)過(guò)電腦知識(shí)的人，直接使用Alt+F4快捷鍵，播放器瞬間被秒殺了，這就是差別啊!

　　計(jì)算機(jī)等級(jí)一級(jí)學(xué)習(xí)方法

　　首先，就是學(xué)會(huì)電腦的基本操作，大家對(duì)這方面是精通的了。但為了保險(xiǎn)起見(jiàn)，還是給大家介紹一下~

　　計(jì)算機(jī)一級(jí)的基本操作題主要包括復(fù)制，粘貼，移動(dòng)，更改屬性，刪除，重命名幾個(gè)方面，點(diǎn)擊鼠標(biāo)右鍵就可以看到了。超級(jí)簡(jiǎn)單吧。

　　第二個(gè)，就是文字處理了。計(jì)算機(jī)考試中的文字處理用的是Word文檔，總共分為以下幾點(diǎn)：

　　1)字體的顏色，大小，字形，下劃線等

　　2)邊框和底紋樣式和顏色(文字和表格都?？?

　　3)頁(yè)面布局，比如分欄，紙張大小，頁(yè)腳，頁(yè)眉，頁(yè)碼等

　　4)段落間距，行距，縮進(jìn)等

　　5)一般文字處理題都會(huì)有一段可以插入表格的文字，所以第一要插入表格，然后設(shè)置表格格式，包括列寬、行高、文字和表格居中，最重要的就是插入函數(shù)計(jì)算，一般這樣的題都會(huì)考這一步，也很容易出問(wèn)題。

　　第三個(gè)，是電子表格。電子表格的考核主要分為以下幾點(diǎn)。

　　1)合并或拆分單元格，插入行或列

　　2)更改表格格式，如表格套用格式

　　3)使用函數(shù)，這一步最復(fù)雜，一定要多了解

　　4)排序，篩選和進(jìn)行分類匯總

　　5)根據(jù)表格中的兩列數(shù)據(jù)插入圖表，插入標(biāo)題，更改或刪除圖例

　　6)插入數(shù)據(jù)透視表

　　第四個(gè)，是演示文稿。小易覺(jué)得、同學(xué)們也許已經(jīng)習(xí)慣了PPT，但大學(xué)計(jì)算機(jī)一級(jí)考試考試卻不是用這個(gè)的，大家要熟悉以前中學(xué)時(shí)設(shè)計(jì)演示文稿的軟件，雖然二者有些許不同，但內(nèi)容也相差不大。

　　1)更改它的版式或模板，還有就是調(diào)整幻燈片的背景顏色

　　2)插入文本或圖片，其中插入剪貼畫比較有難度

　　3)設(shè)置切換效果和動(dòng)畫效果

　　4)新建、刪除幻燈片，調(diào)換幻燈片順序

　　5)更改幻燈片的放映方式為觀眾自行瀏覽，這是?？嫉囊稽c(diǎn)，千萬(wàn)要注意

　　最后一項(xiàng)，是上網(wǎng)和發(fā)送或接收郵件。上網(wǎng)就是瀏覽和保存網(wǎng)頁(yè)，這個(gè)大家一般都會(huì)。小易重點(diǎn)說(shuō)一下發(fā)送或接收郵件時(shí)要注意的問(wèn)題。

　　1)一般在發(fā)送郵件時(shí)，都會(huì)讓你添加文件。文件就在考生文件夾中，你要先新建一個(gè)文件夾，將要發(fā)送的附件放入其中，再壓縮成一個(gè)壓縮包這樣才能添加進(jìn)去。

　　2)接收郵件時(shí)一般會(huì)讓考生回復(fù)，你只要找答復(fù)這兩個(gè)字就可以了。但是別忘了，這時(shí)候題目總會(huì)讓你保存附件，這條可千萬(wàn)別忘了，根據(jù)學(xué)長(zhǎng)學(xué)姐的血淚經(jīng)驗(yàn)，同學(xué)們總忽略這一步，導(dǎo)致功虧一簣啊!

　　計(jì)算機(jī)學(xué)習(xí)閱讀理解的方法

　　自然語(yǔ)言計(jì)算領(lǐng)域皇冠上的明珠

　　如今，我們?cè)趫D像識(shí)別、機(jī)器翻譯和語(yǔ)音識(shí)別等研究領(lǐng)域已經(jīng)看到了機(jī)器學(xué)習(xí)帶來(lái)的顯著成果。例如圖像識(shí)別技術(shù)對(duì)癌細(xì)胞病理切片的識(shí)別能力已逐步超過(guò)人類，目前機(jī)器圍棋棋手的棋力已經(jīng)幾乎無(wú)人能敵……在人工智能技術(shù)進(jìn)步向人們展現(xiàn)了各種可喜的成果之后，大家將探尋的目光投向更遠(yuǎn)的未來(lái)，下一個(gè)人工智能技術(shù)的增長(zhǎng)點(diǎn)在哪里?

　　狂熱過(guò)后，當(dāng)我們重新審視人工智能這個(gè)問(wèn)題時(shí)，一個(gè)最基本的問(wèn)題可能尚未解決：計(jì)算機(jī)能夠理解多少我們的語(yǔ)言了?

　　一些人類學(xué)家認(rèn)為，語(yǔ)言是構(gòu)建人類文明的基石。在語(yǔ)言之上，我們構(gòu)建了神話、宗教;構(gòu)建了城邦，帝國(guó);還構(gòu)建了信任、信仰。計(jì)算機(jī)發(fā)明以來(lái)，層出不窮的編程語(yǔ)言都在教人們學(xué)會(huì)和計(jì)算機(jī)對(duì)話，而人們理想中的人工智能則是應(yīng)該主動(dòng)學(xué)習(xí)，掌握人類語(yǔ)言的奧義。為此微軟提出了CaaP(Conversation as a Platform，對(duì)話即平臺(tái))戰(zhàn)略，并將對(duì)話式人工智能作為微軟在人工智能領(lǐng)域布局的重點(diǎn)。

　　計(jì)算語(yǔ)言學(xué)協(xié)會(huì)(ACL， Association for Computational Linguistics)候任主席，微軟亞洲研究院副院長(zhǎng)周明博士認(rèn)為：“自然語(yǔ)言處理的基本研究包括分詞、斷句、句法語(yǔ)義分析等等。而機(jī)器閱讀理解就是自然語(yǔ)言計(jì)算領(lǐng)域皇冠上的明珠。”

　　一般來(lái)說(shuō)，人們?cè)谧x完一篇文章之后就會(huì)在腦海里形成一定的印象，例如這篇文章講的是什么人，做了什么事情，出現(xiàn)了什么，發(fā)生在哪里等等。人們能夠很輕而易舉地歸納出文章中的重點(diǎn)內(nèi)容。機(jī)器閱讀理解的研究就是賦予計(jì)算機(jī)與人類同等的閱讀能力，即讓計(jì)算機(jī)閱讀一篇文章，隨后讓計(jì)算機(jī)解答與文中信息相關(guān)的問(wèn)題。這種對(duì)人類而言輕而易舉的能力，對(duì)計(jì)算機(jī)來(lái)說(shuō)卻并非如此。

　　很長(zhǎng)一段時(shí)間以來(lái)，自然語(yǔ)言處理的研究都是基于句子級(jí)別的閱讀理解。例如給計(jì)算機(jī)一句話，理解句子中的主謂賓、定狀補(bǔ)，誰(shuí)做了何事等等。但長(zhǎng)文本的理解問(wèn)題一直是研究的一個(gè)難點(diǎn)，因?yàn)檫@涉及到句子之間的連貫、上下文和推理等更高維的研究?jī)?nèi)容。

　　比如下面這段文本： The Rhine (Romansh: Rein, German: Rhein, French: le Rhin, Dutch: Rijn) is a European river that begins in the Swiss canton of Graubünden in the southeastern Swiss Alps, forms part of the Swiss-Austrian, Swiss-Liechtenstein border, Swiss-German and then the Franco-German border, then flows through the Rhineland and eventually empties into the North Sea in the Netherlands. The biggest city on the river Rhine is Cologne, Germany with a population of more than 1,050,000 people. It is the second-longest river in Central and Western Europe (after the Danube), at about 1,230 km (760 mi), with an average discharge of about 2,900 m3/s (100,000 cu ft/s). (大意：萊茵河是一條位于歐洲的著名河流，始于瑞士阿爾卑斯山，流經(jīng)瑞士、 奧地利、列支敦士登、法國(guó)、德國(guó)、荷蘭，最終在荷蘭注入北海。萊茵河上最大的城市是德國(guó)科隆。它是中歐和西歐區(qū)域的第二長(zhǎng)河流，位于多瑙河之后，約1230公里。)

　　若針對(duì)該段內(nèi)容提問(wèn)：What river is larger than the Rhine?(什么河比萊茵河長(zhǎng)?)人們可以輕易地給出答案：Danube(多瑙河)。但目前即使是最佳的系統(tǒng)模型R-NET給出的輸出也并不盡人意，它的回答是：科隆，可見(jiàn)要讓計(jì)算機(jī)真正地理解文本內(nèi)容并像人一樣可以對(duì)文字進(jìn)行推理的難度是如此之大。在回答該問(wèn)題時(shí)，計(jì)算機(jī)除了要處理文中的指代“it”，還需要算法和模型進(jìn)一步對(duì)“larger than”和“after”這兩個(gè)表述進(jìn)行推理，從而得知Danube是正確答案。此外，由于文中并沒(méi)有顯式提到Danube是“river”，所以又加大了系統(tǒng)的推理難度。

　　但大數(shù)據(jù)的發(fā)展讓學(xué)者們看到了這一研究方向的曙光。可獲取的越來(lái)越大的文本數(shù)據(jù)，加上深度學(xué)習(xí)的算法以及海量的云計(jì)算資源，使得研究者們可以針對(duì)長(zhǎng)文本做點(diǎn)對(duì)點(diǎn)的學(xué)習(xí)，即對(duì)句子、短語(yǔ)、上下文進(jìn)行建模，這其中就隱藏了一定的推理能力。所以，目前自然語(yǔ)言處理領(lǐng)域就把基于篇章的理解提上研究的議事日程，成為目前該領(lǐng)域的研究焦點(diǎn)之一。而針對(duì)上文提及的相關(guān)難點(diǎn)，微軟亞洲研究院自然語(yǔ)言計(jì)算研究組正在進(jìn)行下一步的研究和探索。

　　做頂尖的機(jī)器閱讀理解研究

　　正如前文所說(shuō)，機(jī)器閱讀理解的研究之路始終充滿著許多困難和挑戰(zhàn)。

　　首先是數(shù)據(jù)問(wèn)題。目前基于統(tǒng)計(jì)方法(尤其是深度學(xué)習(xí)模型)的機(jī)器閱讀理解的研究離不開(kāi)大量的、人工標(biāo)注的數(shù)據(jù)。在SQuAD數(shù)據(jù)集推出之前，數(shù)據(jù)集常常面臨規(guī)模較小，或是質(zhì)量不佳(因?yàn)槎嗍亲詣?dòng)生成)的問(wèn)題，而SQuAD無(wú)論是在數(shù)據(jù)規(guī)模還是數(shù)據(jù)質(zhì)量上都有一個(gè)很大的提升。在基于深度學(xué)習(xí)方法的研究背景下，數(shù)據(jù)量不夠就很難做出有效、或是有用的模型，更難對(duì)模型進(jìn)行合理、標(biāo)準(zhǔn)的測(cè)試。

　　另一方面則是算法問(wèn)題。之前自然語(yǔ)言處理在做閱讀理解或者是自動(dòng)問(wèn)答研究的時(shí)候，會(huì)把這個(gè)研究問(wèn)題視作一個(gè)系統(tǒng)的工程，因而把這個(gè)問(wèn)題分成許多不同的部分。例如先去理解用戶的問(wèn)題;再去找答案的候選;再將候選答案進(jìn)行精挑細(xì)選、互相比較;最后對(duì)候選答案進(jìn)行排序打分，挑選出最可能的答案或者生成最終的答案。而這個(gè)繁復(fù)的過(guò)程中，似乎其中的每一步都是可以優(yōu)化的。

　　但它相應(yīng)地也會(huì)帶來(lái)一些問(wèn)題。第一，當(dāng)你分步去優(yōu)化這其中的每一個(gè)過(guò)程的時(shí)候，你會(huì)去研究如何更好地理解這個(gè)問(wèn)題，或是研究如何更好地把答案做對(duì)，這些分目標(biāo)研究結(jié)果的整合未必能和“如何將閱讀理解的答案正確找出來(lái)”這個(gè)目標(biāo)完全吻合。第二，如果想做局部的優(yōu)化，就意味著每一個(gè)局部過(guò)程都需要相應(yīng)的(標(biāo)注)數(shù)據(jù)，這使得閱讀理解的研究進(jìn)展緩慢。如果只使用問(wèn)題-答案作為訓(xùn)練數(shù)據(jù)，中間模塊的優(yōu)化得到的監(jiān)督信息不那么直接，因而很難有效。

　　結(jié)合了上述問(wèn)題，微軟亞洲研究院自然語(yǔ)言計(jì)算研究組的機(jī)器閱讀理解研究團(tuán)隊(duì)采用的則是一個(gè)端到端的深度學(xué)習(xí)模型的解決方案，區(qū)別于上述的每一個(gè)細(xì)化環(huán)節(jié)的具體優(yōu)化過(guò)程，他們采取的方法是把中間環(huán)節(jié)盡可能的省去，使得整體的過(guò)程能夠得到最優(yōu)效果。

　　實(shí)際上，SQuAD的挑戰(zhàn)賽形式就是讓系統(tǒng)在閱讀完一篇幾百詞左右的短文之后再回答5個(gè)基于文章內(nèi)容的問(wèn)題。這個(gè)問(wèn)題可能比大家熟知的高考英文閱讀理解，或是托福閱讀考試都要難得多。人們參加的這些考試往往是一個(gè)答案被限定住范圍的選擇題。

　　但是在SQuAD的數(shù)據(jù)集中，問(wèn)題和答案具有非常豐富的多樣性。這五個(gè)問(wèn)題中可能涉及文章中的某一個(gè)人，某一個(gè)地點(diǎn)，或是某一個(gè)時(shí)間等等實(shí)體;也有可能會(huì)問(wèn)一些為什么(Why)、怎么樣(How)的問(wèn)題。后者的答案可能實(shí)際上是一句話，甚至是一小段話，因此解決這個(gè)問(wèn)題只會(huì)更加棘手。

　　另外，在SQuAD數(shù)據(jù)集中，除了問(wèn)題的多樣性之外，研究員們發(fā)現(xiàn)還有更多的挑戰(zhàn)。比如語(yǔ)言(包括詞級(jí)別和句子級(jí)別)的歧義性，對(duì)于同一個(gè)意思，問(wèn)題和短文會(huì)用不同的詞語(yǔ)或者句型表述(在標(biāo)注指南中就明確要求標(biāo)注者盡可能使用不同的表述)。另一個(gè)很有難度的挑戰(zhàn)是對(duì)于有些問(wèn)題，找到正確答案需要用到整篇短文中的不同句子的信息，進(jìn)而對(duì)這些信息進(jìn)行聚合和比較才能最終得出正確的答案。當(dāng)然，也有一部分問(wèn)題需要用到比較復(fù)雜的推理、常識(shí)和世界知識(shí)，面對(duì)這類問(wèn)題就更是難以處理。下表是發(fā)布SQuAD數(shù)據(jù)集一文中給出的總結(jié)。

　　R-NET: 基于深度神經(jīng)網(wǎng)絡(luò)的端到端系統(tǒng)

　　為了研究機(jī)器閱讀理解的問(wèn)題，包括韋福如和楊南等在內(nèi)的研究團(tuán)隊(duì)試圖去建模人做閱讀理解的過(guò)程。他們采用了R-NET，一個(gè)多層的網(wǎng)絡(luò)結(jié)構(gòu)，分別從四個(gè)層面對(duì)整個(gè)閱讀理解任務(wù)的算法進(jìn)行了建模。

　　我們?cè)谧鲩喿x理解的過(guò)程中，一個(gè)常見(jiàn)的順序是這樣的：首先閱讀整篇文章，對(duì)文章有一個(gè)初步理解之后再去審題，從而對(duì)問(wèn)題也有了一定認(rèn)知。第二步，可能就需要將問(wèn)題和文中的部分段落和內(nèi)容做一些關(guān)聯(lián)。例如題干中出現(xiàn)的某些關(guān)鍵已知信息(或證據(jù))的，找出一些候選答案，舉例來(lái)說(shuō)：如果問(wèn)題問(wèn)的信息是時(shí)間，那么文中出現(xiàn)的與時(shí)間相關(guān)的信息就可能是候選答案。第三步，當(dāng)我們將候選答案與問(wèn)題進(jìn)行對(duì)應(yīng)之后，我們還需要綜合全文去看待這些問(wèn)題，進(jìn)行證據(jù)的融合來(lái)輔證答案的正確性。最后一步，就是針對(duì)自己挑出的答案候選進(jìn)行精篩，最終寫下最正確的答案。

　　有鑒于此，研究組提出的模型也就分為這樣的四層。最下面的一層做表示學(xué)習(xí)，就是給問(wèn)題和文本中的每一個(gè)詞做一個(gè)表示，即深度學(xué)習(xí)里的向量。這里研究組使用的是多層的雙向循環(huán)神經(jīng)網(wǎng)絡(luò)。第二步，就是將問(wèn)題中的向量和文本中的向量做一個(gè)比對(duì)，這樣就能找出那些問(wèn)題和哪些文字部分比較接近。接下來(lái)，將這些結(jié)果放在全局中進(jìn)行比對(duì)。這些都是通過(guò)注意力機(jī)制(attention)達(dá)到的。最后一步，針對(duì)挑出的答案候選區(qū)中的每一個(gè)詞匯進(jìn)行預(yù)測(cè)，哪一個(gè)詞是答案的開(kāi)始，到哪個(gè)詞是答案的結(jié)束。這樣，系統(tǒng)會(huì)挑出可能性最高的一段文本，最后將答案輸出出來(lái)。整個(gè)過(guò)程就是一個(gè)基于以上四個(gè)層面的神經(jīng)網(wǎng)絡(luò)的端到端系統(tǒng)。