2023年终总结及计划

2023年在今晚就要过去,唯一的感受就一个字:快!还没什么感觉就过去了。今年总体感觉自己在忙忙碌碌,为了某个节点冲刺熬夜加班,但是最终收获甚微。夜深人静,又该到了静下来想想的时候了。

一、收获

1、生活:

①运动:今年从5月底开始,7个月慢跑380公里,没想到自己能坚持下来,慢慢适应跑步节奏,很欣慰。

②家庭:儿子健康成长,入园等各个阶段非常顺利。父母在今年身体还算不错,倍感欣慰。自己也在家庭投入了大量精力,不过更多在于照顾上,在孩子的成长教育上,还欠缺很多。

2、工作

①教学:进入学校的第三年,教学慢慢进入正轨,个人教学能力也慢慢适应节奏,勉强说是可以应对日常教学工作。尤其是对待特殊学生的心态,久经考验,态度慢慢淡然。

②大赛:下半年开始投入精力到大赛训练中,初入赛场,抱着“不撞南墙不回头”的劲头,碰壁不少,也见了不少人情世故。自己拿了个省五,指导学生拿了省三、五、七、国优,总之今年成果甚微,但是感悟收获颇丰。经历了多次比赛,也经历了至少3次比赛、上二三十个熬夜,感觉自己慢慢熟悉比赛的技术套路,同时对明年的比赛有了不少信心。

3、学习

①读书:今年的读书比较少,总共不超过10本,自己还需注意。并且,读书的范围也围绕比赛或技能学习方面。

②自学:除了白天上班、晚上回家做饭家务看娃,个人时间太少,自学甚少。不过,确定了方向,自学中医,在这个信任感缺失的社会,健康最重要。

二、不足

1、生活给我负能量满满

今年因为很多小事,跟老婆吵架四五次,再综合双方家庭情况和资产焦虑,感觉自己在生活方面积攒了满满负能量,最近也希望敞开心扉跟老婆沟通交流,尽量化解负能量。

2、时间安排太满

白天上班、晚上家务,从早晨睁眼上班到晚上送娃睡觉,工作生活一条龙,时间安排满满,没时间考虑其他事情,也有很多想做的事情,都停留在计划里。

三、2024年计划

1、生活

①运动:继续坚持每周慢跑15公里,这是必须要做的。另外,争取利用早晨时间,做做八部金刚操。

②育娃:6月底份制定孩子后几年的整体培养计划,按照计划完成房屋改造,重点就是培养孩子良好的生活学习习惯。

2、工作

①教学:已经过了“生存期”,一定要特别注意“懈怠期”容易出现的问题,尤其是兼顾大赛的过程中,切勿放松对教学的要求。

②大赛:首先,全力备战明年的XX职工赛,目标是省一进国赛,国赛拿银牌。为此,尽快开始大赛备战,电气方面先熟悉再练速度,机械方面估计大概率赛前恶补,所以提前具备机械基础知识(各种传动和加工)。其次,多探索省内其他赛项,争取定下两到三个稳定的省二赛项(重点探索学生赛),融入圈子。

3、学习

①中医:利用空闲时间,从《中医基础理论》开始,争取看完倪师的前两部。

②Python:通过指导学生比赛,已经大体了解Python基础、爬虫和数据分析展示,也实现了最简单的基础。利用晚上空闲时间,把Python的基础、爬虫、分析、展示、清洗,跟着教程逐步实现。

忙!今年的总结词都没想好。希望自己24年有更多的时间去思考!斗志昂扬来迎接!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/589615.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

使用 Tkinter 制作一个进制转换工具,好用!

在平时工作学习当中,我们经常会编写一些简单的 Python GUI 工具,以此来完成各种各样的自动化任务,比如批量处理文件,批量处理图片等等。当我们进行这些工具的编写之时,往往只关注了功能的实现,而忽略了页面…

加速写代码的板子

加速写代码的板子 计算中位数整合字符串 计算中位数 先说结论,无论数组总个数n为奇数还是偶数,都可以用下式表示 n u m s [ n / 2 ] 和 n u m s [ ( n − 1 ) / 2 ] nums[n/2] 和nums[(n-1)/2] nums[n/2]和nums[(n−1)/2] 当n 4时为nums[2]与nums[1] …

基于Docker的软件环境部署脚本,持续更新~

使用时CtrlF搜索你想要的环境,如果没有你想要的环境,可以评论留言,会尽力补充。 本文提供的部署脚本默认参数仅适合开发测试,请根据实际情况调节参数。 数据库 MySQL version: 3.9 services:mysql:image: mysql:8.0.35container…

Android 软键盘的显示和隐藏

文章目录 Android 软键盘的显示和隐藏核心方法软键盘工具类点击空白区域隐藏软键盘方式一方式二 Android 软键盘的显示和隐藏 核心方法 显示软键盘: InputMethodManager#showSoftInput(View view, int flags)隐藏软键盘: InputMethodManager#hideSof…

【Unity美术】Unity工程师对3D模型需要达到的了解【二】

👨‍💻个人主页:元宇宙-秩沅 👨‍💻 hallo 欢迎 点赞👍 收藏⭐ 留言📝 加关注✅! 👨‍💻 本文由 秩沅 原创 👨‍💻 收录于专栏:Uni…

python使用句柄控制windows窗口

方法一:通过类名和标题搜索窗体并返回句柄,以整个windows窗口开始查找 hwnd win32gui.FindWindow(lpClassNameNone, lpWindowNameNone) hwnd win32gui.FindWindow(None,命令提示符) 方法二:从给定的子窗口之后开始,比如给定…

一元函数微分学——刷题(8

目录 1.题目:2.解题思路和步骤:3.总结:小结: 1.题目: 2.解题思路和步骤: 先看A,既然存在,那么f(x)和x属于同阶无穷小,所以f(0)0,没问题 再看C,结…

UntiyShader(七)Debug

目录 前言 一、利用假彩色图像 二、利用Visual Studio 三、帧调试器 前言 Debug(调试),是程序员检查问题的一种方法,对于一个Shader调试更是一种噩梦,这也是Shader难写的原因之一——如果效果不对,我们…

Linux用户登出或者终端关闭后继续运行的方法

nohup 是一个 POSIX 命令,它的名称来源于“no hang up”的缩写。这个命令的基本用途是运行一个命令,使得该命令在用户登出或者终端关闭后继续运行。nohup 命令通常与后台运行的命令(使用 & 符号)结合使用,以便在终…

ubuntu22.04安装anacoda遇到的坑

这几天把用了3年的windows10换成了ubuntu22.04 各种环境都得配置,本文记录下遇到的坑。 1、anacoda在ubuntu上也可以用官方也提供了安装包,但是没有图形界面,需要以命令行的方式安装和运行配置 1.1 安装:官网下载后,…

极速文件搜索工具Everything结合内网穿透实现远程搜索本地文件

文章目录 前言1.软件安装完成后,打开Everything2.登录cpolar官网 设置空白数据隧道3.将空白数据隧道与本地Everything软件结合起来总结 前言 要搭建一个在线资料库,我们需要两个软件的支持,分别是cpolar(用于搭建内网穿透数据隧道…

ShuffleNet V2:高效CNN架构设计实用指南

摘要 目前,神经网络架构设计主要以计算复杂度的间接指标(即 FLOPs)为指导。然而,直接指标(如速度)还取决于其他因素,如内存访问成本和平台特性。因此,这项工作建议在目标平台上评估…

1 - 数据库服务概述 | 构建MySQL服务 | 数据库基本管理 | MySQL基本类型

数据库服务概述 | 构建MySQL服务 | 数据库基本管理 | MySQL基本类型 数据库服务概述构建mysql服务安装mysql软件包连接mysql服务器 修改密码 密码管理修改密码策略(需要登陆)破解数据库管理员root密码(数据库服务处于运行状态但是root忘记了密…

win/linux 环境查看动态库包含的函数

我们打包了动态库,还要查看是否包含一些函数,需要导出这些函数 在win 环境下可以使用 .def 格式的文件进行操作 ######################################################### 跳过这一步,回到主题,在两个系统平台如何查看动态库包…

时序预测 | Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测

时序预测 | Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测 目录 时序预测 | Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序列预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 Matlab实现SSA-CNN-GRU麻雀算法优化卷积门控循环单元时间序…

机器学习---降维与度量学习

1. 度量学习 现有的大部分算法对图像进行特征提取后化为向量的表达形式,其本质是把每一幅用于训练的图像 通过某种映射到欧氏空间的一个点,并利用欧氏空间的良好性质在其中进行学习器的训练。但定义 图像特征之间的欧氏距离未必能很好反映出样本之间的…

Resnet BatchNormalization 迁移学习

时间:2015 网络中的亮点: 超深的网络结构(突破1000层)提出residual模块使用Batch Normalization加速训练(丢弃dropout) 层数越深效果越好? 是什么样的原因导致更深的网络导致的训练效果更差呢…

自行车服务PEDALWAYS 网站bootstrap5模板

一、需求分析 自行车服务网站的作用是为骑行爱好者和自行车用户提供便捷的信息、工具和服务,以满足他们的需求。以下是一些常见的自行车服务网站的功能: 自行车租赁:提供自行车租赁服务,用户可以在线预订自行车并选择租赁期限&am…

x-cmd pkg | hyperfine - 命令行基准测试工具

目录 简介首次用户功能特点竞品和相关作品进一步阅读 简介 hyperfine 是一个用于命令行基准测试的开源工具,可以对多次命令运行的时间进行分析,帮助开发人员评估和比较不同命令或脚本的性能。它是用 Rust 语言开发的,可以在 Windows、macOS …

【结合创新!!深度学习➕迁移学习】

1️⃣基于预训练模型的微调: 微调是迁移学习中最常用的策略之一。可以利用在大规模数据集(如ImageNet)上预训练的深度神经网络(例如ResNet或BERT),然后将其微调以适应特定的任务或数据集。这种方法特别适用…