# Introduction

更新至2015年7月17日 － 下午

> ### **本内容是在近期及未来一至两年内的学习与生涯目标，俗话说“人无志而不立”，为了自己未来的发展，还是需要写一个计划出来的。以备自省。**

## [2015暑期计划](/summer2015.md)

1. 驾照
2. 山东科大新闻中心管理系统开发（7-8月） 
   * 基本内容完善与实现，安全性能完善（7月）
   * 扩展功能实现30-50%（7月）
   * Android/iOS移动客户端可行性研究（8月）
3. 数据挖掘：概念与技术 学习（7-8月）
4. Android/iOS/Python/Go/Ruby语言接触（7-8月）
5. HTML5研究，齐鲁软件杯内容研究（8月）
6. 操作系统/计算机组成原理/软件工程课程研习（7-8月）
   * 所达到的目标：可以完美画出思维导图，并对关键知识点了解。
7. 等级考试三四级网络工程复习（8月底-9月初）
8. 开始进行考研复习规划，同时寻找考研复习材料与相关物质基础（辅导班、资金、讲座、复习地点等）
9. 发表不少于25篇的技术博文（CSDN、GitHub、本人网站等）（7-9月）
10. 整理2015及以前的文字，在GitBook上进行电子版书籍出版物的制作（8月中旬－9月）
11. 整理信息学院2013-2015（暑假前）登载到科大报的新闻稿件（科大报登载图文、新闻网原文与照片都有，分类）以及科大新闻网“要闻传真”及“校园采风”上的通讯，并在GitBook上进行电子版书籍出版物的制作，形成“山东科大信息学院新闻中心文稿集”供未来使用。（7月）
12. 信息学院新闻中心开学前布置，编辑部技术强化培训。其他事务预处理（7月）
13. [完成科研项目立项推进表8月份（含）前的内容（详情请点击进入查看）](/keyan.md)（8月）

## [大三上计划](/gradethreeone.md)

1. .net/算法设计与分析/编译原理/数值分析研习（9-12月底）
2. 关注考研，开始复习基础学科（除政治），决定目标（10月前）
   * 考研地点：北京/深圳
   * 考研方向：数据挖掘与分析处理、大数据运用与云计算解决方案
3. 研究人体健康大数据基础分析算法与数据采样方案（9-10月底）
4. 研究人体健康数据分析与预测算法（11-12月）
5. 实际进行人体健康数据采样测试，可做出样品（10-12月）

## [大三上（含寒暑假）已经确定或可能参加的比赛/认证/考试](/gradethreeone.md)

1. 齐鲁软件杯（8-9月）
2. 全国大学生数学建模（9月）
3. 全国计算机等级考试三四级网络工程（9月）
4. 微软创新杯报名（9-10月）（待定）
5. 数学中国国际赛（小美赛）（11月）
6. 全国大学英语六级考试（12月）
7. CCF CSP认证（12月）
8. 美国大学生数学建模（次年1-2月）

## 琐碎计划

1. 坚持养成每月8-10本非技术类书籍的阅读的习惯。
2. 坚持养成每天整理自己所处地的整洁度。
3. 在年底前将宿舍内存留的东西减少至能在橱子中完全装下的状况（主要完成第一条，本条就可以完成，也可以清理部分衣物）
4. 坚持每天仰卧起坐，坚持陪糖糖每周至少有氧运动三次*（亲爱的么么哒～）*
5. 坚持每个学期或每个月都能做一个小项目（不多于10万行自有代码的项目）来巩固自己的所学。可以是承接的商业项目也可以是其他兴趣项目
6. 2016年后每年或每两月至少出去参加相关会议一至两次，以与行业前沿进行交流

## [长期计划跟进](/longplan.md)

点击标题进入查看详细内容

## [远期计划跟进](/furtherplan.md)

点击标题进入查看详细内容

## [2015科研立项跟进](/keyan.md)

点击标题进入查看详细内容


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://aims.zning.me/master.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.