Francek Chen 的730天（2年）创作纪念日
文章目录
机缘
不知不觉的加入 CSDN 已经第四年了，最初我第一次接触 CSDN 技术社区是在 2022 年 4 月的时候，通过学长给我们推荐了几个 IT 社区平台，有 CSDN，博客园等等。CSDN 作为中国最大的程序员创作平台，我那时也是抱着好奇心注册了 CSDN 的账号，查看一些学习中难题，搜集一些学习资料。
直至 2023 年下半年，我在学校正式开启了大数据专业相关课程的学习之旅。也正是从这时起，创作的念头在我心中悄然萌芽。随后，在 11 月 28 日这一天，我发布了人生中的首篇博客------《大数据技术概述》。自那以后，我便始终围绕大数据主题，紧密结合所学课程展开创作。
此后，我又积极投入到人工智能和机器学习相关知识内容的学习中，不断拓宽自身知识面，全方位提升个人能力。我深知，通过撰写博客记录学习历程，既能有效巩固所学知识，又能与大家交流分享；而且在这个过程中，我还有幸结识了一些业内大佬，将他们视作榜样，激励自己持续奋进、不断学习。
收获
在这段时光长河中，我历经诸多，真切地品味到了成长带来的喜悦。日常学习本就繁重忙碌，可我始终坚守着创作的初心，满心热忱地将自己掌握的技术与积累的经验毫无保留地分享给大家。生活节奏或急或缓，但每一次我敞开心扉投入创作，都宛如开启一场全新的奇妙之旅，满是新鲜与惊喜。这一整年，于我而言，是踏上技术之路的深度探索之旅，是锤炼表达能力的宝贵历练之程，更是实现自我成长的蜕变之途。
每一篇博客，都是我对所学知识与实战经验的精心梳理与总结，它们如同一个个坚实的脚印，见证着我成长的每一步。或许，我在技术领域已然取得了些许进步；或许，我在写作中逐渐探寻到了独属于自己的风格。而这一切，皆是在无数次的尝试与不懈的努力中悄然实现的。
经过这 730 天的创作时间，我得到了许多宝贵的收获。截至目前我创作了 406 篇文章，收获了 32214 位粉丝，获得了 1,502,999 次总访问量、23,225 次点赞、10,672 次评论、19,532 次收藏以及我最喜欢的创作者身份认证大数据领域优质创作者。从新星创作者到优质创作者，从 5k 粉丝到 2w 粉丝，从综合热榜第十六到综合热榜第一，创作者周榜排名不断上升，都是一点一滴、不断积累的结果，这让我感到非常欣慰和鼓舞。
2024 年 8 月第一次参加虚竹哥举办的活动------新星杯·14天创作挑战营·第2期，遗憾获得第6名；2025 年 1 月再一次参加了新星杯·14天创作挑战营·第7期，获得了第2名；2025 年 5 月，参加了王者杯·14天创作挑战营·第1期，获得了第1名。这里要衷心感谢虚竹哥带我涨粉。
此外，我还通过创作结识了许多志同道合的领域同行，他们不仅给予了我许多宝贵的建议和支持，还让我看到了更广阔的技术世界。感谢大家的支持和关注！
日常
如今，创作文章已然深度融入我的学习与工作日常，成为不可或缺的一部分。对我而言，创作与学习紧密相连，在精力有限的情况下，我始终坚守着创作博客的习惯，从未间断。CSDN 就像我学习道路上的挚友，一路相伴，给予我诸多助力。
自从养成写博客的习惯后，我收获颇丰。它不仅方便我日后回顾查看过往所学，更在潜移默化中推动着我不断进步，让自己愈发优秀。无论是在学生时代的学习，还是如今身为 AI 运营师的工作，我都深刻意识到记录学习与工作过程是一件极具意义的事。
在当下的工作中，我时常会从过往的创作经验里汲取智慧，将其中总结的教训转化为前行的动力，灵活运用到实际工作里，以此不断提高自己的工作效率。同时，创作过程中培养的思维方式和学习能力，也让我在学习新知识、新技能时更加得心应手，持续提升着自身的学习能力。
成就
1、我认为比较好的专栏有：
欢迎大家前来订阅，共同学习。嘿嘿🤭
2、我最喜欢的三篇文章是：
- 大数据存储技术（1）------ Hadoop简介及安装配置
- 【DeepSeek】在本地计算机上部署DeepSeek-R1大模型实战（完整版）
- 【智能大数据分析 | 实验四】Spark实验：Spark Streaming
- 【大数据分析&深度学习】在Hadoop上实现分布式深度学习
其中，创建回归模型部分代码如下：
java
public class SoftMaxRegression {
public static MultiLayerNetwork softMaxRegression(int seed, int numRows, int numColumns, int outputNum) {
Map<Integer, Double> momentumSchedule = new HashMap<>();
momentumSchedule.put(0, 0.5);
momentumSchedule.put(2, 0.6);
momentumSchedule.put(4, 0.7);
momentumSchedule.put(6, 0.8);
momentumSchedule.put(8, 0.9);
MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
.seed(seed)
.gradientNormalization(GradientNormalization.ClipElementWiseAbsoluteValue)
.gradientNormalizationThreshold(1.0)
.optimizationAlgo(OptimizationAlgorithm.CONJUGATE_GRADIENT)
.updater(new Nesterovs(0.01, new MapSchedule(ScheduleType.ITERATION, momentumSchedule)))
.list()
.layer(0, new DenseLayer.Builder()
.nIn(numColumns * numRows)
.nOut(128) // Example hidden layer size
.activation(Activation.RELU)
.build())
.layer(1, new OutputLayer.Builder(LossFunctions.LossFunction.NEGATIVELOGLIKELIHOOD)
.activation(Activation.SOFTMAX)
.nIn(128) // Input to output layer
.nOut(outputNum)
.build())
.build();
return new MultiLayerNetwork(conf);
}
}在App主类训练并评估模型，增加常量定义：
java
int epochs = 10;
int seed = 123;
int listenerFreq = batchSize / 5;
log.info("Build model......");
MultiLayerNetwork model = SoftMaxRegression.softMaxRegression(seed, numRows, numColumns, outputNum);
model.init();
model.setListeners(Collections.singletonList(new ScoreIterationListener(listenerFreq)));
log.info("Train model......");
model.fit(dataSetIterator, epochs);
log.info("Evaluate model......");
Evaluation evaluation = new Evaluation(outputNum);
// Correctly initialize test iterator with 'train' set to false
DataSetIterator testIterator = new MnistDataSetIterator(batchSize, false, numSamplesTest);
while (testIterator.hasNext()) {
DataSet testMnist = testIterator.next();
INDArray features = testMnist.getFeatures();
INDArray labels = testMnist.getLabels();
INDArray predict = model.output(features);
evaluation.eval(labels, predict);
}
log.info("eval stats:\n" + evaluation.stats());
log.info("End......");憧憬
1. 职业规划
作为 AI 运营师，短期我要熟知产品特性，精准分析用户，优化运营策略提升数据。中期努力成为运营骨干，主导项目创新。长期希望能在行业站稳脚跟，分享经验带动团队成长，助力 AI 运营领域不断发展进步。
2. 创作规划
在 CSDN 创作的过程中，发现自己有许多的不足。比如经常遇到词穷的时候，以及技术不够深入的点，在之后的学习过程中，多多阅读专业技术书籍，以扩宽自己知识面的深度和广度，给大家输出更加优质的文章。再一个就是希望通过不断的写作和学习，沉淀自己的技术功底。向跟高的平台前进！让我们一起加油吧~
