软考总结
为什么要参加软考:
软考全称是计算机技术与软件专业技术资格考试,学生可以为毕业后面试锦上添花,已参加工作且不是本专业的拿个证在一定程度上弥补不是本专业的劣势。如果你要往架构师、项目经理等晋升,有些企业面试会有证优先。另外评职称、积分落户等都一定用处。本人属于已参加工作。
—————————————————————————————————————————————————————————————
个人备考过程:
其实去年就有这个想法,但是错过了报名。今年上半年报了名,因为自己不是本专业,像大部分人一样只是公司一颗螺丝钉,工作技能比较片面,也不会要求软考一些基础而全面的信息,决定先试一试软考设计师。
我们公司执行996,我下了班还要轮流值班,所以平常下了班就打打游戏,看看电影就过去了。等到想起软考时,已经离考试时间只有2个星期不到了。
于是只能临时抱下佛脚,每天学习2-3小时,哔哩哔哩视频2倍速不够,再手动加速来凑,勉强将一些重点考点复习了一遍,然后刷了一些必考题型,最后还抽空做了2021年试题。其实感觉还是有点希望的。
结果考试时,担心的上午科目倒还好,下午题套路和之前有些不一样,因为算法题确实是我的弱项,我希望将其他题目尤其第一二六题拿到13分以上,抱着这个心态,第一题模棱两可,感觉这样做也对那样做对,纠结中就花去了我50多分钟,第二题也不是省油的灯,又花去了我40多分钟,第六题采用的模式都没复习到,只能靠自己工作时感觉来做,而做三四题的时间最后只有30分钟不到了,结果好家伙,本来对我来较难的两题,一看这次说并不难啊,但是时间已经完全不够了,只能匆匆做完几个空交卷了,我心里一万个曹T玛在奔腾.....
—————————————————————————————————————————————————————————————
总结:
学生党建议提前1个半月(除非你是本专业而且相关知识还不错)就开始复习,已经参加工作的建议提前1个月复习(因为一些概念都忘得差不多了),如果像我不是本专业的平常也没有刻意学习那些基础知识,那我建议也提前一个半月就开始复习。
最关键的是一定要练习3-5套真题以上,我当时只做了一套感觉也过得去,结果一考本来下午题更有把握的,时间没控制好不好反而芭比Q了,不说了,emoj了...
——————————————————————————————————————————————————————————————
学习资料及时间安排:
书籍就买官网指定教材即可,不过我买了就一直放在那里睡觉,看个人吧!
考试提纲网上都很多,我就不列举了。这里主要讲下我学习时用到的资料。
第一:B站希赛网王勇版视频,这个是前期基础知识点快速过一遍,着重留意提到的重点及题型。建议7-10天看完。
第二:B站up主--zst_2001的知识点及题型讲解,讲的很细,选择重点调整速度观看,只看他5年左右的题型讲解,剩余另外5年左右的题自己练习。这个过程建议10-15天左右看完。
第三:这个也是很重要的,一定要多做真题,多做真题,多做真题!因为你看虽然懂了,但是做的时候可能有些点就忘了或者考虑不周全,或者有的题型出题角度变化大一些可能又不会了。而且一定多做真题才能做出自己的答题感觉。并且也建议直接买纸质版真题或者打印出来按考试时间进行练习。像软考通、软考刷题王可以利用零碎时间做题及复习。这个过程建议7-10天。练习完再利用5-7天进行回顾前面一二,查缺补漏并巩固。该阶段总共时间15-20天
—————————————————————————————————————————————————————————————————
最后感想:
虽然这个证书含金量不高,但是拿到证书是必须的。最重要的是将学习的理论用到实践中,通过软考真正提升自己的技术水平,尤其是其中设计模式的设计及应用。
这次和我一样没有过的家人们,下半年做更充分的准备,下次一定!过了的可以冲刺高级,一起加油。
—————————————————————————————————————————————————————————————————
随心所往,看见未来。Follow your heart,see night!
欢迎点赞、关注、留言,一起学习、交流!
相关文章
- 一篇运维老司机的大数据平台监控宝典(2)-联通大数据集群平台监控体系详解
- 一篇运维老司机的大数据平台监控宝典(1)-联通大数据集群平台监控体系进程详解
- 空中换引擎 博时基金数字化转型经验谈
- 如何高效地学习编程语言
- 作为一名阿里巴巴数据分析大牛,送给学弟学妹的经验积分
- 为什么要学习R语言
- Hadoop大数据分析平台的介绍性讨论
- 最全面的Spring学习笔记
- 16个用于数据科学和机器学习的顶级平台
- 给有抱负的数据科学家的六条建议
- 如何做一枚合格的数据产品经理
- 除Kaggle外,还有哪些顶级数据科学竞赛平台
- 一个鲜为人知却可以保护隐私的训练方法:联合学习
- 干货 :送你12个关于数据科学学习的关键提示(附链接)
- 大数据行业有多少种工作岗位,各自的技能需求是什么?
- 中国移动研究院常耀斌:商用大数据平台的研发之路
- 这些数据科学家必备的技能,你拥有哪些?
- 自学成才的开发者有何优势和劣势?
- Gartner报告:正处于数据科学与机器学习工具 “大爆炸”的时代
- Ready Computing借助InterSystems IRIS医疗版为医疗机构提供具有高度互操作性和可扩展性的解决方案