博客
关于我
信管第1章 —— 信息衍生
阅读量:796 次
发布时间:2019-03-25

本文共 308 字,大约阅读时间需要 1 分钟。

前言

第一次写博客时,看到小伙伴们的评论都说是解释一下思维导图比较好,但我觉得自己看着自己的导图可以给别人讲,但就是写不出来。成长型思维告诉凡是要试一试~ 自己讲一遍也是加深印象~

正文

《信管》第一章算是对这本书的一个总括吧,让你一上来还没反应过来就匆匆的到重要的部分让你摸不着头脑。我觉得这本书编得非常好,把我一上来想了解的知识全都解释得非常清晰,看第一章是一种享受~

信息的演进

信息——> 信息革命 ——> 信息化 ——> 信息技术 ——> 信息资源 ——> 信息资源管理

这也是思维导图的开发思路,利用

思维发散

每一个词都有各自的概念、特点、属性等等,这样直接把一串都回忆了。

后记

什么都是学习的机会啊

转载地址:http://mwbuk.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>