CALIS第一期学科馆员培训班学习总结

第一篇：CALIS第一期学科馆员培训班学习总结

CALIS第一期学科馆员培训班学习总结

李 冶

在《国家中长期教育改革和发展规划纲要（2010-2020年）》及全国教育工作会议精神的指引下，CALIS建设项目三期将工作重心转向服务。其中，根据我国高等学校建设世界一流大学的需求，学科化服务在高校图书馆服务中显现出尤为突出的重要性。

为提升图书馆员的素养和学科化服务能力，CALIS管理中心委托上海交通大学图书馆于2010年11月21—26日在上海举办第一期学科馆员培训班。我作为吉林大学图书馆的一员参加了此次培训。培训班由海内外在学科化服务及其研究与实践方面有较深造诣的学者组成师资队伍，重点聚焦学科化服务的基础理论和实践，在院系联络、教学科研支持、学科专题服务、学科资源建设、学科服务技术与工具等方面进行强化训练，具体培训内容摘记如下：

一、学科服务概论

1.学科服务的意义与战略思考

学科服务是以用户为核心，通过学科馆员，依托图书馆和公共信息资源，面向特定机构和用户，建立基于科研与教学、多方协同、面向一线用户的一种新的服务模式和服务机制。1.1学科服务的性质

1）一种新的服务模式。

直接融入一线用户，为院系、教研室、实验室、课题组或个人，提供个性化、专业化、知识化的服务； 2）一种新的服务机制。

为每个院系配备专职的学科馆员，与院系图书馆（资料室）协同工作，责任到院系，服务到院系，创新到院系，考核到院系；

3）体现以用户及其需求为中心。

从到馆服务，到一线服务；从普遍服务，到个性化服务；从文献信息服务，到知识服务；从场所服务，到泛在服务。

4）以提升为用户的信息能力为目的。

优化用户信息环境，提升用户信息获取与利用能力，为教学科研提供有力的信息保障和支撑。1.2学科服务的意义

学科服务是新信息环境下图书馆转型的重要体现，是用户信息服务的必然要求；学科服务是图书馆摆脱危机、重塑形象的突破口，是新信息环境下图书馆创新发展的出路；学科服务是图书馆价值、地位和作用的真正体现，是图书馆提升能力与贡献的唯一选择。1.3学科服务战略思考

学科服务就是要以个性化的方式定制、重组、集成现有（但不局限于本校）的各种资源与服务，为服务对象所用；在服务过程中运用多种方式或潜移默化或宣传讲座提高用户信息素质；成为重点科研团队的CIO/CKO，自主创建深层次服务。2.国内学科服务存在的主要问题

（1）缺乏科学的规划与设计

投入不足，缺乏有针对性的规划和设计，学科馆员数量偏少，层次不高，与其他业务环节协作不足，探索创新不够。（2）服务的基点失衡

以图书馆（本馆）为中心，而不是以用户和信息需求为中心；以信息及其利用为中心，而不是以用户及其科研过程为中心；以信息利用过程为中心，而不是以信息利用目的为中心。（3）主要是联络员的角色

仍然是信息中介，没有融入科研教学过程，没有成为科研教学不可缺少的伙伴，服务的深度不足，服务的吸引力和影响力有限。（4）系统性和协调性较差

学科馆员责任不清，承担多方面工作，也需要与多个方面协调，顾此失彼，学科馆员的主体作用没有充分体现出来。（5）考核方法简单

学科馆员工作不是看过程，而是效果。需要建立一套第三方参与的更客观、由用户主导的、侧重于效果的考核评价和激励机制。

二、学科服务模式与机制 1.学科服务主要模式

（1）建立一套发现用户需求、了解用户困难、推送信息服务的快速流畅的服务反应机制；（2）图书馆、资源、服务、工具的宣传推广；（3）全方位、立体式的参考咨询；（4）系统的用户信息素质培训；（5）持续优化用户的信息环境；（6）探索学科与课题情报服务。2.学科服务机制设计

（1）学科馆员要有一定的数量

数量要适度；有数量才会有规模效应。（2）学科馆员专职与兼职

专职能保障专心致志，全力以赴，但对人员能力的要求更高，适用于大型图书馆；兼职有利于整体业务协同，但可能相互干扰，顾此失彼，甚至两败俱伤，适用于中小型图书馆。（3）学科馆员要循序渐进，从基础做起

基础服务包括沟通联络，宣传推广，用户培训，参考咨询，定题服务，检索查新等。深层服务包括信

息环境支撑，课题情报跟踪，研究热点与前沿分析，竞争对手（目标机构）分析等。（4）学科馆员要加强团队建设

学科馆员不是一个人在战斗。要形成团队，要加强协同（其他学科馆员、其他部门、用户），建立项目和责任机制。

（5）需要馆领导的强有力支持和其他部门的积极配合

要有明确的思想，有要总体谋划，更要有坚强的意志力和执行力。（6）嵌入一线（办公室、实验室、到现场）具有不可替代性

嵌入一线可能会激发用户的需求；嵌入一线才能拉近图书馆与用户之间的关系；嵌入一线才能彰显图书馆员的作用

（7）在普遍服务与深度服务之间寻求平衡

普遍服务是根基，是学科化服务的根本。在做好普遍服务的基础上，还要加强服务的创新，寻求服务的深化，提升服务的层次，探索知识服务。（8）要加强以用户满意度为中心的效果考核

为多少用户提供了服务？为什么样的用户提供了服务？为用户提供了什么样的服务？为用户服务产生了什么样的效果？

（9）大力加强学科馆员的能力建设

学科馆员应具有某一特定学科的硕士或博士学位, 有二到三年的高校图书馆的实际工作经验, 且符合某特定岗位的其他要求, 例如掌握较多的计算机技能, 熟悉一种或多种外国语言, 能熟练运用定量和定性软件来分析各种数据, 等等。

三、学科服务组织与管理 1.学科服务岗位设置与职责设计 1.1学科馆员岗位设置的原则与方法（1）学科馆员岗位设置的原则

a按学科设岗原则；

b按需设岗原则，避免因人设岗；

c按发展设岗原则，从现实与发展两个方面综合设岗。（2）学科馆员岗位设置的方法

a做好设岗前的调研工作：国内外图书馆学科馆员设置情况，全校学科建设与院系设置情况，图书馆开展学科馆员的条件等。

b做好岗位设置的初步方案论证：考虑一级学科的选择，是否学科全覆盖；将岗位设置纳入全馆整体岗位设置；备选方案。一般由主管馆长牵头完成。

c馆务会研究通过岗位设置方案，充分讨论，照顾大局，考虑细节。1.2岗位描述与岗位说明书

包括学科馆员基本信息，学科馆员岗位职责和工作任务，学科馆员任职条件与要求等方面内容。1.3岗位聘任过程与方法

（1）制定聘任计划：聘任实施方案，馆务会研究通过；建立聘任执行小组，加强对聘任的领导与监督。（2）发布动员：公布岗位，公开程序，宣传动员。

（3）岗位申报：应聘人员根据岗位的要求（岗位职责和工作任务、任职条件）和自身条件进行申报。（4）岗位竞聘：申报者参加公平竞争，如述职、考试（笔试、面试）、答辩等，聘任执行小组根据程序考评。

（5）研究确定聘岗：考评组研究产生结果，考评结果向馆务会汇报，馆务会研究确定最终聘任。（6）实施聘任：公布结果，与有关部门负责人谈话，与被聘人谈话，签定聘任合同，被聘人上岗。

2.学科服务规划与绩效评估 2.1服务规划制定

包括业务发展规划（基本业务：信息咨询、信息素养教育、资源建设等，非基本业务：科研全程支持、教学全程支持等），管理发展规划，分阶段目标任务等的制定。2.2学科服务评价

（1）图书馆学科服务评价体系

对学科馆员评价可依据聘任目标实施岗位考核，根据业务或项目分项评价，根据工作表现进行能力评价（业务能力、工作态度、创新能力），根据服务结果进行绩效评价等。另外还要对学科服务整体进行评价。（2）图书馆学科服务评价方法

a评价指标：指标选择

b评价程序：自我评价、相互评价、组织评价 c评价实施：定量与定性结合：评分确定、评分分析

d评价结果的处理：分值排序、考核评语、优秀奖励、末位淘汰等 2.3绩效评估

在学科服务初期以软评价为主：定性考核为主，定量为辅；专职三方面（素质能力测评，工作量完成情况，服务满意度）综合评价，兼职选择一二重点评价。在学科服务发展到一定阶段以硬评价为主：专职以全面评价（服务效果，直接效益与间接效益，服务影响力，服务满意度等）为主，兼职以服务效果评价为主。

3.学科服务规范与流程

3.1针对学科服务机构

学科服务管理规范主要有学科服务目标、学科服务布局、学科团队组成、学科服务人员工作职责、馆内支持协调办法；学科服务工作规划、学科服务工作流程及指导方案；评估考核办法；官方宣传资料（统一标识、名片、馆长推荐函等）等内容。

服务规范有学科服务政策，以图书馆官方文件告示学科服务的范围、内容、费用、人员及联系方式，以及涉密保护原则等内容。3.2针对学科服务人员

主要包括学科服务人员的素质规范、行为规范、工作规范等。

4.学科服务团队建设 4.1机构设置

机构因学科服务而孕、岗位因学科服务而生。以学科服务为主线的图书馆，其服务规划均以学科服务而展开，每个部门、每个环节、每个员工的工作都应围绕学科服务而进行。4.2学科服务队伍组建

（1）个体模式（兼职、专职）

个体单一型：1个学科馆员对应一个或多个院系，以兼职、专职学科馆员担任。特点：以宣传沟通为主要职责，力求嵌入院系课题研究，协助研究团队工作。成功与否与学科馆员的努力直接相关，破冰艰难，破冰后较顺畅。

院系协助型：除被聘学科馆员外，在院系再设图情专家/教师顾问，以1+1的方式协助学科馆员开展工作。特点：以宣传沟通、资源建设为主，通过院系专家的协助，使学科馆员的工作较易打开局面。

友好相助型：学科馆员之间友好相助、协同工作。特点：属于“民间”协同，推进了个体模式向团体模式的转变。（2）团体模式

固定型团队模式：以1个学科团队服务学科院系；学科团队由学科馆员、咨询馆员、辅助馆员组成。特点：以学科馆员负责制，赋予学科馆员更多的职权，在工作中提高学科馆员的管理能力。

互补型团队模式：以2-3个固定型学科团队组成，依据学科团队成员的特长进行分工、确定职责，以各人之长开展服务。特点：科学、合理分工，不追求全能型馆员，力求最大程度达到馆员能力的共享。

可塑型团队模式：设首席学科馆员，以全局工作为重点，对学科馆员为首的固定型团队灵活重组，以适应任务的需要。特点：此种模式可全方位涉及学科服务的各种内容，从宣传沟通、素养教育，到资源保障、深层情报研究服务。成功实施的关键是机制的保障。

拓展型团队模式：与个体模式中的院系协助型相似，团队模式组建也可获得院系的支持，特别是科研团队的支持，因此，此种模式也可称为“嵌入型团队模式”。由院系科研团队委派1人参加图书馆的高级培训，考核通过后聘任其为学科服务团队的信息专员。信息专员的职责是做好所在科研团队的学科服务工作，并接受学科团队的考核和指导。特点：此种模式为学科服务嵌入科研的尝试。

总结：个体模式可用于依据业务流程划分的图书馆，以采访馆员、咨询馆员为主，其服务内容也因其工作性质而有侧重。团体模式可用于分馆制、学科系划分的图书馆，因有学科资源等的支撑，较易组建服务团队。

四、学科用户研究与服务推广 1.面向院系/用户的分析流程和方法

学科信息用户是图书馆特定学科资源与服务的利用者，是图书馆学科服务工作的服务对象。学科信息用户分析的根本任务就是要了解用户的信息服务需求，寻找学科服务的切入点和契合点，总结共性/规律性特征，将用户分群（类型）、分层次，提供适需的、多样的、高效的服务保障。对大学图书馆而言，学科信息用户主要包括教师、学生及科研工作者。因此，对学科馆员来说，学科信息用户分析主要是分析和掌握所负责学科的教学体系，课程安排，任课老师，学生情况等；分析和掌握所负责学科的科研内容和项目，科研负责人，研究生情况。

学科信息用户分析的基本方法是调研法，包括传统方法：访谈法、问卷法、会议调研法、电话调查法、巡访调查法、实验法等；基于web的方法：电子邮件、电子问卷、实时chat调研、日志分析、客户端用户行为数据采集分析等。在学科馆员实际工作中，访谈调研法和问卷调研法最常用，并经常相结合使用，会议调研法、电子邮件（问卷）也较为常用。无论采取哪种方法，学科馆员都要善于捕捉零散信息（不完全信息），并及时进行整理、提炼和分析。2.服务破冰模式与实施策略

学科服务的关键是找准切入点（即“试点”），并依托特定载体进行，使试点发挥积极作用，最终产生以点带面的作用。

学科服务破冰模式有推荐函、引荐会、服务站揭牌仪式、在院系设点、上门服务，现场为读者答疑解惑等模式。

服务破冰实施策略：（1）选择点面发展路径

在图书馆整体支持下，选择一个或若干专业、院系、或者典型学科用户，与用户联合打造。（2）服务试点选取原则

选择的试点单位或者试点用户应具有一定的代表性及影响力，在试点后产生比较大的影响和带动作用；用户有较紧迫的信息需求，并有参与及互动的积极性；对承担试点的图书馆员也有较高的要求，需要有主观能动性、较强的业务技能和综合素质、人际沟通能力和组织策划能力、具有力求打造具有示范和引领作用的试点服务的热情和信心。

（3）创推最佳实践模型（Best Practice Model）

所谓“最佳实践”，是指对学科服务试行以及正式运行过程中的成功经验进行总结，找出最佳的服务目标实现方法与过程。通过最佳实践的总结，可以实现创新的经验、方法、技巧等知识的复用，降低再次服务创新的成本（包括时间、物质、人力等）；在最佳实践基础上进行再创新，能够有效避免或减少失败概率，达到将隐性知识显性化，实现组织知识共享；使学科服务运行过程透明度增强，有利于发现问题，进行测评，减少服务过程中的随意性和盲目性，发挥最佳实践的示范借鉴作用和引导性。

（4）铺设服务联系网络

建立学科馆员制度的重要目的之一，就是促进图书馆与用户之间的联络、沟通制度化。在表层，形成联系用户需求与反馈的全覆盖网络，成为连接读者的“信息桥梁”；在深层，基于互动的学科服务网络平台，并成为读者信任的“感情纽带”。（5）联合打造服务品牌

调动多方力量，盘活图书馆内外资源；统筹策划，整体推广；提升服务知晓度和影响力。3.学科服务宣传模式

学科服务宣传典型模式包括理念宣传、形象宣传、品牌宣传、组合宣传、立体宣传等，宣传推广手段有海报、名片、宣传单页、视频、网站、网络社区、用户会议等。

五、学科服务支持科研

学科服务支持科研行动纲领（Chris Bourg et al.《Support for the research process: an academic library manifesto》, OCLC 2009）：持续关注研究者需求变化，特别区分各学科及其出版环境的不同；为研究过程设计灵活的新型服务；将信息内容、服务和馆员嵌入研究者日常工作流程并进行整合；成为信息导航专家，变查找资料为研究咨询；重新评估岗位描述，确保馆员具有支持科研的技能、教育背景和经验；要意识到内容发现必定不限于图书馆并为之提供有效方法；聚焦独特而核心的资源与服务，日常普通服务寻求合作完成；探索有效的方法不断向学校高层说明图书馆对学术研究的重要性，为研究者提供无缝服务；为研究者一手数据集的辨识、长期保存及访问获取提供服务；通过合适的仓储和保存服务，为研究者提供学术出版和发布平台。

1.学科服务支持科研的内容 1.1学科信息环境（能力）优化

包括学科资源规划、建设与发展，学科资源组织、揭示与整合，学科信息素养教育，学科研究咨询，学科信息跟踪，个性化推荐服务，数据服务，为学术交流服务，学术成果保存与管理等内容。1.2课题（项目）服务

包括课题研究咨询，特定主题的信息查找辅导，查找特定课题的资料，特定课题的文献调研（申请前），科技查新（申请中），课题跟踪（获得申请后）。1.3（学科）信息分析与情报研究

包括战略情报研究，学科信息分析，学科发展态势分析。2.学科服务支持科研实施纲要

（1）本校学科发展战略目标是学科服务支持科研的核心依据；（2）研究人员的需求决定服务的内容和方式；（3）图书馆有义务引介本领域的国际前沿方向；（4）需要全馆各部门的通力合作；（5）需要特定工具的支撑。

3.学科服务支持科研的方法 3.1数据服务

包括资源保障，查询与获取，培训与指导，利用与分析，软件与工具，管理与共享等。3.2机构库建设

包括需求调研与分析，宣介推广（设计准备宣介推广材料，发送宣介文本，举办说明会等），辅助内容管理（培训、元数据管理、上传记录、维护社区等）。

六、学科服务技术、系统总览 1.学科服务系统和平台 1.1学科门户网站

功能要求有：

学科信息导航：建立覆盖国内外本学科权威专业信息资源的规范导航系统；

学科信息横向整合：横向整合本学科专业领域的各种文献信息数字资源系统，逐步实现同构和异构数据库的整合检索；

学科信息纵向整合：纵向整合本学科专业领域文献信息数字资源系统，逐步实现不同文献类型数据库间和不同信息服务系统间按照用户信息检索或利用流程开放地无缝链接；

开放机制：建立开放的原数据描述，逐步建立开放的知识组织体系描述和信息框架描述，逐步支持开放界面、开放用户管理、个性化定制和开放式集成；

运营机制：建立可靠的长期运行管理机制。1.2信息素养教育平台（1）课程与培训

功能包括信息发布，网络学习，信息素养能力测评，教学效果评估等。（2）校级平台（课程）

校级教学管理平台。功能模块：教学管理、课程表、考试安排、成绩管理、评教管理、PRP、个人设定。

网络教学平台。功能模块：创建课程网站、用户管理、教学资料管理、课程互动等。

通过校级教学管理平台进行教学管理，了解评教结果；通过网络教学平台创建信息素养教学网站，和学生进行课程互动，同时亦可将此平台作为信息素养网络学习的平台。1.3学科资源导航系统

提供相关学科的网站信息资源，帮助师生快速、准确地获取所需的相关权威机构、出版物、专家、学术动态等信息

1.4知识共享系统—LibGuides

系统特点：

融合了社会网络、维基、书签及博客等众多web2.0工具，具有鲜明的Lib2.0特征，又称Lib2.0知识共享系统；

图书馆员可以利用此系统，将图书馆的各种资源组织成一个个“指南”，在该系统中发布并呈现给用户； 指南可以是任何内容，任何主题（学科指南，信息门户，研究技巧）； 集Facebook、Twitter及LibGuides Widgets于一身。1.5学科服务管理与咨询服务

用户信息管理，如登记、联络、需求汇总到成效反馈在同一个系统中有机结合和体现，学科馆员能有效掌握用户信息及需求。

为院系师生提供“无处不在”的参考咨询服务，整合各类咨询问题案例，形成知识库，并尝试提供科研咨询服务。

1.6一站式资源发现与获取平台（1）Google及Goolge Scholar Google：功能强大，易用性最强，搜索速度快；Google Scholar：专门针对学术资源的搜索，主要包括很多期刊文章、图书、会议录等。（2）异构数据库统一检索系统

有CALIS统一检索系统，商用跨库检索系统：Metalib/SFX、TPI等。（3）一站式资源发现与获取系统

有Primo，AquaBrowser，Encore等。1.7科研支持平台

包括Web of knowledge平台，Scopus平台，TDA，Endnote等科研分析、管理工具，机构仓储（学术机构库），Research Output等。2.Web2.0技术与工具

Web2.0是一种以用户为中心的网络技术与服务，它追求平等、互动、用户参与、嵌入用户环境的交流体验，主要代表有Wiki、Blog、Tag、RSS以及SNS。Web 2.0技术的主要内容是：垂直搜索、社区、专业化、用户行为感受以及用户自己制作内容。

图书馆基于Web2.0的服务功能包括：RSS（定制各类信息），Blog（学科博客），Maillist（邮件定制），SMS（短信提醒服务），Toolbar（IE工具条），IM（MSN机器人），RSS+IM，思源探索：标签、投票、书评等。

学科服务在我国尚属一项新兴服务，还处在不断尝试、探索，并与用户需求逐渐对接和磨合的过程。以上为走在前列的图书馆同仁们在学科服务工作中进行了一系列创新实践，总结出的许多宝贵经验，供其他图书馆同行学习、借鉴。通过本期学科馆员培训班全面系统的学习，我对学科服务有了更深层次的理解，同时也提高了自身的信息素养和学科化服务能力，为实际开展学科服务工作打下了坚实的基础。

2010.12.06

第二篇：第一期党课培训班总结

第一期党课培训班总结

在举国上下共同庆祝建党90周年之际，我校第一期党课培训班也即将圆满结束，这可以说是我校学生思想政治培养教育的一项重要举措。本期党课培训班是我校自2006年恢复独立办学以来的第一期培训班。在校党委的大力支持和正确指导下，在党群工作部、校团委、学生工作部等部门的密切配合下，在全体学员的共同努力下，经过4个多月的培训，终于在今天即将画上一个完满的句号。在这里，我们对此次党课培训做一个总结。总结如下：

一、把好“入口”关。本次培训班在组建时，就注意严格把关，先由本人写出申请，然后经班主任或支部书记推荐，党群工作部、团委、学生科审核，党委审批，才最终确定了第一期党课培训班的名单。其中学生52人，青年教工9人，共计61人。

二、培训内容丰富，形式多样。在制定培训内容时，党群工作部 和团委经过多次研究，结合我校学生的特点，决定在培训中打破以往只注重理论学习的惯例，在内容和形式上更加注意丰富和多样，在共计5次的授课中，理论学习2次，观看爱国教育影片2部，参观爱国主义教育基地——红星村1次，使学员们从不同方面和不同角度对党有了更进一步的了解，更加热爱我们伟大的党，伟大的祖国。

三、加强管理和考察，严把“出口”环节。党课培训班是培养优秀分子和后备力量的地方，在开班之初及开班的过程中，校党委领导就多次明确指示，要严格把关，宁缺毋滥。我们遵照校领导的指示精神，在考核的内容及形式上注意全面性，从党史、党章知识结业考试成绩、班主任考评结果、党课培训班出勤情况各个方面对每个学员进行综合评定，以上三项有一项不合格即不能取得结业证。最后，党群工作部、团委、学生科、班主任专门在会议上对每个学生做出最后评定，确定了结业学生名单及优秀学员名单。

四、存在的不足

由于时间较短，我们在培训内容及形式的安排上还不是很充分，有很多内容想增加进来但觉得时间不够，比如请优秀毕业生或具有较高政策理论水平的专家来给我们授课等，在第一期党课培训班中没有实现。在今后的党课培训中，我们将增加培训时间，增加培训内容。并不断地总结经验和不足，力争把我校的组织培养、党员发展工作，尤其是青年教工和学生党员的培养和发展工作做得更好。为我校学风和教风的建设的深入开展做好思想保证。

中共辽宁省对外贸易学校委员会第一期党课培训班

2011年7月8日

第三篇：第一期学习总结

学习记录

时间：7月26日至8月2日 学习内容概述：

1、学习周志华《机器学习》前6章的内容。

2、通读英文文献《Extreme Learning Machine》和《Outlier-robust extreme learning machine for regression problem》

学习笔记

1机器学习第一章：绪论 人类具有学习的能力，我们可以通过对经验的利用，对新情况做出有效判断。机器学习就是对“学习算法”的研究，通过“学习算法”，我们可以让计算机通过经验数据，来生成一个“算法”的模型。而算法的作用是在我们输入一个新样本时，能够自动输出其对应的预测值，也就是预测新样本未知的“标记”。而算法适用于新样本的能力，就称为“泛化”能力。

学习可以进行分类。

1、若预测值为离散值，则此类学习为“分类”；若预测值为连续值，则此类学习为“回归”。

2、训练数据有标记信息，此类学习为“监督学习”，否则为“无监督学习”。

由于学习过程总是基于有限样本来进行训练的，那么就会出现多个假设都能与训练集都表现一致的情况，我们将这多个假设的集合称之为“版本空间”。为了得出确定的学习结果，学习算法在学习过程中就必须具有对某种类型假设的偏好，即“归纳偏好”。这个“偏好”在具体的学习算法中是如何体现的？

2机器学习第二章：模型评估与选择

我们把学习机实际预测输出与样本的真实输出之间的差异称为“误差”。其中学习器在训练集上的误差称为“训练误差”或“经验误差”，在新样本上的误差称为“泛化误差”。

训练误差为零的学习器，通常并不是一个好的学习器，因为其很可能出现“过拟合”的问题，即把训练样本本身的一些“特点”当做潜在样本的“性质”进行学习。反之，未能充分学习训练样本的“性质”，则会导致“欠拟合”的问题。

我们希望的是学习器的“泛化误差”尽可能小，在实际应用中，我们常以测试集上的“测试误差”作为“泛化误差”的近似。故对于数据集D，我们需要对其进行处理，从中产生出训练集S和测试集T。（原则：测试集应该尽可能与训练集互斥。）常用方法有留出法、k折交叉验证法、自助法（内含分层抽样和多次试验的问题）。

1、留出法就是简单划分。

2、交叉验证法，（p26页图2.2.）

将D划分为k个相同数量的子集，将k-1个子集用作训练集，1个子集用作测试集，然后不断更换作为测试集的子集，进行k次训练和测试。

3、自助法

假设D中包含m个样本，有放回地从D中采样m个样本放入D’中，将D’ 作为训练样本，根据概率会有接近36.8%的样本未被抽取，这一部分未被抽取的样本就作为测试集。自助法在数据集较小的时候作用很大。

但在学习算法确定后，我们还是要利用数据集D进行重新训练。

找好S和T后，我们就需要找到对测试进行评价的标准，就是“性能度量”。回归任务中最常用的性能度量就是“均方误差”。而分类任务（二分类为例）中，我们可以使用错误率、精度、查准率、查全率、ROC曲线、AUC曲线等来进行度量。

1、错误率、精度，略。

2、查准率P与查全率R。

TPTPPR，P与R是一对矛盾（大体上负相关）的度量。

TPFPTPFNP-R曲线是以P为纵轴，R为横轴作的图。“平衡点BEP”是查全率=查准率

2PR时的取值，可以作为比较的标准。更常用的还有F1度量，F1，考虑

PR到侧重点不同还有F1的一般形式F。（见p32页）

当遇到需要综合考虑多个二分类混淆矩阵时，比如多分类任务的两两类别组合，则需要考虑“宏F1”和“微F1”的概念（见p32页）

3、ROC曲线，以及AUC值。ROC 曲线纵轴是“真正例率”TPR，横轴是“假正例率”FPR。

TPFPTPRFPR，AUC为ROC曲线下各部分面积求和，反映TPFNTNFP的是样本预测的“排序质量”。

当然现实中也会出现不同的错误类型，造成不同代价的损失，所以我们可以为错误赋予“非均等代价”。在“非均等代价”下，我们希望最小化的不再是错误次数，而是“总体代价”。（见p36式2.23）

对单个学习器进行评价，我们假设测试样本是从泛化错误率为的样本总体中独立采样而成，求测试错误率为的概率，那么可得这种情况符合二项分布。那么反之，我们可以通过“二项检验”来对的假设进行检验。如p39页所示，可以根据测试错误率推测泛化错误率的大小和取该值的概率，每一个（显著度/置信度）对应一个临界值。这是单一测试错误率的性能测试方法。

当我们有多个测试错误率时，我们可以采用“t检验”法，进行检测。（明白用法，原理不明，需要重新学习概率论相应部分的内容）对于两个学习器学习性能是否相同，我们可以利用交叉检验t验证，也需要用到概率论相应内容。

3机器学习第三章：线性模型

线性模型试图学得一个通过属性的线性组合来预测的函数。“线性回归”试图学得一个线性模型以尽可能准确地预测实值输出标记。基于均方误差最小化来进行模型求解的方法称为“最小二乘法”。在线性回归中最小二乘法就是找到一条直线，使所有样本到直线上的欧氏距离最小。（p55中当样本由d个属性描述的情况下的矩阵求导运算不能读懂）

那么推广开来，我们可以得到“广义线性模型”，即考虑单调可微函数g(.)（称为联系函数），令yg1(wTxb)。前面谈到了如何用线性模型和处理回归问题，那么如何利用线性模型来处理分类问题呢？最理想的分类模型是阶跃函数，但是我们为了满足可微的条件，我们可以采用“对数几率函数”来替代阶跃函数。（关于p59页最优解的概率分析不明白；3.4中p61至p63的矩阵运算不理解）

在前面的学习中，我们大多讨论的都是“二分类”的学习器。面对现实中的多分类问题，我们可以要学习如何将多分类问题拆解成二分类问题。经典拆分策略有“一对一”、“一对其余”、“多对多”，OVO和OVR分类示意可以参考p64图3.4。MVM的正反类构造需要特殊设计，比如最常用的“纠错输出码”ECOC。编码、解码过程参考p65的图3.5，可能预测的编码不属于任何一类，即“出错”，但只需找到最接近的一类将其归入，这就是“纠错”的过程。

前面的分类都有一个共同的基本假设，即不同类别的训练样例相当。但是现实中“类别不平衡”的情况，即分类任务中不同类别的训练例数目差别很大的情况。这种情况下利用原始数据进行训练，可能让学习机将所有样本都分为数量上占绝对优势的一类来降低训练误差。特别若是训练集是真实样本无偏采样的假设不成立时，问题会更加突出。对于这种情况，我们可以采用“欠采样”、“过采样”、“阈值移动”。

4机器学习第四章：决策树

决策树是一种常见的机器学习方法。一般的一颗决策树包含一个根节点、若干个内部节点和若干个叶节点。叶节点对应于决策结果其他每个节点对应于一个属性测试；每个节点包含的样本集合根据属性测试的结果被划分到子节点中；根节点包含样本全集。根据p74图4.2可知，有三种情况会导致递归返。

1、节点包含的样本标记都相同。

2、节点内样本属性都相同。

3、节点内没有样本了。在算法中，最关键的是要如何选择最优划分属性。我们希望决策树的分支节点包含的样本尽可能属于同一类标记，即节点“纯度”越来越高。

“信息熵ENT”（p75 式4.1）是度量样本集合纯度最常用的一种指标（ID3决策树）。选择划分属性时我们可以计算出假设划分每个属性a所对应的“信息增益Gain”（p75 式4.2），选择信息增益最大的属性来划分，因为这意味着“纯度提升”越大。

但是增益准则对选择可取数目较多的属性作为划分对象有所偏好，为了平衡我们引入属性的“固有值”概念以及“增益率”的概念，增益率准则对可取数目较少的属性有所偏好。故一种启发性选择是从信息增益高于平均水平的属性中选阵容增益率最高的。此外还有基尼指数（CART决策树）可用来度量纯度，选择划分属性。

那么为了缓解“过拟合”问题，在决策树学习中我们通常采用“剪枝”的手段。剪枝可分为“预剪枝”和“后剪枝”。

“预剪枝”方法采用测试集验证剪枝前后的精度，只有精度提高才允许划分。此法可以降低过拟合风险，还显著减少了决策树德训练时间开销和测试时间开销，但也带来了欠拟合的风险。

“后剪枝”方法首先需要训练一棵完整的决策树，然后再由叶至根地对决策树进行剪枝，这种方法通常比预剪枝保留更多的分支，一般情况下“后剪枝”欠拟合风险小，泛化性能优，但训练时间开销大得多。

前面讨论的都是离散的属性值，那么为了处理连续的属性值，我们应该采用“二分法”进行处理（C4.5决策树）。若有n个元素，则我们考虑采用n-1个中位点作为候选划分点，来计算信息增益，选择划分点。另外，若当前节点划分的属性为连续值，其后代仍可对此属性进行划分。

再来讨论如何对“有缺失属性值的训练样例”来进行划分。我们可以利用每个属性中未缺失属性的样本和其占该节点样本比例来计算GAIN选择划分属性（p87 式4.12）。在划分缺失该划分属性的样本时，以不同权值将该样本划入子节点，相当于将一个样本“分割”。

继续扩展，我们可以考虑，现在每个节点的划分我们都是基于单一属性值来进行的。但在学习类似p91图4.12 这样的分类任务时，会相当复杂，故我们可以考虑，将节点由“单变量决策”转为“多变量决策”，将“轴平行决策树”转化为“斜决策树”甚至更复杂的决策树。（未深入学习）

5机器学习第五章：神经网络

神经网络是具有适应性的简单单元组成的广泛并行互联的网络，他的组织能模拟生物神经系统对真实世界作出的交互反映。

“M-P神经元模型”，神经元接收到来自n个其他神经元传递过来的输入信号，这些输入信号通过带权值的连接进行传递，神经元接收到的总输入值将于神经元的“阈值”进行比较，然后通过“激活函数”处理以产生神经元的输出。将这样的神经元按一定的层次结构连接起来，就得到了神经网络。

“感知机”由两层神经元组成。输入层接受外界信号之后传递给输出层，输出层为M-P神经元。在yf(iwixi)这个简单的公式中，我们可以将θ视为一个固定输入为-1的“哑节点”所对应的连接权重wn1，这样阈值和权重的学习就可以统一为权重的学习（这在矩阵运算中尤其突出）。学习过程是通过错误的程度对权重进行调整。

感知学习机只能解决线性问题，那么要解决非线性可分问题，则必须考虑使用多层神经网络。常见的神经网络是形如p101图5.6 的层级结构，每层神经元与下一层神经元全互联，神经元之间不存在同层连接，也不存在跨层连接，这种神经网络结构通常称为“多层前馈神经网络MLFNs”。其输入层神经元仅是接受输入，不进行函数处理，隐层与输出层包含功能神经元。

神经网络的学习过程，就是根据训练数据来调整神经元之间的连接权；换言之，神经网络“学”到的东西，蕴藏在连接权与阈值中。

欲训练多层网络，简单感知机学习规则显然不够了，需要更强大的学习算法“误差逆传播算法BP”就是其中最杰出的代表。如p102的图5.7所示的网络，有（d+l+1）q+l个参数需确定。BP算法基于“梯度下降”策略以目标的负梯度方向参数进行调整。

对于每个训练样例，现将输入示例提供给输出层神经元，然后逐层将信号前传，直到产生输出层的结果；然后计算输出层的误差，然后将误差逆向传播至隐层神经元，最后根据隐误差对连接权和阈值进行调整，迭代过程循环进行。（具体迭代的数学计算过程还不是很明白）

“标准BP算法”每次仅针对一个训练样本更新连接权和阈值，而“累计误差逆传播”是每学习一轮才更新一遍参数，降低参数更新的频率。

已经证明只需一个包含足够多神经元的隐层，多层前馈网络就能以任意精度逼近任意复杂度的连续函数（如何设着隐层神经元个数仍是未决问题，实际中通常依靠“试错法”）。由于其强大的表示能力，BP神经网络经常遭遇“过拟合”问题。有两种策略可以用来缓解“过拟合”。

1、早停，思想与决策树的剪枝无二致。

2、正则化：在误差目标函数中增加一个用于描述网络复杂度的部分。例如连接权和阈值的平方和，使网络输出更加光滑，来缓解过拟合。如p107 式5.17。

其余常见的神经网络还有RBF网络、ART网络、SOM网络等。由于之前的聚类学习中接触无监督学习比较多，故只看了其中关于“自适应谐振理论网络ART”和“自组织映射网络SOM”的内容。竞争型学习是一种神经网络中常用的无监督学习策略，在使用该策略时，网络的输出神经元相互竞争，每一时刻仅有一个竞争获胜的神经元被激活，其他神经元被抑制。这种机制称为“胜者通吃”原则。

ART网络由比较层、识别层、识别阈值、和重置模块构成。比较层接收样本，将其传递给识别层，（识别层每个神经元对应一个模式类）计算输入向量与识别层的相似度，归入相似度最大且大于阈值的识别层神经元，同时更新连接权；若相似度都不大于阈值，则增设一个新的神经元，代表向量就为当前输入向量。可见，识别阈值作用很大，决定了分类的细致程度。

SOM网络，能将高维输入数据映射到低维空间（通常是二维），同时保持输入数据在高维空间的拓扑结构，将高维空间中相似的样本点映射到网络输出层中的临近神经元。SOM网络中的输出层神经元以矩阵方式排列在二维空间中，每个输出层神经元都拥有一个权向量，网络在接收输入向量后，将会确定输出层获胜神经元，它决定了该输入向量在低维空间中的位置。

SOM的训练过程：在接受一个训练样本后，每个输出层神经元会计算该样本与自身携带的权向量之间的距离，距离最近的神经元成为竞争获胜者，然后最佳匹配单元及其邻近神经元的权向量将被调整，以使得这些权向量与当前输入样本的距离减小。此过程不断迭代，直至收敛。

前面介绍的神经网络大多是以单隐层为例。理论上来说，参数越多、复杂度越高的模型能完成更复杂的学习任务。随着云计算、大数据时代的到来，计算能力的大幅提高可以缓解训练的低效性，训练数据的大幅增加可降低过拟合风险，于是以“深度学习”为代表的复杂模型开始受到人们的关注。神经网络的提高容量的方法就是增加隐层的数目和层数。（关于深度学习只是提到一个概念，可以继续学习专门介绍深度学习的文章）Extreme Learning Machine

首先，极限学习机ELM是针对BP学习速度缓慢提出的。BP学习速度缓慢主要是由两方面原因造成，一是“梯度下降”迭代策略本身的性质问题；二是每一次迭代的过程中，大量的参数（连接权、阈值）都需要参加迭代。ELM的主要优势在于，它可以随意设定隐藏层的连接权、阈值，忽略输出层偏置，然后通过数学分析，一次确定最优的输出层连接权。过程无需迭代，速度极快。

在引言中提到，文献《Universal approximation using incremental feedforward networks with arbitrary input weights 》中证明，SLFNs只要激励函数满足无限可微，理论上即使是随机生成的任意wi和bi其值固定不变，具有N个不同样本，包含N个隐含层神经元的SLFNs的训练误差依然可以无限接近零。作者以此作为随机产生wi和bi的依据。但这并不表示这随机产生的不会对学习结果造成影响，相反，这造成了学习结果有较大的随机性和不稳定性。

文献的第二部分紧接着对ELM中要使用的Moore-Penrose 矩阵广义求逆（看不懂）和最小二乘解进行了介绍，同时证明了通过Moore-Penrose 求逆方法对Ax=y中A矩阵求逆得出的矩阵G，就是Ax=y对应的最小二乘法的解之一，同时它还具有所有解矩阵中范数最小的性质。这个性质，使得wi值较小，可以一定程度上缓解“过拟合”的问题，使得算法有较好的泛化性能，上面的Ax=y矩阵运算，就对应了ELM学习中的HT。

介绍完ELM后，接着就是应用环节。文章应用了3个实例，以BP和SVM作为参照来证明了ELM的优越性。

第一个应用是利用加利福尼亚州的房子属性对房子的价格进行预测，一共进行了50轮学习来取得平均效果。毫无疑问ELM在速度上占尽优势，因为他不需要迭代只需要进行一次求逆，而BP每一轮都需要迭代8000次（训练样本数）。而且在效果上来说，ELM测试误差还更小些。

第二个应用采取了“糖尿病预测”的二分类问题，第三个采取了“森林覆盖类型预测”的多分类问题。结果都与第一个应用相似。（具体来说是怎么用ELM来产生离散的分类结果的？）

总体来说，例证环节的思路非常清晰。从“连续函数的回归问题”到“二分类问题”再到“多分类问题”，令人信服。

ELM的优越性总结为以下几点：

1、速度快

2、泛化性能好

3、因为没有迭代过程，不要求激励函数可微。

4、省去了一些复杂的参数比如学习率。Outlier-robust extreme learning machine for regression problems 这篇文献针对ELM对离群点（异常数据）敏感的问题提出了一种改进的“离群点鲁棒性极限学习机”(ORELM)。

文献指出，目前所有的ELM及其变体都是采用“二范数”的目标函数来对学习机进行训练的，但是“二范数”会放大离群点所带来的误差。因此此文献采用了“一范数”的目标函数来训练学习机，因为一范数对于异常数据的有更好的鲁棒性。另外为了得出目标函数的最优解，文献采用了增强的拉格朗日乘数法（ALM）来迭代求解。（还未理解此乘数法的具体数学过程）

文献第二部分，介绍了两种极限学习机的变体。分别是正则化极限学习机Regularized extreme learning machine(RELM)，和基于RELM提出的权重正则化极限学习机Weighted regularized extreme learning machine(WRELM)。RELM的提出是为了在ELM的基础上提高泛化性能，故在目标函数中添加了一个关于连接权矩阵二范数的正则化项，其余没有改变。WRELM则是在RELM运算结束后，将每个样本带入网络求出对应偏差，高偏差的样本将被赋予小权值，借此提高鲁棒性。然后重新利用RELM进行学习，得到最终结果。

文献指出了WRELM存在的问题，一方面很依赖RELM，另一方面当不存在离群点时，好的样本点的权值也会受到影响。

接着文献就提出了利用1范数作为目标函数的ORELM。这是一个带约束的凸优化问题，可以利用ALM方法进行迭代求解。文献提出，当数据存在异常时，ORELM有最好的鲁棒性，具有实用性。

应用环节也是采用了三个实例对方法进行验证。一是利用函数SinC对带有离群点的数据进行回归学习。对比了含有10、20、40、80个离群点的训练集的回归效果，还分为固定偏离值的离群点和某区间内任意偏离值的离群点两种情况。（这里说的偏离都是标记值的偏离，没有讨论属性值的偏离）二是利用乳腺癌良性恶性的二分类问题来进行学习。显然ORELM的精度更高，这一点在“受污染数据”比例上升后更加明显。

ORELM的优越性表现为：

1、计算速度较快，虽然比ELM慢很多，但比WRELM快。

2、面对含有异常数据的样本集时学习的鲁棒性比较强，比文献综述提及的其他ELM变体都要强。

第四篇：2012再培训班(第一期)学习心得体会

参加大学生员工再培训班（第一期）学习心得体会：

再提技能技术 争做农信主力

2012年月18日至月28日，我有幸参加了全省农信社

组织的大学生员工再培训班（第一期），认真聆听各教授、专家对推进农信社改革发展、金融企业文化建设、农信社未来的发展趋势系列讲座，通过实践拓展训练、学习《》、《》、《》、《》、《》、《》、《》、《》、《阳光心态与压力释放》、《信贷管理分析》课程等，使我受益匪浅，对自己的人生价值、团队意识、认识水平、理论水平都有进一步的提高。10天的学习，感触颇多，现就将这次培训，结合自身工作实际，谈谈自己的体会。

一、拓展中提升团队竞争实力

随着农信社的越发壮大，面对众多的员工，一定要有打不垮的团队精神，才会让农信社更好的适应这经济下行的大环境。

两天的业务拓展训练，我们随机分成五个团体，时而为沙场点兵较劲，时而为争分夺秒拼杀，时而为七巧板相互协作，时而为会师拼尽全力。在辛苦而快乐的两天拓展训练中，我们互助、互动，互敬、互爱，一片祥和。一是我们要有执行力，且要有一个满意的结果，没有借口，在每天的工作中，都是用结果来换取自己的报酬，也要用结果来证明自己的价

值。二是我们应该有责任心，自己承诺的事情要去兑现，要经得起检查，为自己做的事情敢于承担责任。当自己犯错，要勇于担当。三是要勇于拼搏。在看似完不成的84秒胜利大会师游戏面前，我们目标明确，通过努力拼搏，最后用时71秒完成，这是拼搏的结果。

在以后的农信工作、生活中，我们每个农信员工都要担当，相互帮助和协作，如果我们在工作中也能像这次活动中一样每个队员手紧紧握住，相互扶持，我们就一定能成为一个具有强大竞争力的团队。

二、拥有阳光心态，做好时间管理，争做一个优秀职业经理人。

心态决定一切，在每一天里拥有良好的心态，是做一个优秀信合人的关键。

一是心态阳光，收获希望。面对枯燥而乏味的基层生活我们该怀着怎样的心态？我们快乐吗？我们开心吗？老师抽丝剥茧，一一揭开谜底。一个拥有积极阳光心态的人，才是一个健康的人，一个健康的人才能更好的为农信社工作。无论在什么样的岗位，明白自己的价值观，拥有阳光的心态，努力进取，才能收获希望。

二是抓住时间，抓住未来。上帝是公平的，给每个人一生的时间，如何抓住时间，人生需要规划。要学会有效的时间目标，善于借用，保持健康，未来是属于你的，农信的未来才能更加美好。

三是做人做事，从点滴做起。从基层做起，从点滴做起。要想成为一名优秀的职业经理人，我们需要敬业、专业、谦虚、诚信，会做人、会做事，事无巨细，全得兼顾。做好我们的角色，发挥最大的潜能，争做最优农信人。

三、学好财务，把控风险，在改革中奋进。

作为业务单位的我们，学好财务、会计知识是极其关键的。

（一）IT蓝图雄伟，农信科技兴社。计算机中心的老师给我们讲解了目前的***业务更新，未来的IT蓝图。未来的农信在打造大平台、小银行的新一代IT系统群，誓将农信打造成全国先进银行，我们正在前进。

（二）财务规范、合规经营。对财务系统做了深入的讲解，作为业务企业的农信社，离不开财务管理。一定要明白政策，理清思路，将各项财务指标弄透，将各项资产理清楚，规范管理，农信经营才会越来越规范。

（三）大力改革，把控风险。近年来，各管理部门对农信社的管理越来越严格，大力发展农商行、农合行等。对四川农信社来说，最大的改革就是股权改革，在改革的过程中，一定要注意把控风险，有的放矢，在猛上快进的同时，注意风险的管理。在打造流程银行的目的也是为了更好的抵御风险。

（四）张弛有度，有收有放。作为农信社的第一资产业务，也是最大的收入来源贷款来说。农信社应该管好我们的贷款。随着信贷系统、小额农贷系统、微贷系统的上线运用，更是将贷款审批、发放、收回等进行了流程梳理，进一步规范了我们的信贷管理。在打造核心竞争力和流程银行的同时，各级农信社要管好自己的饭碗，稳中求进，张弛有度。

**10日，求知迫切，期望太多，感悟颇深，心得更阔。这段难得的经历，必将对我今后的学习、工作产生积极而深远的影响，今后，我将立足本职岗位，将所学所得应用到实践工作中去，不断开拓进取，为信合事业改革发展做出自己应有的贡献，真正使自己成为一名实实在在的不图虚名的信合人。

二○一二年九月二十六日

第五篇：培训班学习总结

学习总 结

XXXX培训班为期两个月的学习培训生活即将结束。通过此次学习培训，形式多样的教学方式使我们对学习充满了兴趣，我们的政治理论水平得到了一定的提高，并对社会主义市场经济及现代科技等多方面的知识有了初略的认识和了解。通过学习考察，拓展了我们的视野，活跃了我们的思维，增长了我们的见识，提高了我们的素质，联结了同学们的友谊。回望短暂的两个月，我的确受益匪浅，现将学习、考察作以下总结。

今年，是我区建设经济强区的冲刺年，区委区政府在各项工作任务都十分紧张繁重的情况下，仍然坚持从各单位召集优秀中青年干部四十余人，参加一年一届的XXX青年干部培训班，充分体现了各级党委对云岩区干部培训的高度重视，同时，也为我们提供了一次难得的学习机会。我非常珍惜此次机会，积极参与，切实做到了“三个转变”，真正将自己融入了这个大集体。

一、学习培训篇

我们要学习什么，现在来讲，最重要的就是两点：一是学习马列主义、毛泽东思想、邓小平理论

和党的方针政策。改革的不断深化，开放步伐的不断加快，许多东西学不深，学不透，根子就不稳，对一些工作的开展也不好。二是学习新知识、新技能。我国加入WTO，对我们年轻干部来讲面临着新的挑战，需要学习新的知识，学好专业知识的同时，学点经济金融知识、学点法律，学点历史，学习一些在工作中需要的东西。现在社会发展最关键的是经济，不懂经济，怎么能为强区建设尽一份力？学点法律也是很有必要的，现在讲“以法治国”，不懂法，谈什么以法治国？谈什么社会管理？那是必然要落伍的。至于历史，它是发展的镜子，古人就讲，以史为鉴，没理由到了现代反而要把这个好传统给丢了。所以学什么对我们来说都是很重要的，区委党校结合我区实际情况，从历史、政治、金融、科学、法律、文学、军事、实用学科等各方面的内容为学员安排了《身体力行“三个代表”》、《按照“三个代表”的要求加强党建》、《2001—2002中国社会发展态势分析》、《西部大开发和强区建设》、《云岩区经济运行及社会发展分析》、《中青年干部要加强自身的党性锻炼》、《加强党风廉政建设》、《加强党的作风建设，改进工作作风》、《WTO理论基础》、《督查与信息工作》、《依靠科教进步推动强区建设》、《创新思维，创新观念和创新精神》、《保密知

识》、《知识产权法律》、《关于非公有制发展的若干问题》、《知识经济与高技术》、《电子商务理论》、《当前世界战略格局及我国的安全形势》、《公民道德建设讲座》、《普通话讲座》等课程。XXXX等领导在百忙中抽出宝贵时间亲自为学员授课，并对我们提出了“政治坚定，工作创新，刻苦学习，诚信待人，热爱生活”，“在人生的舞台上，演好自己的角色”，“永远面向将来，踏实着手现在，在人生道路上一步一个脚印”“新世纪的年轻干部应具备：党性修养，理论水平，战略思维，世界眼光”等要求，各位领导以富有哲理，实事求是和宽广的信息量的启发，使我们学到了知识、增长了见识，并让我们深深感受到了领导对我们的高度重视和殷切期望，极大鼓舞了我们的学习热情。

为了让我们的学习生活不仅限于课堂那么枯燥，多样的教学形式是此次学习培训的亮点。在学习期间，我积极参加支部组织的各种活动，如金翠湖的联谊会，“七一”的歌诗会等。7月，在得知XXXX小学受水灾后，我们开展了以“人人献爱心”为主题的捐赠活动，全班学员亲赴XXX对小同学们进行了慰问。学习期间在区委党校的精心安排下，我们参观了我区的非公有制企业，还亲临市法院法庭观看庭审。

我们一定要以崭新的思想作风、精神面貌和工作干劲投入到各自的工作岗位中，勇于开拓，不断创新，用云岩精神时刻标准自己，肩负起云岩区经济强区建设的历史使命，不辜负区委、区政府对我们的殷切希望。

二、外出考察篇

区委区政府为了让青干班学员增长见识，开拓视野，将理论密切联系实际，切实达到培训目的，为我区经济和社会发展何等贡献，在区委组织部的欢送中，我们开始了为期XXX天的广、深、珠、港、澳考察。

考察期间，给我映像最深的是香港，香港的繁荣，香港的美丽，香港的有序，香港人的高效，香港人的礼貌，香港人的勤劳，都给我留下了极好的映像。香港是一个融中西文化为一体的现代化国际都市，它拥有世界上最先进的金融系统，最现代化的建筑，最优良的港口，它环境优美，经济发达，秩序井然，为我们进行考察提供了良好便利的条件。经过对香港理工大学的考察，我们对香港的教育体制有了一定的了解，香港实行九年制免费义务教育，家长和学校必须履行对适龄学童进行教育的义务，违反规定者将被追究一系列法律责任。由于有强有力的政府行为和严密规范的法律保障，使香港保持

了世界一流的教育水平，在国际上享有一定的名望，过硬的教学质量为香港挤身亚洲经济发达地区提供了雄厚的人才基础。为了更深层次，近距离接触香港的市容市政管理，交通及金融管理知识，我们来到中国银行香港总部、香港会展中心、港督府、驻港部队、太古广场、海港城等地进行实地考察，所到之处，香港先进规范的管理体制，忙而有序的交通制度，井井有条的金融秩序，以人为本的经营理念，无一不让人叹为观止。

澳门，这个在地图上占距位置微乎其微的小地方，带给我的震动也是不小的，这里的主要经济来源，众所周知是搏彩业，澳门人与香港人不同，他们是悠闲的，快乐的，享受的，他们这里的人们生了病到医院救治全部都是免费的，澳门真正是做到了取之于人，用之于民。这两个中国土地上“一国两制”的特别行政区真正体现了以人为本突出人的优越性，也真正体现了“一国两制”英明和伟大。

广州的几大小商品批发市场，引来了太多的外来人口，造成这个城市的嘈杂与凌乱，无形中在就业、经济、城市管理上给这个城市带来了具大的压力。人挤人，人撞人，就连逛商场也好似打仗，马路上的车更是挤个水泄不通，交通的堵塞更是时有发生。我们不得不承认它的经济是发展的，我们却

不能不看到它存在的丝丝隐忧。相对来说，珠海就漂亮得多了，它虽然不够繁华，但它就象一个天然的巨大公园，让人置身其间别有一番滋味，碧海南天，阳光沙滩，好一派热带风光。珠海的公路两旁，看不见一处裸露的土地，映入眼帘的都是片片的绿。深圳，就象是一串跳动的音符，它好似广州同珠海的联合体，它既热闹，又美丽，它的城建设施都非常的完善，高楼大厦比比皆是，它的几个主题公园更成了招揽各地游客的亮点。世界之窗将世界尽收眼底，让你一天把全世界游完，公园中会在一年不同的时期，请来各国的演出团，让你在游世界的同时领略各国的风土人情。锦绣中华将我国五十六个民族的不同建筑搬到了一起，让你贴近少数民族同胞的生活。欢乐谷是年轻人必到的地方，这里汇集了所有最惊险，最刺激，最好玩的游乐设施，让你真正过把瘾！

此次考察让我们了解到，从经济上，城市管理上，法制建全上，经营理念上等等多方面，我们这个城市与其它城市的差距甚远，要拉近这段距离不是短时期内可以做到的，这需要我们全部人的开拓创新与努力奋斗，我们一定要将考察中得到的好的经验运用到工作中，为强区建设再立新功！