当前位置: 首页 > news >正文

对于如何学习的一点思考

目录

1、学习遇到的问题

2、问题分析

3、解决思路


1、学习遇到的问题

我们经常在学习一个知识时,经常会遇到知识点凌乱、读书效率低、缺乏长期记忆等问题,主要体现在:

  • 知识点凌乱:花时间学习了很多技术点,但是由于内容太多,导致找不到重点。
  • 学习效率低:刚学习完一个知识点,合上书/关闭博客之后,自己也说不清楚里面讲了什么?
  • 被迫反复阅读,效率低:读书后仅存的一点记忆,在一个月后也还给了原作者,只能重新阅读。

更可怕的是很多同学就会无限的陷入上面的怪圈,导致花了很长时间在学习,但是效率很低,效果很不佳。

2、问题分析

针对上面三类问题产生的原因,我的分析如下:

  • 知识点凌乱:这类问题产生的原因通常有两种,第一是很多同学通过零散的博客来学习,对于知识的体系一无所知,所以只能针对“零散的知识点死记硬背”。第二是对于部分通过书本进行所谓体系化学习的同学,也只是简单的“打卡式阅读”,例如给自己设定目标每周读几页、每周读几篇博客,而这种阅读通常的效果就是“读了后面的内容,忘了前面的内容”。而无论是通过零散的博客来学习,还是所谓的“打卡式阅读”,究其本质是阅读者发起阅读的初心并不是学习某个技术/知识,而是满足自己阅读的心理诉求,以实现自己心理上的满足。
  • 学习效率低:这里的本质原因是我们在阅读时,没有对书进行分类。通常我们在阅读小说时喜欢从前往后顺序阅读,以便我们不要错过任何跌宕起伏的情节。而技术书没有跌宕起伏的情节,同样的阅读习惯会导致:1、很快让你感觉到乏味,以至于注意力分散;2、缺乏知识的前后关联性思考,变成了读书的机器。(这里不排除会有对于技术很感兴趣的同学,但是大部分同学并不是)
  • 被迫反复阅读,效率低:针对如上一知半解的知识遗忘是常事,但是更大的灾难是在前期阅读时由于缺乏思考,因此学习过程中也缺少总结与沉淀,因此再次学习时不得不从头开始。

3、解决思路

要解决这个问题,我们从事前、事中、事后三个维度来思考:

  • 事前:无论是我们希望通过读书还是读博客来学习,一定要有一本书,而且一定要有行业内的经典书。这里经典书的目的是希望你能先花时间研究书的目录,首先搭建起这门学科/技术的知识脉络。在这里我们只需要了解这个学科/技术的知识组成结构,并了解基础概念的含义即可,无需深入研究技术细节。
  • 事中:事中更多的是细粒度的学习,这里为了避免学习效率低的问题,我的建议是带着问题阅读,经常可以问的问题包括:
    • 这个技术是解决什么问题的?
    • 他的核心组成要素、组件是什么?
    • 这些核心要素、组件之间的关系是什么?
    • 该技术在实现过程中都遇到了什么问题?分别是怎么解决的?
    • 类似的技术还有其他的实现吗?他们的差异是什么?分别的优劣势是什么?
  • 当然这里的问题可以随着所学习内容的不同做调整,但是这里想告诉大家的是,在学习一个新的书/博客前先花时间想一下,我期望从这个书/博客上学习到什么?而不是漫无目的的学习。
  • 事后:为了能够更好的理解知识,我建议在学习后能够基于自己的问题整理出一份思维导图,并且如果有机会的话可以给其他人讲一遍,一方面加固自身的理解,另一方面能够让他人帮你查漏补缺。这里整理思维导图的另一个好处是,在自己复习时,可以看着思维导图针对性复习,而不是从头开始。

最后总结一下,我们的学习要做到事前拆解知识结构;事中带着问题学习;事后自我整理并输出。

相关文章:

对于如何学习的一点思考

目录 1、学习遇到的问题 2、问题分析 3、解决思路 1、学习遇到的问题 我们经常在学习一个知识时,经常会遇到知识点凌乱、读书效率低、缺乏长期记忆等问题,主要体现在: 知识点凌乱:花时间学习了很多技术点,但是由于…...

Ensemble Methods集成学习大比拼:性能、应用场景和可视化对比总结

集成学习(Ensemble Learning)是一种机器学习范式,其中多个模型(通常称为“弱学习器”)被训练以解决相同的问题,并且通过某种方式结合它们的预测以提高整体性能。这种方法的核心思想是,多个模型比单一模型更能准确地预测未知数据。在本文中,我们将探讨多种集成学习算法,…...

【2024秋招】2023-9-16 贝壳后端开发二面

1 自我介绍 2 秒杀系统 2.1 超卖怎么解决 3 redis 3.1 过期策略 3.2 过期算法 4 kafka 4.1 说一说你对kafka的了解 4.2 如何保证事务性消息 4.3 如何保证消息不丢失 4.4 消息队列的两种通信方式 点对点模式 如上图所示,点对点模式通常是基于拉取或者轮询…...

SpringCloud 微服务全栈体系(七)

第九章 Docker 一、什么是 Docker 微服务虽然具备各种各样的优势,但服务的拆分通用给部署带来了很大的麻烦。 分布式系统中,依赖的组件非常多,不同组件之间部署时往往会产生一些冲突。在数百上千台服务中重复部署,环境不一定一致…...

SAP ABAP 报表输出成 excel 统计图形 (RFC : GFW_PRES_SHOW_MULT)

SAP 预设了一个类型组 GFW ,做简单的excel图形输出 话不多说,直接上代码: *&---------------------------------------------------------------------* *& Report ZCYCLE057 *&----------------------------------------------…...

微信小程序如何获取地理位置

在微信小程序中,可以通过以下步骤获取用户的地理位置: 在小程序的app.json文件中配置权限: json "permission": {"scope.userLocation": {"desc": "你的位置信息将用于获取附近的服务"} }这样配置后…...

计算机网络相关硬件介绍

计算机相关硬件 计算机由运算器、控制器、存储器、输入设备和输出设备等五个逻辑计算机硬件部件组成。 一、中央处理器(CPU)(运算器、控制器) (1)运算器 运算器是对数据进行加工处理的部件&#xff…...

Megatron-LM GPT 源码分析(三) Pipeline Parallel分析

引言 本文接着上一篇【Megatron-LM GPT 源码分析(二) Sequence Parallel分析】,基于开源代码 GitHub - NVIDIA/Megatron-LM: Ongoing research training transformer models at scale ,通过GPT的模型运行示例,从三个维…...

Python---使用turtle模块+for循环绘制五角星---利用turtle(海龟)模块

首先了解涉及的新词汇,编程外国人发明的,所以大部分是和他们语言相关,了解对应意思,可以更好理解掌握。 import 英 /ˈɪmpɔːt/ n. 进口,进口商品;输入,引进;重要性;…...

Python的比较运算符查询表

据个人的编程开发经验,Python的比较运算符最常于条件判断,而条件判断是python编程中最常用的语法之一,与for或while的循环一样,功能十分强大! 在机器学习当中,或深度学习当中,在运用算法对统计…...

C/C++面试常见问题——const关键字的作用和用法

首先我们需要一下const关键字的定义,const名叫常量限定符,当const修饰变量时,就是在告诉编译器该变量只可访问不可修改,而编译器对于被const修饰的变量有一个优化,编译器不会专门为其开辟空间,而是将变量名…...

Vue3.3指北(四)

Vue3.3指北 1、WebPack - VueCLI1.1、WebPack安装VueCli1.2、vue create 创建项目1.3、项目目录结构介绍 2、ViteVue32.1、认识create-vue2.2、使用create-vue创建项目2.3、项目目录剖析2.4、ESlint代码规范及手动修复2.5、通过eslint插件来实现自动修正 3、VueRouter43.1、单页…...

vue如何使用路由拦截器

在 Vue 中使用路由拦截器需要使用 Vue Router 提供的 beforeEach 方法。beforeEach 方法会在每个路由切换前,对路由进行拦截处理。可以在这个方法中进行一些验证或者权限认证,如果满足条件则继续跳转,否则取消跳转并进行相应处理。 下面是一…...

Docker 深度清除镜像缓存 (overlay2)

Docker 深度清除镜像缓存 (overlay2) 一般情况下,运维清理镜像是通过命令 docker rm i 删除镜像的。但是这条命令不会删除docker build命令产生的缓存文件。 这个时候需要使用 docker system 的系列命令来做相关处理。 docker system --hel…...

刷题笔记(第三天)

1.给定二进制字符串&#xff0c;将其换算成对应的十进制数字 输入&#xff1a;11000000 输出&#xff1a;192 function base10(str) {let sum 0;let a str.split().reverse(); // 个位是第一个元素for (var i 0; i < a.length; i) {suma[i]*Math.pow(2, i);}return sum;…...

Linux常用命令——chown命令

在线Linux命令查询工具 chown 用来变更文件或目录的拥有者或所属群组 补充说明 chown命令改变某个文件或目录的所有者和所属的组&#xff0c;该命令可以向某个用户授权&#xff0c;使该用户变成指定文件的所有者或者改变文件所属的组。用户可以是用户或者是用户D&#xff0…...

浅谈Docker原理

文章目录 前言命名空间控制组分层存储镜像和容器Docker EngineDocker Registry 前言 Docker 是一种容器化技术&#xff0c;它通过利用 Linux 内核提供的虚拟化技术和隔离机制&#xff0c;实现了更轻量级的应用程序虚拟化方案 命名空间 Docker 使用了 Linux 的命名空间特性&a…...

Rt-Thread 移植5--空闲线程和线程阻塞(KF32)

5.1原因 线程延时是浪费CPU资源&#xff0c;受否可以考虑延时的时候放弃CPU使用权&#xff0c;这样就充分利用了CPU的资源。 如果线程进入阻塞状态&#xff0c;没有其他线程运行&#xff0c;是否可以运行一个空闲线程来做一些内存的清理等系统工作呢&#xff1a;5.2 实现 5.2…...

Web3 治理实践探讨:如何寻找多元化发展路径?

Web3 领域变革正崭露头角&#xff0c;而社区治理开始成为行业热议话题。Web3 项目如何探寻多元化建设的解困路径&#xff0c;究竟是治理模型的精进成为首要问题&#xff0c;还是吸纳更多资金与组织教育培训&#xff0c;让开发者成为项目建设的中坚力量&#xff1f;本期 TinTinW…...

探索Vue 3和Vue 2的区别

目录 响应式系统 性能优化 Composition API TypeScript支持 总结 Vue.js是一款流行的JavaScript框架&#xff0c;用于构建用户界面。Vue 3是Vue.js的最新版本&#xff0c;相较于Vue 2引入了许多重大变化和改进。在本文中&#xff0c;我们将探索Vue 3和Vue 2之间的区别。 …...

3个问题让你了解为什么我们需要中文AI的“数据粮仓“

3个问题让你了解为什么我们需要中文AI的"数据粮仓" 【免费下载链接】MNBVC MNBVC(Massive Never-ending BT Vast Chinese corpus)超大规模中文语料集。对标chatGPT训练的40T数据。MNBVC数据集不但包括主流文化&#xff0c;也包括各个小众文化甚至火星文的数据。MNBVC…...

【Lindy人力资源自动化方案】:20年HR Tech专家亲授,3大落地陷阱与5步零失败实施路径

更多请点击&#xff1a; https://codechina.net 第一章&#xff1a;Lindy人力资源自动化方案全景图 Lindy 是一款面向中大型企业的开源人力资源自动化平台&#xff0c;聚焦于招聘管理、员工生命周期编排、组织架构动态建模与合规性审计四大核心能力。其架构采用云原生设计&…...

3个理由让你爱上VR-Reversal:在普通电脑上自由探索VR世界

3个理由让你爱上VR-Reversal&#xff1a;在普通电脑上自由探索VR世界 【免费下载链接】VR-reversal VR-Reversal - Player for conversion of 3D video to 2D with optional saving of head tracking data and rendering out of 2D copies. 项目地址: https://gitcode.com/gh…...

Lindy元数据驱动自动化:如何用1个Schema定义自动生成8类分析任务+监控看板

更多请点击&#xff1a; https://intelliparadigm.com 第一章&#xff1a;Lindy元数据驱动自动化&#xff1a;核心理念与架构全景 Lindy元数据驱动自动化并非传统脚本编排的增强版&#xff0c;而是一种以“元数据即契约”为哲学基础的系统性范式。其核心理念在于&#xff1a;…...

免费Flash反编译工具:JPEXS Free Flash Decompiler完整使用指南

免费Flash反编译工具&#xff1a;JPEXS Free Flash Decompiler完整使用指南 【免费下载链接】jpexs-decompiler JPEXS Free Flash Decompiler 项目地址: https://gitcode.com/gh_mirrors/jp/jpexs-decompiler 还在为无法打开老旧SWF文件而烦恼吗&#xff1f;想要提取Fla…...

COMET:基于深度学习的翻译质量评估技术革命

COMET&#xff1a;基于深度学习的翻译质量评估技术革命 【免费下载链接】COMET A Neural Framework for MT Evaluation 项目地址: https://gitcode.com/gh_mirrors/com/COMET 在机器翻译技术快速发展的今天&#xff0c;翻译质量评估已成为连接技术研发与实际应用的关键…...

Docker Login 报错“unauthorized”怎么办?从排查到解决的完整指南

Docker登录报错"unauthorized"全解析&#xff1a;从根因定位到企业级解决方案 当你满心欢喜地敲下docker login准备拉取镜像时&#xff0c;终端突然跳出刺眼的红色错误提示——"unauthorized: authentication required"。这种场景对开发者而言绝不陌生&…...

限流算法详解 - 滑动窗口算法深入理解

滑动窗口算法详解 专门针对滑动窗口算法&#xff0c;从原理到精确限流的实现细节做一个深入剖析。 一、核心思想 固定窗口在时间边界处会出现“计数突跳”&#xff0c;原因是窗口的边界是硬重置的&#xff08;0→1秒末清空&#xff0c;1→2秒初重新计数&#xff09;。 滑动窗口…...

ncmdump:网易云NCM音乐解密转换终极指南

ncmdump&#xff1a;网易云NCM音乐解密转换终极指南 【免费下载链接】ncmdump 项目地址: https://gitcode.com/gh_mirrors/ncmd/ncmdump 在数字音乐时代&#xff0c;网易云音乐的NCM加密格式成为众多音乐爱好者的使用障碍。ncmdump作为一款高效的开源解密工具&#xff…...

NotebookLM实验结果可信吗?(P值阈值设定与多重检验校正全拆解)

更多请点击&#xff1a; https://codechina.net 第一章&#xff1a;NotebookLM实验结果可信吗&#xff1f;&#xff08;P值阈值设定与多重检验校正全拆解&#xff09; NotebookLM 作为基于文档的AI实验助手&#xff0c;其内置的“实验模式”常用于自动比对不同提示策略或模型配…...