《编程学习中的迷茫与突破:构建知识图谱的重要性》

简介: 本文探讨编程学习中的常见困境及解决策略,强调构建知识图谱的重要性。通过分析学习过程中的“怪圈”现象,指出缺乏全面认知和技术框架理解的问题,提出理解与应用结合、探索新学习途径及多方式学习等方法,旨在帮助编程入门者有效突破学习瓶颈,获得更加系统和深入的知识掌握。


《编程学习中的迷茫与突破:构建知识图谱的重要性》

一、陷入的怪圈

很多时候,我们编程入门者会陷入一种非常苦恼的怪圈。比如说,我们曾经针对某个技术点或者概念,在网上各种搜索,做过专题分析。但是呢,当再次用到这个技术点或者概念的时候,就像失忆了一样,又不认识它了,感觉自己就像个小白,脑袋里充满了疑惑。

二、原因剖析

1、缺乏全面认知

我们常常是这里研究一点,那里研究一点,这种点对点的研究方式虽然看似做了很多工作,但实际上并没有形成对技术的全面认知。我们不清楚这个技术在整个知识图谱里处于什么位置,也不明白它为什么会在这个位置,更不知道它的前因后果。
就拿 IO - BIO - NIO - Netty 来说吧。这些技术是怎样一步步演变过来的呢?每个技术又有什么特性呢?如果我们不按照先整体后局部的顺序去学习,只是孤立地去研究每个点,那最后就会白白耗费大量的时间,而且还是记不住这些技术知识。

2、未理解技术在框架中的作用

我们没有真正理解技术演变的过程,也没有搞清楚技术在框架中的作用,也就是它的功能用途特性。我们应该先对框架有个基本的了解,这就好比盖房子,得先知道房子的整体架构,才能知道每块砖应该放在哪里。
看书也是同样的道理。我们不能一开始就抱着把每章每个知识点都啃透的想法。而是要先把书整体翻一遍,在脑海里形成一个大概的认知轮廓,也就是先搭好框架,然后再往里面填充细节。
就像创建一个 Java 类,我们在创建之前,要先想清楚创建这个类的初衷是什么。这个类能够提供哪些服务呢?每个服务又具体能提供哪些功能呢?每个功能会用到哪些对象属性呢?按照这样的思路一路思考下来,我们对这个 Java 类的理解就会更加清晰。

三、类比阅读理解

这就如同我们在高中刚开始做阅读理解的时候,词汇量还不是很丰富,总会遇到几个不认识的单词。可是这并不影响我们对整篇文章的理解,而且通过文章上下文的相互关联,反而能帮助我们去理解那些不认识的单词,这个时候就会有一种茅塞顿开的感觉,心里不禁感慨:“原来是这么回事啊!”

四、突破的方法

1、理解与应用结合

在编程学习中,理解为主,应用为王。我们要先理解技术的背景框架,并且结合实际的应用场景,如果能进行实战就更好了,这样会让我们的认知更加深刻。

2、探索新途径

我们发现了一扇若隐若现的大门,那就是读源代码。据说读源代码能够帮助我们理解很多框架设计模式之类的知识,这让我们跃跃欲试。

3、构建自己的知识图谱

我们还可以尝试书写自己的知识图谱。通过构建知识图谱,能让我们对所学的知识有更系统的整理。
另外,我们要善于利用已知的知识推导出未知的知识,思考在这个过程中是非常关键的。

3、多方式学习

读源码、看视频、看书、参加培训,这些学习方式虽然各不相同,但它们都是在帮助我们了解一些编程技术的由来、演变历史以及最新技术的独特优势所在的点,同时也是在积累和汲取前人的宝贵思路方法以及高效的工具。这样我们就不会像盲人摸象一样,对编程知识的理解不得其法了。

五、收获踏实感

当我们慢慢开始有了点章法,按照这些正确的方法去学习编程知识的时候,就会有一种踏实的感觉,这种感觉真的很让人安心,让我们在编程学习的道路上更有信心地走下去。

六、思维导图

graph TD;
- 编程学习中的迷茫与突破
  - 陷入的怪圈
    - 技术点或概念的深挖再忘
    - 失忆般的技术点不认识
    - 满脑袋疑惑
  - 原因剖析
    - 缺乏全面认知
      - 点对点研究
      - 不清楚技术在知识图谱中的位置
      - 不明白技术的前因后果
    - 未理解技术在框架中的作用
      - 没有理解技术演变的过程
      - 不清楚技术的功能用途特性
  - 类比阅读理解
    - 词汇量不足时的阅读理解
    - 通过上下文理解生词
    - 茅塞顿开的感觉
  - 突破的方法
    - 理解与应用结合
      - 理解技术的背景框架
      - 结合实际应用场景
      - 实战应用
    - 探索新途径
      - 读源代码
      - 书写知识图谱
      - 利用已知推导未知
    - 多方式学习
      - 读源码
      - 看视频
      - 看书
      - 参加培训
  - 收获踏实感
    - 按照正确方法学习
    - 踏实感
    - 更有信心

七、横向思维导图

image.png

​​​

目录
相关文章
|
1月前
|
机器学习/深度学习 存储 人工智能
探索深度学习的奥秘:从理论到实践的技术感悟
本文深入探讨了深度学习技术的核心原理、发展历程以及在实际应用中的体验与挑战。不同于常规摘要,本文旨在通过作者个人的技术实践经历,为读者揭示深度学习领域的复杂性与魅力,同时提供一些实用的技术见解和解决策略。
39 0
|
3月前
|
算法 开发者
探索代码之美:一段编程旅程的反思与启示
【10月更文挑战第3天】在数字世界的编织中,代码不仅是命令的集合,更是思考的结晶。从大学毕业时的迷茫到勇敢尝试新领域,再到不断学习和提升,我找到了人生的方向。本文将分享我的技术感悟,探讨如何通过编程实践深化理解,提高问题解决能力,并最终实现个人成长。
|
3月前
|
测试技术 开发者
软件测试的艺术:从理论到实践的探索之旅
【9月更文挑战第36天】在软件开发的广阔天地中,测试是确保质量的关键一环。本文将带你领略测试的多维面貌,从基础概念到高级策略,我们将一起探索如何通过测试来提升软件的可靠性和性能。你将学习到如何设计有效的测试用例,理解不同类型的测试,并掌握一些实用的测试工具和技术。无论你是初学者还是有经验的开发者,这篇文章都将为你提供宝贵的知识和技能,让你在软件测试的道路上更加从容不迫。
43 3
|
5月前
|
机器学习/深度学习 算法 Python
**《惊世发现!揭开机器学习 k-近邻算法测试的神秘面纱,震撼你的认知边界!》**
【8月更文挑战第16天】k-近邻算法(kNN)是机器学习中一种直观且有效的分类与回归方法。它基于距离度量,对新样本找到训练集中最近的k个邻居并根据多数表决预测类别。通过示例展示了如何使用Python和`sklearn`库实现kNN,并采用交叉验证优化k值以提高模型的稳定性和准确性。充分测试kNN有助于在实际问题中发挥其最大效能。
39 1
|
5月前
|
存储 算法 搜索推荐
编程之旅中的算法启示
【8月更文挑战第31天】在编程世界的迷宫里,算法是那把钥匙,它不仅能解锁问题的答案,还能引领我们深入理解计算机科学的灵魂。本文将通过一次个人的技术感悟旅程,探索算法的奥秘,分享如何通过实践和思考来提升编程技能,以及这一过程如何启示我们更深层次地认识技术与生活的交织。
|
8月前
|
机器学习/深度学习 算法 搜索推荐
【高效率学习】探索最适合你的学习之路:从心理学、动机到教育学的深度解析
【高效率学习】探索最适合你的学习之路:从心理学、动机到教育学的深度解析
184 0
【高效率学习】探索最适合你的学习之路:从心理学、动机到教育学的深度解析
|
机器学习/深度学习 人工智能 算法
人工智能机器学习底层原理剖析,人造神经元,您一定能看懂,通俗解释把AI“黑话”转化为“白话文”
按照固有思维方式,人们总以为人工智能是一个莫测高深的行业,这个行业的人都是高智商人群,无论是写文章还是和人讲话,总是讳莫如深,接着就是蹦出一些“高级”词汇,什么“神经网络”,什么“卷积神经”之类,教人半懂不懂的。尤其ChatGPT的风靡一时,更加“神话”了这个行业,用鲁迅先生形容诸葛武侯的话来讲:“多智而近妖”。 事实上,根据二八定理,和别的行业一样,人工智能行业内真正顶尖的天才也就是20%,他们具备真正的行业颠覆能力,可以搞出像ChatGPT这种“工业革命”级别的产品,而剩下的80%也不过就是普通人,每天的工作和我们这些人一样,枯燥且乏味,而之所以会出现类似“行业壁垒”的现象,是因为这个行
人工智能机器学习底层原理剖析,人造神经元,您一定能看懂,通俗解释把AI“黑话”转化为“白话文”
|
人工智能 算法 安全
8种提升程序猿编程能力的方法+编程思维四个核心:分解、抽象、模式识别和算法
对于程序员来说,提高自己的编程能力,算是给自己定的职业发展目标之一,不过定一个成为编程大神的目标很容易,具体做起来可能就不是一件简单的事了。首先,既然决定“我要变得更好”,得先知道“更好”是什么样子的。另外,不能“想变得更好”,却没有任何具体可行的措施。
974 2
8种提升程序猿编程能力的方法+编程思维四个核心:分解、抽象、模式识别和算法
|
机器学习/深度学习 人工智能 定位技术
举出其他监督学习,无监督学习,强化学习的例子?说一下非显著式编程的优势?AlphaGo的胜利,带给我们什么样的人生启示?当代大学生如何在人工智能时代增加自己的核心竞争力?
举出其他监督学习,无监督学习,强化学习的例子?说一下非显著式编程的优势?AlphaGo的胜利,带给我们什么样的人生启示?当代大学生如何在人工智能时代增加自己的核心竞争力? 监督学习:比如手写体识别,我们将许多汉字的手写数字图像数据作为训练数据。汉字的数据的分类目标被称作标签和类。训练数据有一个标签(某一个汉字),根据标签可以找到关于手写数字图像的正确答案信息,例如“此手写数字图像为‘人’”。在学习阶段,当将手写汉字图像输入系统时,调整系统的参数以尽量将输入图像分类为正确的标签,最后进行识别输出正确结果。 无
235 0
|
机器学习/深度学习 人工智能 前端开发
机器学习变得越来越容易,但软件工程仍然很困难
在过年的五年中,机器学习变得更容易了。与此同时,软件工程比以往任何时候都要复杂。对于软件工程师而言,这是一件好事。但对于机器学习专家而言,这并不是好事。