再读《learn less,study more》

简介: 宏观上的学习方法 对于新知识,要进行整体性的学习,跟已有的认知保持联系;比如,我现在去学习一门新的语言,我之前没有用过,但是我知道,所有的高级语言都有一些基本的语法基础,比如,封装,基础,多态,有基本的数据结构,顺序,选择,循环,有常用工具类等等。

宏观上的学习方法

对于新知识,要进行整体性的学习,跟已有的认知保持联系;

比如,我现在去学习一门新的语言,我之前没有用过,但是我知道,所有的高级语言都有一些基本的语法基础,比如,封装,基础,多态,有基本的数据结构,顺序,选择,循环,有常用工具类等等。我在学习新语言的时候,自觉地的感觉这个东西,其实就是换了一种表述方式,其实实质上还是一样的,比如,有的语言调用方法用“:”,有的语言用“::”;有的语言命名空间要用namespace写出来,有的语言没有命名空间的概念,只有包名称。。。。

通过这种将新东西,吸纳进你固有的旧的知识体系,你会发现,学习起来更容易产生共鸣,而且通过比较联系,还可以促进新知识的印象加深,旧知识的翻新。

另外,本书的作者多次用这样一个比喻,你是容易找到一个条条大路通罗马的这种建筑,还是更容易找到一个只有一条路通向它的建筑?如果新知识就是我们要找的建筑的话,这些路就是你知识之间的联系,联系越多越广越复杂,你反而更容易条条大路通罗马。

其实,人更擅长的是思考事务之间的联系,而机器更擅长存,固定的计算。你如果去跟电脑硬盘比拼记忆力,是注定要输的。所以,你如果想单纯依靠记忆力去学习东西,那我还是很诚实的告诉你,你的电脑硬盘存储着几十个G的知识,但是它看起来还只是个机器。所以,尽量发挥你作为人类的优势去学习。

快速阅读

前两年研究过快速阅读,但是后来放弃了,因为我发现我自己读书的速度,本来就很快了,再去研究,也取得不了多大的进步,就放弃了。但是读书慢的童鞋可以试一下,你阅读的速度其实跟你理解的速度是成正比的,读书越快,记得越牢固。

记忆方法

其实不应该叫做记忆方法,应该叫做理解的事务的方法更恰当点儿。作者提出,对于新事务,要先建立起模型,这个模型,应该就是抽象出来一个更容易理解,接受的东西,然后通过去类比模型和新知识,来实现新知识吸纳进旧知识体系。


这本书几年前读过,那时候可能心智没有现在成熟,很多地方没有读懂。这段时间又拿出来看了,发现又读出了很多新东西,很欣喜。想说明的时候,有时候,不是有些东西你能在这个阶段就一下子全部学会的,等到了一定时间,一定环境下,你可能看一遍就会了,但是这个时候不到,你看百遍也都只是像是在原地踏步那样,没有任何进展而已。想说的就是,看不懂就要学会放下,前提是你努力看了。

目录
相关文章
|
2月前
|
Go
Go to Learn Go之文件操作
Go to Learn Go之文件操作
28 8
|
3月前
|
机器学习/深度学习 存储 开发框架
【博士每天一篇文献-算法】NICE Neurogenesis Inspired Contextual Encoding for Replay-free Class Incremental Learn
NICE(Neurogenesis Inspired Contextual Encoding)是一种新型深度神经网络架构,旨在通过模拟生物神经系统的成熟过程来解决类别增量学习中的灾难性遗忘问题,无需重放旧样本即可实现有效的增量学习。
55 5
|
应用服务中间件
TeaVM的samples/benchmark范例运行办法
TeaVM的samples/benchmark范例运行办法
112 0
TeaVM的samples/benchmark范例运行办法
|
人工智能 关系型数据库 Go
PRML Chapter01 练习题Exercise
PRML Chapter01 练习题Exercise
PRML Chapter01 练习题Exercise
|
自然语言处理
Re26:读论文 Don’t Stop Pretraining: Adapt Language Models to Domains and Tasks
Re26:读论文 Don’t Stop Pretraining: Adapt Language Models to Domains and Tasks
Re26:读论文 Don’t Stop Pretraining: Adapt Language Models to Domains and Tasks
|
TensorFlow 算法框架/工具
成功解决WARNING:tensorflow:From :read_data_sets (from tensorflow.contrib.learn.python.learn.
成功解决WARNING:tensorflow:From :read_data_sets (from tensorflow.contrib.learn.python.learn.