视觉型学生用好做笔记的方法

简介: 【来信】贺老师您好:  最近在学习中遇到一点小难题,想向您咨询一下。最近几个月一直在准备专升本考试。考的全是一些理论知识。在学习这些理论的知识的时候养成了一个习惯。习惯做读书笔记。也就是在老师讲完这一节课的内容的时候,课下我会把老师讲的东西对应的课本在看一遍。在看的时候会强迫自己做笔记。我感觉这样可以会更加的深入脑子里。但有时候我会感觉这样是否是很浪费时间。因为老师一个半小时讲的课。我要花费两
【来信】
贺老师您好:
  最近在学习中遇到一点小难题,想向您咨询一下。最近几个月一直在准备专升本考试。考的全是一些理论知识。在学习这些理论的知识的时候养成了一个习惯。习惯做读书笔记。也就是在老师讲完这一节课的内容的时候,课下我会把老师讲的东西对应的课本在看一遍。在看的时候会强迫自己做笔记。我感觉这样可以会更加的深入脑子里。但有时候我会感觉这样是否是很浪费时间。因为老师一个半小时讲的课。我要花费两个小时来看书和记笔记。我想问一下贺老师。对于我这个习惯。您什么看法?
  第二个问题:原本专升本考试时间是今年十二月份。也就是现在这个时间。但是下载考试具体时间一直没下来。老师们都估计会和09级一样推迟到明年四月份考试,所以,我不想把从现在到明年四月份的时间全部放在专升本上。我想这个期间学习一下oracle的知识。我现在看的是一个DBA的培训教程的书。我感觉既然学了就系统的学一下。但我现在学习oracle的时候一如既往的采用上面读书做笔记的习惯。这样进度很慢。我想问一下,我是否有必要这样做。我这样做值不值得。我感觉对于技术和理论的学习方法还是应该有点区别吧。所以我想让您在这个oracle学习方法中也给一点建议。
  最后谢谢您能百忙中抽出时间读我的这篇私信。


【回复】
  一大早就看到你的来信了,但今天一整天排得很满,没有及时回复。
  你说到的对理论的学习,我是赞同的,二十年前,尤其在考试周,我就是这么干的。理论知识需要人能沉下来学,用书和笔,可以将大脑与知识有充分的交互。不过补充一下,这种方法不见得对所有人奏效,人的学习类型有三种:视觉型、听觉型和动觉型(可以搜索一下多加了解,也可以用一些测量表确认自己到底属于哪种类型,并接受相应的学习建议)。显然你我是视觉型的,而三种类型的人在数量上基本相当。有人听着音乐学习,他是听觉型,你可以不去学他。
  对于oracle的学习,内容性质不同,当然用不着这样做,还是要实践与理论有充分的互动为好。通过安装、配置、完成应用,找直觉,然后看书中不断地领悟,这将是最有效的。多年前讲过数据库,做过应用,但这几年生疏了,建议还是免了吧,自己找感觉,或者在网络上,找行家咨询。
  几月前,你找我,我说无法对你指点。几月来,由于关注,在我的空间中可以看到你的进展。保持富有激情的学习,创出属于自己的天地。
  尽管我相信你能够处理好,但还是想友善提醒一下,没有必要将自己全交给考试,但也一定要将这个大考放在第一位上。有这样的机会,一定是要抓住的,在此期间的应试,也是提高基础知识的一个途径。

  祝顺利达到目标!



  

目录
相关文章
|
1月前
|
机器学习/深度学习 存储 人工智能
【AI系统】模型转换基本介绍
模型转换技术旨在解决深度学习模型在不同框架间的兼容性问题,通过格式转换和图优化,将训练框架生成的模型适配到推理框架中,实现高效部署。这一过程涉及模型格式转换、计算图优化、算子统一及输入输出支持等多个环节,确保模型能在特定硬件上快速、准确地运行。推理引擎作为核心组件,通过优化阶段和运行阶段,实现模型的加载、优化和高效执行。面对不同框架的模型文件格式和网络结构,推理引擎需具备高度的灵活性和兼容性,以支持多样化的应用场景。
62 4
【AI系统】模型转换基本介绍
|
29天前
|
人工智能 前端开发 PyTorch
【AI系统】动态图与静态图转换
从 TensorFlow、PyTorch 到 PaddlePaddle、MindSpore、MegEngine,主流 AI 框架经历了动静分离、动静结合到动静统一的发展过程。这些框架通过动态图转静态图技术,实现了计算效率与灵活性的平衡,显著提升了 AI 开发效率和产品应用的便利性。
59 14
|
1月前
|
存储 人工智能 缓存
【AI系统】布局转换原理与算法
数据布局转换技术通过优化内存中数据的排布,提升程序执行效率,特别是对于缓存性能的影响显著。本文介绍了数据在内存中的排布方式,包括内存对齐、大小端存储等概念,并详细探讨了张量数据在内存中的排布,如行优先与列优先排布,以及在深度学习中常见的NCHW与NHWC两种数据布局方式。这些布局方式的选择直接影响到程序的性能,尤其是在GPU和CPU上的表现。此外,还讨论了连续与非连续张量的概念及其对性能的影响。
55 3
|
2月前
|
人工智能 自然语言处理 数据处理
LazyGraphRAG:微软推出的图形增强生成增强检索框架
LazyGraphRAG是微软研究院推出的图形增强生成增强检索框架,旨在大幅降低数据索引成本并提高查询效率。该框架结合了最佳优先搜索和广度优先搜索,支持本地和全局查询,适用于一次性查询、探索性分析和流数据处理。LazyGraphRAG将加入开源的GraphRAG库,为开发者和企业提供更高效的技术支持。
93 0
LazyGraphRAG:微软推出的图形增强生成增强检索框架
|
5月前
|
文字识别 算法 API
视觉智能开放平台产品使用合集之通用视频生成的输出结果的清晰度低,可以怎么优化
视觉智能开放平台是指提供一系列基于视觉识别技术的API和服务的平台,这些服务通常包括图像识别、人脸识别、物体检测、文字识别、场景理解等。企业或开发者可以通过调用这些API,快速将视觉智能功能集成到自己的应用或服务中,而无需从零开始研发相关算法和技术。以下是一些常见的视觉智能开放平台产品及其应用场景的概览。
43 0
|
5月前
|
文字识别 算法 API
视觉智能开放平台产品使用合集之同图检测功能是什么意思
视觉智能开放平台是指提供一系列基于视觉识别技术的API和服务的平台,这些服务通常包括图像识别、人脸识别、物体检测、文字识别、场景理解等。企业或开发者可以通过调用这些API,快速将视觉智能功能集成到自己的应用或服务中,而无需从零开始研发相关算法和技术。以下是一些常见的视觉智能开放平台产品及其应用场景的概览。
39 0
|
7月前
|
机器学习/深度学习 人工智能 vr&ar
通用世界模型问世:不学习就能生成新领域视频,可实时控制
【6月更文挑战第2天】通用世界模型,一种无需额外学习即可生成新领域视频的AI技术,通过理解并模拟现实世界,实现跨领域视频生成。利用生成式对抗网络(GAN)和条件生成技术,该模型支持实时控制,广泛应用前景广阔,但面临计算资源消耗、伦理隐私及局限性等问题。论文链接:https://world-model.maitrix.org/assets/pandora.pdf
79 7
|
7月前
|
机器学习/深度学习 文字识别 算法
视觉智能开放平台产品使用合集之分割抠图是基于哪种模型
视觉智能开放平台是指提供一系列基于视觉识别技术的API和服务的平台,这些服务通常包括图像识别、人脸识别、物体检测、文字识别、场景理解等。企业或开发者可以通过调用这些API,快速将视觉智能功能集成到自己的应用或服务中,而无需从零开始研发相关算法和技术。以下是一些常见的视觉智能开放平台产品及其应用场景的概览。
|
7月前
|
文字识别 算法 API
视觉智能开放平台产品使用合集之对于生成式图像卡通化,怎么编写自定义策略
视觉智能开放平台是指提供一系列基于视觉识别技术的API和服务的平台,这些服务通常包括图像识别、人脸识别、物体检测、文字识别、场景理解等。企业或开发者可以通过调用这些API,快速将视觉智能功能集成到自己的应用或服务中,而无需从零开始研发相关算法和技术。以下是一些常见的视觉智能开放平台产品及其应用场景的概览。
|
7月前
|
算法 API 开发工具
视觉智能开放平台产品使用合集之如何使用通用视频生成
视觉智能开放平台是指提供一系列基于视觉识别技术的API和服务的平台,这些服务通常包括图像识别、人脸识别、物体检测、文字识别、场景理解等。企业或开发者可以通过调用这些API,快速将视觉智能功能集成到自己的应用或服务中,而无需从零开始研发相关算法和技术。以下是一些常见的视觉智能开放平台产品及其应用场景的概览。