`
sjk2013
  • 浏览: 2245797 次
文章分类
社区版块
存档分类
最新评论

学习需要方法

 
阅读更多

读书,始读,未知有疑;其次,则渐渐有疑;中则节节是疑。过了这一番,疑渐渐释,以至融会贯通,都无所疑,方始是学。——朱熹

朱熹告诉我们学习是一个由无疑问—>有疑问—>很多疑问—>解决疑问的过程。也就是说学习一门学问要经历一个过程,并不是一蹴而就的。

学习就像一棵树的生长。在一棵树苗刚种植时,它在努力的适应自己所在的土壤环境。适应了土壤后开始生长,在刚开始生长时是没有分叉的,而是只发展一个主干。主干足够长、足够粗了开始有了分叉,而且分叉越来越多,绿叶也越长越多。学习一门新的学科也是如此,刚开始时我们要做的是准备,拿一本书略读一遍,有了一个整体的框架,这个框架就是书的主干。然后我们开始学习,开始精度,添枝加叶,一棵树逐渐的成长起来。学完后要进行总结回顾,不断的对所学的知识进行应用。

米老师所讲求的学习方法也是如此:

1、学要有所准备,学有所思。初学一门学科时我们要粗度一本书,找到这门学科的大致框架,然后在以后的学习中在框架上添枝加叶;

2、学习时要做笔记。笔记是对知识的整体把握,不要详细,而且要过滤掉相同的部分;

3、学习有三境界:手中有剑心中无剑,手中无剑心中有剑,最后是人剑合一。学习的最高境界是人剑合一,但如何达到呢?学习新的知识要和以前的知识或我们的日常生活联系起来,这才是人剑合一的最高境界;

4、对于学到的知识我们要经常去琢磨研究,找到他们之间的异同点;

5、我们要学会用思维导图。人对图的识别能力远远超过文字,图能够很直观明了地把握知识,同时也能够很好的把握知识的主题框架。一张图胜过千言万语。

米老师所说的学习方法我很赞同,但在我的学习方法中却缺少了些许。我在学时总是重复三遍,最初的一遍是粗学笔记也比较多;第二遍是整理,用导图画出所有知识点大致的框架;第三遍是精简。但这样学习的效率低下。在学习时表现出来的不足:

1、我在学习时并没有做好充足的准备。在刚开始学习数据库时,曾找了几本书大致了解了数据库的整体结构,了解到数据库要学对数据的操作、对数据对象的操作、对控件的操作、SQL语句的使用等。虽然了解了些但并没有以图的形式表现出来,这是我的错失。

2、在做笔记时,没有对知识整体把握,过于详细。

3、学习时思维导图用的太少,画的图太粗,没有做到整体把握。

总结一句话,图文并茂是以后我要努力的方向。

分享到:
评论

相关推荐

    《统计学习方法》PPT.zip

    学习曲线和验证曲线可以帮助我们理解模型的学习行为,判断是否需要更多数据或调整模型复杂度。 最后,我们要提的是集成学习,如AdaBoost、Bagging和Boosting等,它们通过构建多个弱学习器并结合它们的预测来得到强...

    正确的学习方法是学习成功的保证

    这些学生需要意识到,随着知识量的增加,学习方法的重要性只会更加凸显。改正错误的学习习惯,比如依赖死记硬背,转向理解和思考,虽然困难,但却是必不可少的步骤。正如贝尔纳所说,好的学习方法能最大化地发挥个人...

    统计学习方法PPT

    最后,第十二章《统计学习方法总结》是对全书内容的回顾和提炼,可能涵盖了各种学习方法的比较、选择原则,以及在实际应用中需要注意的问题。 这些PPT资料为学习者提供了丰富的理论知识和实例解析,有助于理解和...

    自监督学习:生成和对比方法综述

    自监督学习(Self-supervised learning)是一种机器学习范式,它允许模型通过从输入数据本身生成标签来学习数据的表征,而不需要依赖昂贵且耗时的手动标注过程。这一学习方法在表征学习方面取得了显著的进展,因而...

    学生学习方法的形成和培养

    学生需要不断地尝试、调整适合自己的学习策略,同时也要注意学习方法的科学性和有效性。在这个过程中,家长和教师的支持同样不可或缺。通过共同的努力,可以帮助学生建立一套行之有效的学习方法体系,为他们未来的...

    LOVE学习方法.doc

    LOVE学习方法是一种高效的学习策略,源于美国心理学家的研究,主要应用于高等教育,但同样适用于中小学教育,能够帮助学生提升理解和记忆能力。这个方法的核心在于四个步骤:听(Listen)、写纲要(Out-line)、表述...

    统计学习方法及代码实现(Python)

    全面系统地介绍了统计学习的主要方法,特别是监督学习方法,包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛...为满足读者进一步学习的需要,书中还介绍了一些相关研究,给出了少量习题,列出了主要参考文献。

    机器学习方法的图像分类

    本文将深入探讨“机器学习方法的图像分类”这一主题,重点关注基于SVM(支持向量机)和贝叶斯算法的图像分类器。 首先,支持向量机(SVM)是一种监督学习模型,特别适用于小样本、高维空间中的分类问题。在图像分类...

    基于深度学习的图像配准方法综述.pdf

    无监督学习的直接配准方法则不需要任何标记的数据,完全依靠图像内容和特征的内在结构来进行配准。 基于深度学习的图像配准方法在未来的研究趋势中,预计将在以下几个方面有所发展:提高配准精度和鲁棒性、减少计算...

    统计学习方法以及代码实现

    《统计学习方法》是李航博士的一本经典著作,它深入浅出地介绍了机器学习领域中的统计学习理论和方法。这本书对于理解机器学习的核心概念、算法及其应用具有极高的价值。在Python编程语言中实现这些统计学习方法,...

    机器学习非参数方法.pptx

    非参数方法是机器学习中的一种方法,它不需要对数据进行参数假设,而是通过数据自身的特点来进行模型构建。这种方法的优点是可以处理高维度数据,避免了参数假设带来的限制,提高了模型的泛化能力。 二、非参数方法...

    传统情感分类方法与基于深度学习的情感分类方法对比分析.pdf

    这类方法的一个重要问题在于情感词典的构建和质量,需要耗费大量的人力资源,且覆盖度和准确性都有所限制。在实际操作中,研究人员构建了诸如中文情感词典库,为后续基于规则的文本情感分类提供了基础。这类方法实现...

    深度学习训练框架评测方法研究.pdf

    在实际评测中,需要根据具体情况选择合适的评测指标,并结合实际应用场景,选择合适的深度学习模型和评测方法。 本文还提出了评测方法的案例,包括检测深度学习训练框架的易用性、性能、生态和可靠性四个方面的指标...

    基于机器学习的类型推理方法综述.pdf

    《基于机器学习的类型推理方法综述》 类型推理是编程语言中的一个重要概念,它是一种轻量级的形式化方法,用于自动推断程序中表达式的类型。传统的类型推理方法依赖于语法规则和类型推演规则,但在处理动态语言等...

Global site tag (gtag.js) - Google Analytics