前面写的。我们现在正处于一个知识快速迭代的时代。在这个时代，你可能会有这样一种感觉，如果你把它从头学到尾，再用起来，就像我们在学校读书的时候一样），我们会发现刚学完就出现新的，学完后面的理论就有了没练过，前面的都忘记了。这种学习方法好像永远都是在学习理论，本身没有任何进步，浪费了很多时间。刚入人工智能这个坑的时候，我也有这样的学习想法。从机器学习开始，搜索一些课程，开始学习记笔记，然后再去深度学习。学完之后，深度学习会产生新的东西，然后再去学理论……等等。表面上我很努力，学了很多理论，但实际上，如果问起这些理论的细节，我的脑子一点也不清楚。这是因为我没有真正运用所学的知识。没有机会练习它。于是我开始反思。在这个时代，我们以前的学习方法已经不太适用了。如果我们想要高效地学习，我们需要切换到一种学习方法。我们不妨从实际的角度出发，不知道的就去查查。填补空白，效率更高。从实践的角度学习知识，一切从实践的角度出发。我们学习知识是为了解决实际问题，所以不要在理论上花太多时间，因为理论知识太多了。太多了，先说机器学习和深度学习的入门。真正想做好人工智能，需要四个维度的知识（当然这是我自己的知识框架）：编程基础（Python编程、数据分析基础：numpy、pandas、可视化、特征工程等）.,深度学习框架TensorFlow,Pytorch）数学基础（数学、数理统计、线性代数）算法基础（算法内部：算法与数据结构，算法外部：机器学习与深度学习算法）应用领域（CV、NLP、RS、prediction,classification,clustering,etc.）对于刚入门的初学者，不要一开始就一个一个补充理论，这样你会发现光是数学就够你学了。时间长了，学完了忘了提，就不会用了。这是我以前用的学习方法。我确实浪费了一些时间。后来发现，其实我们不需要了解以上维度的所有知识，只需要了解一些基本的概念即可（这个还是需要再了解一遍，不然不知道怎么回事later),就挑一些简单的学习知识，比如数学基础，既然我们在大学里都学过这些科目，这里其实没必要再过一遍。一些积分、矩阵乘法等概念，还有一些数理统计的知识都可以印象深刻。ProgrammingBasics，学一些Python的基本语法，学一些numpy，pandas等的基本用法（参考我之前的文章Pandas入门），学一点可视化，也就是每个学习点，然后你可以先上手。找一些项目上手，一开始可能真的很难，因为你不知道自己在说什么，比如过拟合，欠拟合等等，然后通过这种方式去查，找，补充知识，时间长了，你会发现自己的知识框架会逐渐丰富起来，而且因为一直在用，所以遗忘的速度也没有那么快了。这样也能赶上新技术。这是一种起步慢但加速快的学习方法，但是在开始之前，必须清楚地了解一些基本概念，尤其是机器学习算法和深度学习算法。上面说的一点也很重要，不仅全面，而且精准。MAS方法——开始前应该如何掌握知识？以上是从实践的角度说的，就是我开始一个项目，从项目中学习新的知识，但是开始的前提是要有基本的知识框架和基础。这些基础知识应该怎么学？或者在学习课程时如何学习？这里介绍一种在课程中学习到的高效学习方法，叫做MAS方法。多维度：要想精通一件事，就必须从多个角度去理解它。如何建立多维连接？基本概念：这是基础，一定要吃透工具：掌握工具，实践练习题库：要想真正理解概念，就要多练习，多动手。这个过程就是从“思考”到“工具”再到“实践”的一个过程。如果说重要性，那一定是“思维”最重要，因为思维是底层的逻辑和框架，它让我们从一个例子到另一个例子都可以学到一切，但思维的实践也是最难的.所以，我强调学习的重心要在工具和实践上，即学以致用，成就感会不断积累，思维会逐步发展。问：不懂就问。大多数程序员都很害羞。要突破这一点，最重要的是不懂就问。分享：最好的学习就是分享。用自己的语言讲，是对知识的进一步梳理。实践指南——从认知到实践再回到认知，人与人最大的区别在于“认知”。所谓成长，就是认知的升级。很多人对“认知”存在误解。认知不就是一个概念吗？你有没有想过为什么不同的人对同一个概念的理解不同？只有当我们将知识翻译成我们自己的语言时，它才真正成为我们自己的。这个转换过程就是认知过程。那么如何提高学习能力呢？简单地说，就是“知行合一”。如果认知是大脑，那么工具就是我们的手。工具是数据工程师和算法科学家每天接触最多的东西。如果你开始一个数据分析项目，你的脑海里已经想好了数据挖掘的算法模型，请牢记以下两个原则。1.不要重新发明轮子。以数据采集为例。许多公司都有数据收集需求。他们认为某些工具不能满足他们的个性化需求，因此他们决定雇人来完成这项工作。结果如何？经过一年多的实践，投入了几十万的工资，却发现了很多bug，最终还是选择了第三方工具。费时费力，目前还没有结果。一个模型是否有相关的类库可以使用——这几乎是每个程序员入行时被告知的第一标准。2、工具决定效率“不要重新发明轮子”的意思是首先要找到可用的轮子，也就是工具。我们应该如何选择？这取决于你要做的工作，工具没有好坏之分，只有适合不适合。除了研究工作，在大多数情况下，工程师会选择用户最多的工具。因为：bug少，文档全，案例多。比如Python有很多数据挖掘的第三方库，这些库有大量的用户和帮助文档帮助你入门。选好工具后，你要做的就是积累“资产”。我们很难记住一大段知识点，也记不住工具的使用说明，但我们通常可以记住故事、做过的项目、做过的话题。这些主题和项目是您的第一个“资产”。如何快速积累这些“资产”？三个字：熟练。完成题目只是第一步，关键是训练我们对工具的“熟练度”。随着熟练度的提高，你的认知思维模式也在逐渐完善。总结认知三部曲：从认知到工具，再到实战，再重复一遍。无论我们在学习什么知识，我们都应该这样做：记录你每天的认知。尤其是每节课后，知识点的自我理解。这些认知最好通过博客或者笔记整理出来，分享出来。如果你不明白，你必须问MAS。这些认知的哪些操作对应于工具。用工具表达你对知识点的掌握，用你自己的语言记录这些操作笔记。多做练习，巩固知识。我们所学的东西对于大多数外人来说就像“开车”一样酷。我们学习的内容对于想要掌握它的人来说就像是在“开车”。其实也不难，很多人都已经上路了。你所需要的只是更多的练习。
