我如何学习:不要停下学习的脚步

许多从业者应该记得第一次摸到计算的惊喜,我也一样。高一的时候看着蓝色屏幕上掉下来的随机字符,摸索着盲打,那是TT打字软件;学习了一点点抛物线之后就兴致勃勃的用QBasic来模拟出来;最后在八位声卡上写简单的音乐,想尽千方百计想混进机房,等等。

高三暑假,有机会去了亲戚家,在那个傻傻的Windows跟前窝了一天,把能点的按钮、菜单全点了一次。学会了菜单,单击,双击,右键,等等,Windows, Office, 控制面板。

然而这些都没什么。面对新玩具的好奇心,是所有人都有的。许多人在拥有第一台电脑的时候,拥有第一个游戏机的时候,第一次摸钢琴的时候,都是如此。

一年级的时候拥有了第一台电脑,奔腾100, 16M内存,800MB硬盘。电脑的疯狂由此开始。有一天晚上盯着Windows的安装进度看了一夜。然后开始了每天研究软件,写C语言,ASP, VB, C++, Java, XML,每天都写那么一些。当然也没有放弃的社交生活,吃饭网吧都没拉下,只是,每天都有时间在写代码,或者研究新的技术。

就这样,大学毕业的时候,我统计了一下写过的代码行数,包括C/C++/VB/ASP/HTML/CSS/JS/XML大约是20万行。那时候还没现在这么多的库,基本上都是原创的,刨掉一半左右的水分,大概是10万行,平均下来每天都写100行代码,365天不停的,写了三年。

对比永远都在外部。这20万行代码带来的是什么呢?大三的时候去一家公司实习,某名校博士深得老板信赖,将某项目交给他。我与他分工工作,最后博士被炒了鱿鱼。我比他做得更快,代码写得更干净,当然,要得也更少。

量变引起质变,只有量变到足够数量的时候才能引起质变。我一直认为自己只能算平庸的程序员,有无数出众的程序员在天分上超越于我。但最令他们成功的却并非来自于他们的天分,而是勤奋。《哪来的天才》中描述了种种方式,《30天做任何事情》也证明了持续的威力。星际争霸历史上最强的虫族选手Jaedong,SPL第一位突破200胜的选手,平均手速达350APM,每天的练习量10小时以上(想象一下以每分钟350次,每秒6次的操作速度持续10小时)。中式的反面教材中,《伤仲永》却是倒霉的滥用天分最终毫无建树的家伙。

好奇心是必不可少的一部分,但它往往容易沦为一时的兴趣而无法长久。人天生的惰性,以及这个时代存在的各种选择,许多时候大脑潜意识的选择了容易做到的事情。你顺其自然,你认为这是选择,其实是妥协。只有持续不断的练习,才能过积攒数量,最终达到质变。没有神奇的东西,甚至醍醐灌顶的那一刻都从来不会来临,只是在努力的追求过程中,外界看待你的眼光会从俯视,到平视,到仰视,到只能佩服而无法直视。

时间: 2024-10-12 23:26:36

我如何学习:不要停下学习的脚步的相关文章

【Linux学习】Makefile学习(二)

FatMouse' Trade Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/32768 K (Java/Others) Total Submission(s): 40975    Accepted Submission(s): 13563 Problem Description FatMouse prepared M pounds of cat food, ready to trade with the cats g

[学习笔记]iphone学习小技巧

1. 版本控制 -- 是否响应某个方法 .查看当前系统版本. eg: [self respondsToSelector:@Selector(presentModalViewController:animated:)]//Yes:表示响应这个方法 [[UIDevice currentDevice].systemVersion floatValue] < 7.0 //判断当前系统是否小于7.0 2. 模态视图动画设置 eg: ModalViewController *modalVC = [[Moda

(转)Predictive learning vs. representation learning 预测学习 与 表示学习

Predictive learning vs. representation learning  预测学习 与 表示学习 When you take a machine learning class, there's a good chance it's divided into a unit on supervised learning and a unit on unsupervised learning. We certainly care about this distinction f

几种分类问题的区别:多类分类,多标签分类,多示例学习,多任务学习

多类分类(Multiclass Classification) 一个样本属于且只属于多个类中的一个,一个样本只能属于一个类,不同类之间是互斥的. 典型方法: One-vs-All or One-vs.-rest: 将多类问题分成N个二类分类问题,训练N个二类分类器,对第i个类来说,所有属于第i个类的样本为正(positive)样本,其他样本为负(negative)样本,每个二类分类器将属于i类的样本从其他类中分离出来. one-vs-one or All-vs-All: 训练出N(N-1)个二类

视频学习_css基础学习

块状元素 block element 容器元素  设置高宽 width height  可以容纳 文本 内脸 和其他块状 霸道  独占一行 特例:form  只容纳 块状元素 常见元素 http://www.w3cfuns.com/portal.php?mod=topic&quickforward=1&topicid=21 内联元素  inline element 非块状元素 不独占一行 只容纳文本  和内联 常见的 有a 相当与气球 内容越多越大 内联元素不能包含块状元素  气球不能装盒

学习OpenCV的学习笔记系列之-- 环境配置

要想学好OpenCV,首先当然要知道怎么配置环境了.以本人的配置环境为例,步骤如下. 第一步 下载及解压OpenCV源码 虽然很多第三方网站及一些学习论坛会提供OpenCV的源码下载,但是还是推荐到官网进行下载,这样可以避免很多麻烦!(病毒?木马?你懂得!) 官网的下载地址如下: http://opencv.org/downloads.html 在此地址的界面上可以找到最新版本的OpenCV源码.我使用的是2014-04-25更新的2.4.9版本(目前最新),根据自己的系统选择对应的源码版本.

C语言学习 —— 字符串的学习(一)

这是本人在学习 C语言有关 字符串内容 时的相关笔记 由于本人技术有限,如有错误,还望指正 C语言中数据类型中只有 字符型(char),而 char型 变量一次只能存储一个字符,在日常工作中经常需要定义 字符串 ,所以使用 字符数组 来存储和调用字符数据. 1.字符数组的定义和使用 char ch[50];//定义一个长度为50的字符串数组 定义字符串时需要定义字符串的长度,但是如果在定义的同时对字符串进行赋值 则不需要定义长度,代码如下 char ch[] = "I love QIAN&quo

【机器学习基础】理解为什么机器可以学习1——PAC学习模型

引言 自从下定决心认真学习机器学习理论开始,接触到很多基本问题,但其实都不是很理解,比如损失函数.风险函数.经验结构最小化.结构风险最小化.学习方法的泛化能力.VC维等,这些概念在学习中都纯属空泛的概念存在,我都不理解这些概念存在的意义. 为什么会存在这样的问题呢?我自己想了一下,有几个原因:首先,很多相关的书籍在讲授这些概念的时候,很少说这些为什么会有这样的概念问题,为解决什么问题引入的这些概念:然后,还有一些书,在简单表述了这些概念之后就立马挨个介绍算法了,遇到这样的书也会忽视这些基础问题的

Cocos2d-x 3.1.1 学习日志13--CocosStudio学习必看

听说Cocos Studio很久了,主要是因为骨骼动画.目前看来Cocos2d-x播放动画的方式只有2种: 第一种:是播放序列帧动画,即将动画的每一帧都加载进缓存里,需要播放时再使用Animation类来播放,这种方法简单暴力,应对一些细节要求低的动画场景的时候,这么干无伤大雅.但是当动画帧数稍高的时候就会需要大量的图片,消耗资源很大. 第二种:是由Cocos2d-x提供的Action类来播放动画,这种动画是在帧循环中靠调整每次渲染的坐标来打到动画效果,由于帧循环是1/60秒刷新一次,会让这样播

学习OpenCV的学习笔记系列之-- 环境配置2

要想学好OpenCV,首先当然要知道怎么配置环境了.以本人的配置环境为例,步骤如下. 第一步 下载及解压OpenCV源码 虽然很多第三方网站及一些学习论坛会提供OpenCV的源码下载,但是还是推荐到官网进行下载,这样可以避免很多麻烦!(病毒?木马?你懂得!) 官网的下载地址如下: http://opencv.org/downloads.html 在此地址的界面上可以找到最新版本的OpenCV源码.我使用的是2014-04-25更新的2.4.9版本(目前最新),根据自己的系统选择对应的源码版本.