Learning How to Learn学习笔记(转)

add by zhj: 工作中提高自己水平的最重要的一点是——快速的学习能力。这篇文章就是探讨这个问题的,掌握了快速学习能力的规律,你自然就有了快速学习能力了。

原文:Learning How to Learn学习笔记

强力推荐的Coursera课程 “learning how to learn”. 这门课的一个主要观点是

  • diffuse mode thinking (如常规的身体锻炼)

对提高思考和学习能力有很大帮助。我实践了一两个月,感觉效果很好。工作中遇到的问题都更容易梳理解决。我们目标只有一个:了解大脑的工作原理,以便更好的学习。

以下是唐昕同学,本人和网络上一些笔记的整理:

1. 集中思维 vs. 发散思维

  • 学习和思考有两个模式(mode), 即 focus mode (集中) 和 diffuse mode (发散).
  • Focus mode learning 即我们通常意义上的“学”, 如上课, 看书, 做练习等。
  • Diffuse mode leanring 指就某个内容进行随意的发散性思考。
  • 学习知识或技能是身体进行特定的神经连接,搭建神经网络的过程。 这个过程需要我们不断的切换focus mode 和 diffuse mode.
  • 打个比喻: 盖一面墙, 我们需要铺一层砖和黏合剂,等黏合剂干了把砖头稳固好, 再铺上面一层。 这样墙才能盖起来。 盖得太快太急, 墙可能会塌掉。
  • 搭建神经网络也是这样。 Focue mode learning 就是连接神经元; diffuse mode learning 就是给时间让这些连接稳固。 对于好的神经网络搭建,两者缺一不可。

2. 多感学习和空间识别

  • 多种感官的刺激让学习效果更好。因为那样子的神经连接更丰富, 更稳固。
  • 空间识别: 我们大脑的空间识别网络特别好。

3. 记忆系统

  • 短期: 研究表明我们的短期记忆最多只能放四间事情。
  • 长期: Chunking (对概念进行切割和封装) 做得越好, 记起来越容易,越牢靠。

Chunk告诉你如何解决问题,context告诉你什么时候使用chunk,以及这个chunk在整张知识图中的位置。举个例子,你在读一本书,书中的概念和章节就是一个个chunk,你为了更好的掌握这本书的主题(大chunk),往往会看书之前先翻章节题目,看看每节的图片(自顶向下,掌握大局),之后再钻进去一节节地看(自底向上,步步为营)。先有一个总体了解,然后再处理局部拼图,这样即使你最后遗漏了一些细节,也不影响你使用整张图。

  • Chunk就像是知识的雪球,聚少成多,相互关联,终成雪人。
  • 如何形成chunks? 集中注意力,理解,反复练习。
  • 如何练习? 回忆怎么建立chunk, 最小化测试自己, 保持上下文的连贯

如何应用到我们自身学习上?

1. 集中思维 vs. 发散思维

  • 学习时间不宜太长。 比如用 pomodoro 定时: 番茄土豆工作法. 每半个小时休息十分钟。 让新知识有时间从focus mode 切换到 diffuse mode 巩固。
  • 分散学习。 一个知识或技能可以把它分到多天,每天花少量时间学习。 这样的长期效果比集中一天要好。
  • 对于重要的知识点或问题多进行随意联想。 Diffuse mode thinking 可能会提供意想不到的好答案。

2. 多感学习和空间识别

  • 尽可能使用不同感官学习。
  • 练习其实也是一种多感学习。 所以越多越好。
  • 我们可以利用我们大脑的空间识别网络特别好这点, 用想象的方式把学到的知识点进行虚拟的空间链接。 那样子能够快速搭建神经网络, 掌握和巩固所学。

3. 记忆系统

  • 可以利用长短期记忆特性,用递归的方式,把新概念切成<=四块子概念, 进行有效的连接封装, 强化长期记忆。
  • 锻炼身体重要。除了散步洗澡听音乐等让你放松的方式会帮助你进入diffuse mode,锻炼健身能让你从之前集中精力的地方解放出来,使得diffuse mode有机会呈现。研究还表明锻炼身体对大脑生长新的神经元并保持脑健康也同样重要。
  • 睡眠影响学习。脑内会积累影响记忆和思考的物质,可视之为脑内毒素(metabolic toxins)。睡眠时神经元收缩,可使这些物质更容易被清除,同时加固你白天想学习和记忆的东西。
  • 隐喻(metaphors)是强大的学习技术。

4. 解决拖延

原因是人遇到困难,大脑真真切切会产生化学物质,让你感觉不开心。这时,老祖宗的基因会驱使你的大脑让你去做一些更能让你高兴的事,从而获得短暂的快感。看,你本能的完成了一次自救,把自己从不愉快中救了出来!但现代社会毕竟不同于远古时代,总是逃避困难的任务而选择简单的娱乐会让人自毁前程。

如何应对拖延?有个简单的工具:番茄工作法。操作简单,用个番茄钟(或者软件)记时间,25分钟内全神贯注在手头的工作上。原理是人一旦开始进行手头的困难工作,让你痛苦的化学物质就会骤减,然后慢慢的不愉快的情绪就消失不见了。简言之应对拖延的方法就是忍住不快和痛苦,立刻全身心投入工作一小段时间。

最后课程还总结了应试技巧:

  • 从细节到宏观,再从宏观到细节不断反复,会让自己清楚自己在学什么
  • 找到自己容易错的地方,然后从错误中学习,不断的测试自己
  • 从失败中吸取经验,然后慢慢学的更好,也会让自己喜欢上之前讨厌的学科
  • 学习自己喜欢的学科会有更多的动力,干自己爱干的事情,不会累
  • 想要学好一门语言,或一门学科,要把自己沉浸在其中,多多练习
  • 给自己定一个短期的目标,然后驱使自己的动力,一步一步完成
  • 休息很重要,能保证高效率的学习模式
  • 尽可能的利用身边一切的资源,多向有经验的老师同学请教,如老师的 办公室时间, 网上的 MOOC,其他一些公开课
  • 大任务分成若干个小任务,每天做一点,半个小时,
  • 学习语言错误的动机:炫耀,进入大学等。正确动机:喜爱其文化
  • 学习语言不要怕犯错误,即使犯了错误,别人也听得懂,大胆说
  • Self fulling Prophecy,告诉自己没有天赋,学不会→恶性循环
  • 任何人学习一门语言,都是付出了很多的努力,面临很多挑战,他们都战胜了
  • 学习语言总会遇到很多困难,尝试不同的方法,坚持一段时间不适合,换一下。
  • 学习和休息相结合,学习六天休息一天
  • 重复是需要的,单纯重复不一定是最好的方式。可以运用视觉
  • 学习数学慢慢来,数学问题太抽象,尽量把自己置入问题中
  • 人类没办法 多线程工作,所以集中精力干一件事才是最高效的
  • 关掉所有让人分心的提醒,手机短信,email,网站之类
  • 遇到难以理解时:类比, 画图, 举例, 把数学上抽象概念给虚拟化物化。

参考资料:

how to learn 笔记

week4_考试指南

【个人心得】番茄工作法の实战篇——学习如何学习的初期学习报告

如何培养好习惯(实战篇)——学习如何学习的终期学习报告

(翻译)有关学习的10个好习惯和10个坏习惯

Learning How to Learn, Part 1

Learning How to Learn, Part 2

时间: 2024-10-04 21:24:27

Learning How to Learn学习笔记(转)的相关文章

Deep Learning深入研究整理学习笔记五

Deep Learning(深度学习)学习笔记整理系列 [email protected] http://blog.csdn.net/zouxy09 作者:Zouxy version 1.0 2013-04-08 声明: 1)该Deep Learning的学习系列是整理自网上非常大牛和机器学习专家所无私奉献的资料的.详细引用的资料请看參考文献.详细的版本号声明也參考原文献. 2)本文仅供学术交流,非商用.所以每一部分详细的參考资料并没有详细相应.假设某部分不小心侵犯了大家的利益,还望海涵,并联系

机器学习-scikit learn学习笔记

scikit-learn官网:http://scikit-learn.org/stable/ 通常情况下,一个学习问题会包含一组学习样本数据,计算机通过对样本数据的学习,尝试对未知数据进行预测. 学习问题一般可以分为: 监督学习(supervised learning) 分类(classification) 回归(regression) 非监督学习(unsupervised learning) 聚类(clustering) 监督学习和非监督学习的区别就是,监督学习中,样本数据会包含要预测的标签(

深度学习 Deep Learning UFLDL 最新 Tutorial 学习笔记 1:Linear Regression

1 前言 Andrew Ng的UFLDL在2014年9月底更新了! 对于开始研究Deep Learning的童鞋们来说这真的是极大的好消息! 新的Tutorial相比旧的Tutorial增加了Convolutional Neural Network的内容,了解的童鞋都知道CNN在Computer Vision的重大影响.并且从新编排了内容及exercises. 新的UFLDL网址为: http://ufldl.stanford.edu/tutorial/ 2 Linear Regression

【原】Learning Spark (Python版) 学习笔记(四)----Spark Sreaming与MLlib机器学习

本来这篇是准备5.15更的,但是上周一直在忙签证和工作的事,没时间就推迟了,现在终于有时间来写写Learning Spark最后一部分内容了. 第10-11 章主要讲的是Spark Streaming 和MLlib方面的内容.我们知道Spark在离线处理数据上的性能很好,那么它在实时数据上的表现怎么样呢?在实际生产中,我们经常需要即使处理收到的数据,比如实时机器学习模型的应用,自动异常的检测,实时追踪页面访问统计的应用等.Spark Streaming可以很好的解决上述类似的问题. 了解Spar

深度学习 Deep Learning UFLDL 最新Tutorial 学习笔记 3:Vectorization

1 Vectorization 简述 Vectorization 翻译过来就是向量化,各简单的理解就是实现矩阵计算. 为什么MATLAB叫MATLAB?大概就是Matrix Lab,最根本的区别于其他通用语言的地方就是MATLAB可以用最直观的方式实现矩阵运算,MATLAB的变量都可以是矩阵. 通过Vectorization,我们可以将代码变得极其简洁,虽然简洁带来的问题就是其他人看你代码就需要研究一番了.但任何让事情变得simple的事情都是值得去做的. 关于Vectorization核心在于

深度学习 Deep Learning UFLDL 最新Tutorial 学习笔记 4:Debugging: Gradient Checking

1 Gradient Checking 说明 前面我们已经实现了Linear Regression和Logistic Regression.关键在于代价函数Cost Function和其梯度Gradient的计算. 在Gradient的计算中,我们一般採用推导出来的计算公式来进行计算. 可是我们看到,推导出来的公式是复杂的.特别到后面的神经网络,更加复杂.这就产生了一个问题,我们怎样推断我们编写的程序就是计算出正确的Gradient呢? 解决的方法就是通过数值计算的方法来估算Gradient然后

深度学习 Deep Learning UFLDL 最新Tutorial 学习笔记 5:Softmax Regression

Softmax Regression Tutorial地址:http://ufldl.stanford.edu/tutorial/supervised/SoftmaxRegression/ 从本节开始,难度开始加大了,我将更详细地解释一下这个Tutorial. 1 Softmax Regression 介绍 前面我们已经知道了Logistic Regression,简单的说就判断一个样本属于1或者0,在应用中比如手的识别,那么就是判断一个图片是手还是非手.这就是很简单的分类.事实上,我们只要把L

Deep Learning(深度学习)学习笔记整理系列七

Deep Learning(深度学习)学习笔记整理系列 声明: 1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的.具体引用的资料请看参考文献.具体的版本声明也参考原文献. 2)本文仅供学术交流,非商用.所以每一部分具体的参考资料并没有详细对应.如果某部分不小心侵犯了大家的利益,还望海涵,并联系博主删除. 3)本人才疏学浅,整理总结的时候难免出错,还望各位前辈不吝指正,谢谢. 4)阅读本文需要机器学习.计算机视觉.神经网络等等基础(如果没有也没关系了,没

Deep Learning(深度学习)学习笔记整理系列之(五)

Deep Learning(深度学习)学习笔记整理系列 [email protected] http://blog.csdn.net/zouxy09 作者:Zouxy version 1.0 2013-04-08 声明: 1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的.具体引用的资料请看参考文献.具体的版本声明也参考原文献. 2)本文仅供学术交流,非商用.所以每一部分具体的参考资料并没有详细对应.如果某部分不小心侵犯了大家的利益,还望海涵,并联系博主