教师节-说说学习方法-就拿AI举例子吧

2017-09-10 约 1833 字预计阅读 4 分钟

庆祝教师节的最好办法是让每一个人都变成老师。而要成为老师最关键的不是你会多少，而是你具有多少自我学习的能力。授人以鱼，不如授人以渔。今天就说说学习方法。

学习的过程可以看成是解决问题的过程，你一定要想清楚你的目标是什么，之后在考虑你需要做什么以达到这个目标，若是目标都不清楚，那么之后的学习过程就如同没头苍蝇一样，理不出头绪来。就拿学习人工智能来说，其目标可以按照是否要应用所学到的算法一分为二，一部分人可能只想知道人工智能对未来的影响或者机器学习究竟是什么，而另一部分人则想在实际的工作中去应用这些算法。你有不同的目标，你就应当有不同的学习方法。而上述的通过问自己Yes or No的问题将你的目标具体化的方式，也是你可以用来明确自己学习目标的最好方式。

好，那先看抱持着第一种目标者的学习方法，即使是只想了解AI的发展和对社会的影响，也需要系统性的了解，所以看TED的相关演讲和AI相关新闻报道，只能是补充材料，真正要做的还是要去读书。一本书能够把一个话题说透，将其背景和盘托出，但作为读者的你不需要将书中的每一页都一字不漏的看完，要让书做到为你所用，你需要跳着看，只关注自己需要的部分。不过等你读完一本书之后，你需要能讲出这本书整体上说了什么，为什么你关注其中的一部分，而不是另外的那些章节。

对于不想要将人工智能的算法应用到实际中的学习者，上面是我开的书单，这本书单中没有一本书，只有几个分类。这是因为我觉得对于每一个人，都有适合他的书，己之蜜糖，可能会是彼之砒霜。所以最好的方法是列出对这些书按主题的分类，然后让读者自行根据自己与好书的偶遇，将上述的七个方向都填上，每个方向最好不止是一本书，而是比较不同风格不同背景的作者所写的几本书，然后针对这个话题，给出自己的观点。这也是我对如何向文科的大学生普及人工智能相关的知识的最新思考。

接下来说说对于想搞清楚具体算法是什么的学习者该怎么办，下面的图给出了我推荐的一些网上的免费课程，按照我觉得的有用的程度拍了名，供君参考。但列出课程清单，不等于教你学习方法，这里着重说说这张图的左边，即在看视频之前之中之后我们要做什么。

有的人会觉得看视频效率低，甚至会用1.5甚至2倍速去看视频，但这不一定是最有效率的学习方式。看课程不是目的，掌握知识才是，而要达到这个大目标，你需要将其分成多个子目标，具体的就是要在看课程视频之前准备好问题，也就是你预期这节课中能解答，至少是部分的照亮那些问题，只有问出具体但又本质性的问题，你才能够避免在听课的时候走神。带着问题，你在听课的时候可以通过画思维导图的方式去记笔记，课后再根据你记下的笔记去进行复述。

举个例子，下面的笔记就很棒

干货| 台湾大学林轩田机器学习基石课程学习笔记8 – Noise and Error

干货| 台湾大学林轩田机器学习基石课程学习笔记7 – The VC Dimension

干货|Coursera吴恩达《神经网络与深度学习》课程笔记（1）– 深度学习概述

干货|MIT线性代数课程精细笔记[第三课]

干货| 台湾大学林轩田机器学习基石课程学习笔记6 – Theory of Generalization

然而，只看课程，不去实践，还是不够的，B站的网络课程问题在于缺少作业，你需要去让自己感觉到痛苦，痛苦说明你正在接触到你的认知极限，而战胜痛苦的尝试才是学习中最有价值的部分。唯有你去实际编码，才能让学到的理论来指导实践，机器学习越发成了调一个个第三方的工具包的时候，理论的作用是其可以应用到那些理论发明者没有想到的场景上，而唯有具体的实践，将所学的知识当作等待被实践证伪的假说，你才能体会到发现知识的喜悦，知识也才能变成你的知识。

痛苦的价值，对于本文所说的第一类学习者也是一样的。也许接受一个观点并不难，但将几本书的观点整合起来是很难的，你需要比较和区分不同观点细节上的不同之处，然后将这些观点总结出来，讲给别人，这个过程是很学习中最难，也是最不应该被忽视的关键步骤。

原创不易，随喜赞赏