上一篇文章写的是k8s相关的内容,本来准备将k8s系统写一些文章,但是经过分析,感觉对于我,写这种系统知识的文章不太合适。由于更新文章每两周一次——不是非常频繁,可能等我写完,大家已经自己学完了相关的知识,所以继续写相关的文章没有什么意义。以后的文章会更加偏向于方法论,思维以及一些技术知识碎片,这样大家读一篇有一篇的收获,会更好一些,不过以后的技术文章,就需要大家具备一定的背景知识了。

今天就说说在碎片化学习和系统学习上,我们该如何选择?很多人将碎片化学习单纯理解为知识的碎片化,以现在很多人的方式为例,就是一个相关主题的知识,我通过互联网,查找相应的文章,然后读这些文章,学习知识。但是回想一下,这种方式学到的知识,可用性高吗?换句话说,有多少知识敢用,有没有因为这样的方式让你的工作困难重重?

这里主要存在一个概念上的误区,碎片化学习并不是指读一些知识点分离的文章这么简单。碎片化学习的前提是你对一个主题的知识有系统的认识,知道这个主题包含的知识体系,在此基础上,利用碎片化的时间,碎片化学习知识图谱中的相关知识点,来补全自己的知识图谱。与上面提到的方法的最大不同是,上面的错误方式并不一定构建了知识的完整图谱,更多的是拿来主义——拿来用,能用就可以了。

这样带来的问题很多,首先,我们无法分辨知识分享人的知识是否正确,这免不了让我们使用时产生问题,不断跳坑;其次,我们无法了解到某个知识点的地位和用途,容易造成乱用的问题,经常会遇到这样一些人,懂很多东西,你让他用的时候他能够完成工作,但是如果让他去进行技术选型或者设计架构,完全是技术的堆叠,做出的东西不堪入目,根本不考虑技术的实用性和适用性;最后,难以做到触类旁通,经常这样学习的人,很难找到知识之间的关联和相似之处,只是各种技能的堆叠,感觉需要学习的知识太多,进而放弃学习。

系统化学习则要求我们拥有相对宽裕的整块时间,然后整体学习一套系统知识。系统化学习的好处是知识体系非常健全稳固,但是现今社会工作中的我们,单是宽裕的时间我们就很难得到满足。再加上系统学习枯燥乏味,短期看不到自己的进步,容易造成与实践脱节的问题,大部分人会中途放弃。

那么,我们如何选择这两种学习方式呢?我的实践方式证明,我们取两种方式的优点,采取行动,选择方法来拥抱这些优点。以我个人为例,给大家一个建议的方法。

首先,选定一个目标,给自己制定时间,比如要学习机器学习,我要在一年时间完成。接下来,购买一些书籍,一般至少两本,一本是从理论角度,系统讲解机器学习的相关概念以及各种算法,比如训练集,验证机,测试集梯度下降,SVM,决策树,深度学习等等,这是构筑知识图谱的阶段,这里我选择了周志华老师的《机器学习》;另外一本偏实践的,比如代码如何实现SVM,决策树,这里我选择的是《机器学习实战》。我将其理解为学习知识的系统学习阶段,这个阶段我们构筑了自己的系统知识体系,也简单了解了这个系统体系中知识点如何在实践中实现。

然后,进入碎片化积累阶段,这个阶段,我会去专门挑选系统化中的一项专门技术,比如深度学习,然后通过看书还有互联网学习的方式,去深入了解这个领域。这个过程将会非常漫长,期间要不断实践,学习,再实践,再学习。但是这个阶段的好处是,你能够知道自己为什么而学,你知道选择哪些学习渠道和教材,并且在实践中不断磨炼自己的认识。

可能有些人会说,工作应接不暇,我哪儿有功夫走系统学习阶段。我的观点,进入一个新领域前,我们还是要持保守的态度,不要过早表漏甚至是炫耀自己学到了什么,不要急着应用,这个时候,你应该谦虚的说,我在了解什么。我们学习的一项技术,需要在工作中磨炼和应用才能发现问题并发挥其价值,但是过早的使用一项你无法掌控的技术,绝对是弊大于利,只会让你在技术上陷入恶性循环——之前的项目使用了哪项你并不擅长的技术,导致之后问题不断,你会将自己的时间更多的花费在弥补之前的技术债上,逐渐丧失自己选择技术来学习的机会,结果就是陷入抱怨,认为自己每天应付工作已经很辛苦了,哪儿有时间学习?这和撒了一个慌,以后不断弥补这个谎言撒了更多的慌是一个道理。这个时候,放弃学习可能是更多人的选择,可实际上,这个时候恰恰说明,你需要时间来系统学习。就好比撒了谎,不如先承认我撒了谎,去针对这个谎言多付出,去弥补自己之前的过失,将好于用谎言去掩盖谎言。技术债永远在那里,不学习,将永远难以学习,相关的知识也会逐渐淡忘,结果就是再拿起书本太困难了。

现在的社会要求我们持续学习,否则难以赶上社会的进步步伐,找到自己感兴趣想了解的去深入学习,扩宽自己在深度和广度上的知识才是我们必须面对的选择。

 

Logo

K8S/Kubernetes社区为您提供最前沿的新闻资讯和知识内容

更多推荐