在知乎上敬仰采铜老师很久,当得知他写的一本关于学习方法的书《深度学习的艺术》上架之后,在亚马逊中国网站上购买了这本我人生中第一本付费购买的电子书。

该读书笔记并非完全按照原书叙述顺序摘抄,而是经过本人的修改和整理而来。


读书笔记正文:

所谓深度学习,顾名思义,就是学东西不只看到它浮在表面的东西,而是往深入去挖掘,甚至看到别人看不见的东西。

我之所以要强调学习深度,是因为了解到现在年轻人读书不求甚解,蜻蜓点水,养成了思维的惰性,或者贪多求全,只重量不重质,甚至只把机械记忆一些知识当成攀比的资本和谈资。

读书中无字的地方比有字的地方还要多,连字带空白一起读的方法,就可归为深度学习法

深度学习的四部分:

1. 提问

优秀的深度学习者,必定是一个优秀的提问者,提出深入的探索性的问题,被证明是一种效果非常好的学习方法。

然而大多数的学习者,都只是在扮演知识的收纳者何搬运着的角色:因为他们的学习过程是非问题导向的。

非问题导向的学习过程:
1. 订立学习计划:我要看什么书 或者演讲。
2. 实施学习计划:读书,看演讲。
3. 回顾整理, 堆放在evernote软件,或其它笔记中。

更合理的模式应该是建构主义的模式,学习者的知识不是简单地吸而来,而是主动地建构而来,学习者必须充分地调用他们已有的知识,在一个主动新目标的指引下,在一个丰富的情境中,去探索甚至撞击那些新接触到的知识,经过一系列复杂的交互之后,把这些知识纳入到原有的知识体系中

如何提问?

提问并非空中楼阁式的,而是基于你现在已经掌握的知识,而在提问和回答的过程中你现有的知识又被拓宽了。这又进一步说明,在学习的过程中,我们对已有的知识,新学习知识的梳理和反思特别重要。更详细的方法可参考:《学会提问》

学习过程中应该问的问题:

  1. 针对当前的学习资料,我已经具备了哪些相关知识?
  2. 针对当前的学习资料,我又学到了哪些新知识?
  3. 我有哪些未知的东西,通过简单的探索可以了解?
  4. 有哪些未知的东西,无法轻易获取解答,但是有价值成为我长期探索的问题?

没有任何题目是彻底完成了的,总还会有些事情可做;在经过充分的研究和猜测之后,我们可以将任何解题方法加以改进;而且无论如何,我们总可以深化我们对答案的理解—《怎样解题》

问题构成了学习的连续性,而在问题牵引下的学习,则是在不停地构筑知识之间的联系,使他们以一种有意义的方式组合一起。

个人总结学习应该是一个以问题导向,通过提出建设性的问题,并找出合理的答案,逐渐将知识体系完善的过程。

2. 解码

解码之所以重要是因为我们常需要面对各种各样全新的信息内容,如果不经过解码这一过程,则不可能使其与我们原有的知识体系相整合

所谓学习,本身就要注重深度和广度的结合。广度不够让人鼻塞,深度不够让人只得皮毛,所以在时间有限的条件下,我们需要尽量去找最经典最优秀的作品,进行深度解码,模仿参研。

三条观察和思考的途径

  1. 不知要去寻结论,还要去寻过程
  2. 不只做归纳,还要做延展
  3. 不知要去比较相似,还要去比较不同

个人总结面对不同的新知识,我们需要将其解码,抽象出来,找出一般性,才能更有利于将其和我们原有的知识体系向整合。

3. 操练

一个有追求的学习者必然会面对自学时如何对知识进行操练的问题。

你掌握了多少知识,不是取决于你记忆了多少知识以及知识的关联,而是取决于你能调用多少知识。然而调用的有效与否,跟对知识本身的熟悉程度是分不开的,需要反复练习。

反复练习的价值,在于使某些认知活动可以自动化运行,从而为思考时所用的工作记忆腾出宝贵的实践,以用于更具策略性的活动

一个人头脑中存储的知识,粗略地分,可以分为
- 陈述性知识
- 程序性知识

对于程序性知识,我们可以通过技能的许梿不断强化和完善
但是对于陈述性的知识,很多人不知道如何进行联系

把知识当做一种技能来学习:
不管我们想学或者正在学的是哪一个领域的知识,我们都可以想一想,为何不只是 把它当成一种静态的,安安静静地躺在书本里的东西,而是当成一种动态的,可运用得,可以用来完成某件事情的技能。

学习螺旋模型:想象-> 创造-> 游戏-> 分享 ->反思-> 想象的螺旋式循环—米奇 莱斯尼克

知识操练:

  1. 写作式思考,书写是更好的思考;获得反馈,评论。
  2. 游戏式操练,思想实验,构造一个现实中不存在的假象情景,运用所学知识,设想事物在这个情景中的变化。
  3. 设计式操练,设计解决的方案。

个人总结对于任何类型的知识,我们都应该尝试将知识本身“实例化”,当作技能来学习。既然是技能,那么自然少不了反复操练,正如编程,工匠的手艺等等。唯有将知识烂熟于心,才有机会迸发创新的灵感。

4. 融合

一个高段位的学习者,应该能抓住一切机会,再其所学的知识之间创造关联

学习高手常常会有意识把不同领域的甚至不同学科的知识摆放在一起,然后尝试去分析,对比他们的潜在关联,甚至于当异质的素材堆叠在一起的时候,仅仅是潜意识的推动,就可以让这种隐藏的关系浮出水面。这与正统的教育是格格不入的:

正统的教育:把大的东西分解为小的东西,把小的东西再进行细分。分解性思维的要害,就是一件事物的整体特性以及各个部分之间的潜在关联被完全忽视掉了:解剖的方式。

科学与方法,数学创造的实质,是从各种各样的数学知识的组合中找出最有价值的组合,而最富有成果的组合常常是从相距很远的领域取出的要素形成的组合—庞加莱

融合有三类:

  1. 迁移:
    大多数医学研究者缺乏足够多的知识广度,跨学科的知识迁移自然无从谈起。

  2. 印证:
    潜意识作用的发挥,并非平白无故产生的,而是有赖于在此之前有足够的有意识的思考,这种思考的作用,是把很多知识的原子激活起来,为潜意识阶段的思考提供素材,然后在潜意识阶段,这些原子就自发游行碰撞,在脑中快速组件各种各样的组合,并且这些组合之间相互竞争,直至最佳的组合自动涌现出来,上升到大脑的意识层上面。

  3. 互补:
    对于同一个议题,找到完全不同视角下的论述,综合到一起,就可以得到对这一议题比较全面和深入的认识。

个人总结知识间的融合少不了对多样性知识的熟练掌握。而对知识的熟练掌握更离不开对知识本身的深度理解和反复操练。可以说,提问,解码,操练是融合的基础,是创新的必经之路。

[读书笔记—学习方法]《深度学习的艺术》-采铜相关推荐

  1. 《深度学习的艺术 - 采桐》读书笔记

    /******************************* -- 虽然本书强调,用「提问.解码.操练.融合」的方法去做深度学习的尝试,但并不是提倡,对所有可学的材料,都以深度的方式去学.只因为每 ...

  2. 读书笔记:深度学习进阶-自然语言处理(俗称鱼书二)

    文章目录 前言 一.神经网络的复习 二.自然语言和单词的分布式表示 2.1什么是自然语言处理 2.2同义词词典 2.3基于计数的方法 2.3.1基于python的语料库的预处理 2.3.2单词的分布式 ...

  3. 读书笔记:深度学习中的正则化

    声明:读书笔记,未完成梳理,不值得参考. 阅读书籍:<深度学习>花书,第7章 正则化:对学习算法的修改--旨在减小泛化误差而不是训练误差. 个人描述:正则化项的目的是为了提升模型的泛化能力 ...

  4. 读书笔记1|深度学习入门:Machine Learning Yearning

    Machine Learning Yearning中文版 有一段时间有点摸不着头脑,因为是自学python,深度学习,分类太多,人脸识别,对象检测,对象追踪,图像处理,语义分割等.有点眼花缭乱,太多细 ...

  5. 深度学习入门之PyTorch学习笔记:深度学习介绍

    深度学习入门之PyTorch学习笔记:深度学习介绍 绪论 1 深度学习介绍 1.1 人工智能 1.2 数据挖掘.机器学习.深度学习 1.2.1 数据挖掘 1.2.2 机器学习 1.2.3 深度学习 第 ...

  6. 学习笔记:深度学习(3)——卷积神经网络(CNN)理论篇

    学习时间:2022.04.10~2022.04.12 文章目录 3. 卷积神经网络CNN 3.1 卷积神经网络的概念 3.1.1 什么是CNN? 3.1.2 为什么要用CNN? 3.1.3 人类的视觉 ...

  7. 黄海广博士的机器学习个人笔记及深度学习笔记

    想要下载黄海广博士的机器学习个人笔记及深度学习笔记的请复制下面链接 https://download.csdn.net/download/wgllovemother/10447758 备注:有想下载  ...

  8. 【长篇博文】Docker学习笔记与深度学习环境的搭建和部署(二)

    长篇博文记录学习流程不容易,请关注.转发.点赞.评论,谢谢! 上一篇文章:Docker学习笔记与深度学习环境的搭建和部署(一) 文章末尾附加nvidia455.23.cuda11.1.cudnn8.0 ...

  9. ScalersTalk 机器学习小组第 21 周学习笔记(深度学习-10)

    ScalersTalk 机器学习小组第 21 周学习笔记(深度学习-10) Scalers点评:机器学习小组是成长会的内部小组,这是成长会机器学习小组第21周学习笔记,也是深度学习第10次的复盘笔记 ...

  10. 学习笔记:深度学习(6)——基于深度学习的语言模型

    学习时间:2022.04.22~2022.04.25 文章目录 5. 基于深度学习的语言模型 5.1 从NNLM到词嵌入 5.1.1 神经网络语言模型 NNLM 5.1.2 基于循环神经网络的语言模型 ...

最新文章

  1. python中soup_python – 使用带有UTF-8的soup.get_text()
  2. 日常问题———安装新版zookeeper 出现Starting zookeeper ... FAILED TO START
  3. java caffe 验证码_Caffe深度学习 验证码识别 机器学习
  4. NFS服务自动搭建及挂载脚本
  5. 大数据学习笔记48:Flume Sources(Flume源)
  6. kubectl命令大全
  7. shell 强制覆盖文件夹_如何强制robocopy覆盖文件
  8. shell 小米system锁adb_小米/红米系列手机解system分区锁方法详解
  9. APISpace 全国行政区查询API 方便好用
  10. python开发出来的crm系统_关于python开发CRM系统
  11. 制造业信息化与现代企业管理
  12. node视频转码框架
  13. Snaker工作流学习(一)
  14. 13-zinx-Golang-MMO游戏Proto3协议
  15. vue中对token的有效期的理解
  16. Redis 实现限流器的三种方法
  17. 神牛闪光灯TT865/V850II 860II Sony热靴口损坏,更换新热靴口
  18. IEC60079-11 附录3电气间隙和爬电距离的计算
  19. python第4周(python学习题集)
  20. Android 端处理 YUV 数据 - Libyuv 的编译与使用

热门文章

  1. 38年来,NBA最有价值球员|数据分析
  2. Java使用IP代理突破IP限制进行投票
  3. JS判断今天是礼拜几
  4. android 辅助功能(无障碍)
  5. ctf piapiapia(反序列化逃逸)解题记录
  6. 钉钉获取用户信息 php,钉钉开发c#帮助类 获取用户信息 DingHelper.cs
  7. python实现分词和词云制作
  8. 定时任务ScheduledExecutorService
  9. 信息系统项目管理师真题2017下半年附答案解析(1)
  10. 咬文嚼字撕下抖音背后虚伪的面纱