十天内掌握线性代数.doc

《十天内掌握线性代数.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、十天内掌握线性代数：惊人的超速学习实验最近，我的朋友斯考特·杨（ScottYoung）成就了一个惊人的壮举：他在一年之内，完成了传说中的MIT计算机科学课程表的全部33门课，从线性代数到计算理论。最重要的是，他是自学的，观看在线教程讲座，并用实际的考试作自我评估。（到斯考特的FAQ页面，看看他如何完成这个挑战）按照他的进度，读完一门课程大概只需要1.5个星期。我坚信，能快速掌握复杂信息，对成就卓越事业至关重要。因此，我很自然地问起斯考特，让他给我们分享他的学习奥秘。所幸他答应了。接下来是一份斯考特的详细解说稿，深

2、入剖析他的学习技巧（包括具体例子），展示他如何拿下这MIT挑战。以下时间交给斯考特……看我怎么驾驭MIT计算机科学的课程我老想着学快一点，再快一点，并为此兴奋不已。掌握那些重要的学问吧，专业知识与娴熟技艺将是你的职业资本，帮你赚取金钱与享受生活。如果过得好是你的目标，学问能引你到向往之地。尽管学得更快有很多好处，但大多数人并不愿意学习“如何学习”。大概是因为我们不肯相信有这种好事，在我们看来，学习的速度只取决于好基因与天赋。确实总有些人身怀天赋本钱，但研究表明你的学习方法也很重要。更深层次的知识加工，与时而反复的

3、温故知新，在某些情况下会加倍你的学习效率。是的，“刻意练习”方面的研究表明，没有正确的方法，学习将永远停滞。今天，我想分享一下学习策略，看看我如何在12个月内完成4年MIT计算机科学的课程。这套策略历经33门课的锤炼，试图弄清楚学得更快的窍门，哪些方法有用，哪些没用。为什么临时抱佛脚没用？很多学生可能嘲笑我，妄想只花1年的时间学会4年的课程。毕竟，我总可以临时抱佛脚，什么都不懂还能顺利通过考试，不是吗？很可惜，这个策略在MIT行不通。首先，MIT的考试苛求解决问题的技巧，还经常出些没见过的题型。其次，MIT的课程

4、讲究循序渐进，就算你能死记硬背侥幸通过一次考试，同系列课程的第七课可能就跟不上了。除了死记硬背，我不得不另辟蹊径，加速理解过程。你能加速理解吗？“啊哈！”当我们终于想通了，都曾经这样恍然大悟地欢呼过。问题是，大多数人都没有系统地思考。经典的学生求学之路，就是听讲座，读书；如果还不懂，只好枯燥地做大量习题（题海）或重看笔记。没有系统的方法，想更快地理解似乎是天方夜谭。毕竟，顿悟的心理机制，还全然不知。更糟的是，理解本身，很难称得上是一种开关。它像洋葱的层层表皮，从最肤浅的领会到深层次的理解，逐层巩固对科学革命的认知

5、。给这样的洋葱剥皮，则是常人知之甚少、易被忽略的理解过程。加速学习的第一步，就是揭秘这个过程。如何洞悉问题，加深你的理解，取决于两个因素：1.建立知识联系；2.自我调试排错。知识联系很重要，因为它们是了解一个想法的接入点。我曾纠结于傅里叶变换，直至我意识到它将压强转化为音高、或将辐射转化为颜色。这些见解，常在你懂的和你不懂的之间建立联系。调试排错也同样重要，因为你常常犯错，这些错误究根到底，还是知识残缺，胸无成竹。贫瘠的理解，恰似一个错漏百出的软件程序。如果你能高效地自我调试，必将大大提速学习进程。建立准确的知识

6、联系与调试排错，就足够形成了深刻的问题见解。而机械化技能与死记硬背，通常也只在你对问题的本质有了肯定的直觉以后，才有所裨益。钻研（TheDrilldownMethod）：你学得更快经年累月，我完善了一个方法，可以加速逐层增进理解的过程。这个方法至今已被我用于各科目的课题，包括数学、生物学、物理学、经济学与工程学。只需些许修改，它对掌握实用技能也效果很好，比如编程、设计或语言。这个方法的基本结构是：知识面、练习、自省。我将解释每个阶段，让你了解如何尽可能有效率地执行它们，同时给出详细的例子，展示我是怎么应用在实际课

7、程的。第一阶段：知识面覆盖你不可能组织一场进攻，如果你连一张地形图都没有。因此，深入研习的第一步，就是对你需要学习的内容有个大致印象。若在课堂上，这意味着你要看讲义或读课本；若是自学，你可能要多读几本同主题的书，相互考证。学生们常犯的一个错误，就是认为这个阶段是最重要的。从很多方面来讲，这个阶段却是效率最低的，因为你每单位时间的投入只换来了最少量的知识回报。我常常加速完成这个阶段，很有好处，这样，我就可以投入更多时间到后面两个阶段。如果你在看课程讲座的视频，最好是调到1.5x或2x倍速快进。这很容易做到，只要你下

8、载好视频，然后使用播放器（如VLC）的“调速”功能。我用这法子两天内看完了一学期的课程视频。如果你在读一本书，我建议你不要花时间去高亮文本。这样只会让你的知识理解停留在低层次，而从长远来看，也使学习效率低下。更好的方法是，阅读时只偶尔做做笔记，或在读过每个主要章节后写一段落的总结。这里有个例子，是我上机器视觉这门课时的笔记。第二阶段：练习做练习题，能极大地促进你的知识理解