2023 年 42 周 - 学习 倦怠期回顾

2023-10-23 10:03
文章标签 学习 2023 回顾 42 倦怠

本文主要是介绍2023 年 42 周 - 学习 倦怠期回顾,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2023 年 42 周 - 学习 & 倦怠期回顾

本周属于反思怪的时间,1/4 的内容涉及到反思自己,剩下超过 2/3 的内容是对于学习方法加强的笔记

顺便重新复习了一下上周的笔记,然后发现,其实周算错了……截图的日历直接用周日算成一周的第一天,所以本周才是第 42 周

在这里插入图片描述

学习进度

就像上周制定的计划那样,本周的侧重点放在了个人发展上,LC 部分将笔记补全了,基本上也有复习一些,但是没有更多新的发展

顺便看了一个非常有趣的 AI 训练视频,这也属于反思怪的一部分。这块笔记还在整理,应该说明天就差不多写完了能放出来

个人发展

这方面其实我想分成两个部分,因为这周确实还看了蛮多的资料,发现有些部分和自己现在的情况确实比较贴合

疲惫 vs 懒惰

这部分实际上是来自于一个 b 站视频:

【脑科学】疲劳懒惰成因,改善动力抑郁科学方法,拥有活力健康

我其实觉得这部分的 疲惫,指的就是 burnout,或许更加准确的翻译时 倦怠,比如说学习倦怠、职业倦怠这种……?

我个人其实有点符合倦怠期的定义……比如,除非是为了出门买吃的,否则我就不会出门,另外也没有什么社交,经常会有一种无聊的感觉。之前放假的时候可以躺在手上刷一天的手机,但是其实当时刷手机时漫无目的的刷,刷完手机并没有什么成就感,或者简单的说就是没有任何的感觉,就是为了过了一天而过一天。

有的时候又会突然很想做点什么事情,于是又把小说捡了起来(写小说,划大纲这种),不过等到准备工作做完(这个周期其实至少会有一两个月,包括收集资料、整理大纲),又会有一种深深的倦怠感,觉得没有什么意思,于是继续搁置了。

说句题外话,我还是挺想把之前想的一个星际文写完的,就是正经八百的星际文(虫族设定),不是谈恋爱的那种。机甲设定更加偏向于大型的外骨骼+宇航服,这样的设定。本来之前有考虑过是不是要类似于 KMF(鲁鲁修中的机架,均高 4 米左右)或者是高达(18m),但感觉说实话……KMF 大致还有点逻辑,但是高达……与其用高达不如用同等质量的材料制作一些无人机轰炸来的快吧……anyway,这些是个题外话,接下来继续说回视频

整个 打鸡血 -> 准备 -> 倦怠 的周期其实也让我本人有不少的困扰……有一种想要挣扎突破束缚但是不知道怎么说,又有些无能为力的感觉……

目前来说也是好了一些,尽管这周又有一些的倦怠 😑,不过因为之前做周期计划的时候定下的事 每天可以完成的最小任务,因此做起来倒也不是非常的费劲。换句话说我的确完成了这周给自己制定的目标,因此感觉没这么坏,并且完成所有任务的奖励(精神上的激励),是比本身的倦怠感要强烈的

几个可以改善心态的方法有:

  • 冥想 🧘

    虽然我也不确定自己是在冥想还是在放空

  • 听些轻音乐

    Lofi,雨声这种轻音乐的效果还真的是挺好的

  • 学会攫取信息

    大脑也需要休息,在刷视频(包括短视频)、看书等任何情况下,其实大脑都是在不停的摄取信息。按照现在信息的冲击量,以及被现代社会养成刷视频、游戏等习惯,大脑在除了睡觉的时候,基本上都处在全力运转的情况下。这个时候真的就要学会怎么摄取信息(不被海量的垃圾信息所淹没,从而引起大脑的倦怠),并且也要决断,什么时候需要放弃获取信息

    我之前在跑步的时候都会放一些 B 站的时政、财经类的分析,最近跑步的时候开始放纯音乐就发现……静不下来,时不时的就会想要打开手机把纯音乐更换成新闻,好像不这样就没有足够的刺激继续下去。我觉得这种感觉,和习惯了段视频后,看长视频(半个小时以上到一个半小时,差不多是一个讲座时间段的视频)会非常的不习惯。也和看别人做电影赏析,自己看电影下意识的就会快进、跳剧情一样。

    这么想想,上一次完整的看完一本可以称得上是名著的小说,也不知道是多久前的事情了……疫情期间似乎想要读完百年孤独,最终还是以无法沉浸而放弃。

  • 制定可完成的最小规划

    这个不是说要压榨自己多少多少的百分比才能完成,而是说就是先制定一个比较轻松能够完成的任务

    比如说我现在就制定两个 LC 的 review session、周六一个周赛、工作日每天学点自我发展的东西(每周完成一个 module),每周四次健身房,周日总结

    这些是自己给自己制定必须要完成的计划

    其他比较随意的就是,抽空写一下笔记总结,看些其他与个人发展相关联的学习资料(比如说另一片还在总结的思维导图的笔记)

  • 起床后就不躺在床上了

    这点真的,还蛮重要的,一旦起床不耍手机了,整个 mindset 也变了

  • 有效休息

    这里主要就是晚上保证充足的睡眠,如果不是特别累,只是无聊的话,就不要睡了……很容易越睡越累而且越睡越头疼

  • 健身 🏋️

    这点也是蛮重要的,不管怎么说身体才是革命的本钱,而且健身完的心态、整体感觉整的有舒服一些

学习

笔记如下:

在这里插入图片描述

其实这一块总体来说还是比较简单的,比如说有效的复习技巧日常生活中或多或少都有经历过:

  • 间隔复习

    晨读、默写、背诵单词等

  • 交错学习(interleaving)

    像是课后练习这种,将学到的知识和过去的知识交错在一起,从而建立更深层的关联

  • 就是回想

    整体来说,短期记忆变成长期记忆的有效方法就是编制(encoding) 和检索 (retrieval)。只有进行一个比较深层的互动,记忆才会停留的比较久

    比如说写一篇笔记,如果只是上课盲目跟着抄笔记,其实可能下课后就忘了上课讲什么了,尤其是漏了一点不断的来回翻补全笔记的时候,基本上就会错过老师说的内容

    对比是记录一些零星的点,在课快上完的时候,对记下来的零星的点进行一个归纳性的总结(对,有效画思维导图),但凡能将思维导图画下来,在脑中保存的知识一定是会比机械地抄笔记要多的,而这点就涉及到了 encoding——将听到的信息保存到脑中,与 retrieval——回溯听到的内容,并且将其以自己的语言/方法记录下来

总体来说这一点可以追溯到学习等级,如下:

在这里插入图片描述

下三层都是比较基础的低度学习,以二分算法为例:

  • knowledge

    知道有二分法的存在

  • understanding

    知道二分法怎么运作,换言之可以解释二分法:二分算法是一个可以有效的检索方法,它可以将原本的 O ( n ) O(n) O(n) 的时间复杂度降为 O ( l o g n ) O(logn) O(logn),以提供的 input 是数组为例:

    可以实现二分搜索的基础需求为:数组必须是有序排序的

    实现方法为:设置一个搜索范围,其起始点以 l l l 代表,终点以 r r r 代表,每次搜索时获取下标为 ( l + r ) / 2 (l+r)/2 (l+r)/2 的数据,通过对比该数据与要搜索的数据可以判断要检索的数据坐落的区间是在 [ l , . . . ( l + r ) / 2 ) [l, ... (l+r)/2) [l,...(l+r)/2) 还是 ( ( l + r ) / 2 , . . . r ] ((l+r)/2, ... r] ((l+r)/2,...r],从而选择下一个搜索区间,知道 l l l r r r 相遇,或是找到检索的值

  • application

    其应用可以为从一串文件中检索需要找的文件名

  • analysis

    分析二分发的效率、对比二分法的其他变种,比如说 LC 上二分法的变种题

  • synthesis

    通过二分法,可以生成自己的另一个算法,或是二分法解体的模板

  • evaluation

    判断一道题是否可以用二分法解,二分法是否为最优解

我自己也处在前三点,也就是低度学习的范畴中,一旦出现了二分法的变种题,就脑袋宕机了。但是也可以看到,确实只有掌握到了高度学习的范畴中,才能够有效地解决大部分的问题,而不是机械性的 cv 的范畴。

以交错学习来说,它是一个有效能够达到 analysis,甚至是 synthesis 和 evaluation 的阶段,毕竟说在这个阶段,不仅仅是复述一些概念性的东西,而是要将其构建成一个有效的知识网络,记在自己的闹脑中

只是重复性学习的问题其实很大,比如说好像谁都用过的遗忘曲线背单词:

day新内容复习内容
1list1-2list1-2
2list3-4list1-2, list3-4
3list5-6list3-4, list5-6
4list7-8list1-2, list5-6, list7-8
5list9-10list3-4, list7-8, list9-10
6list11-12list5-6, list9-10, list11-12
7list13-14list7-8, list11-12, list13-14
8list15-16list1-2, list9-10, list13-14, list15-16

假设背一个 list 要 30 分钟,那么耗时如下:

day新内容复习内容耗时
1list1-2list1-22
2list3-4list1-2, list3-43
3list5-6list3-4, list5-63
4list7-8list1-2, list5-6, list7-84
5list9-10list3-4, list7-8, list9-104
6list11-12list5-6, list9-10, list11-124
7list13-14list7-8, list11-12, list13-144
8list15-16list1-2, list9-10, list13-14, list15-165

这还只是一个比较简单的记忆曲线实现方法,其他的还有包括将不记得的单词重新放回到需要复习的内容中。

假设将背单词视为英文一个学科,另外还有语文、数学与其他的副科,这个情况下,势必在遇到期中或是接近期末的时候遇到要学的东西越来越多,学习的时间不够,压缩到了睡眠时间的恶性循环。甚至是不睡觉都没有办法完成既定的目标——如英文个科目的学习就要 5 小时了,再加上语文、数学、生物、政治、地理等,所有的科目累加势必超过 15 小时,抛去睡觉和上课的时间,每个人多出来的时间都没有 15 小时……

所以这个时候,比需要添加除了机械性重复之外的其他学习方法以增强效率,减少花费在学习的时间

如果只是想保持中间值的程度,其实我觉得大多数人不会碰到这个问题。但是如果想变成 top1,或是某些特别专业:

在这里插入图片描述

掌握一个更有效的学习体系势必比单独机械性的重复更重要

MM

MM 其实也提及了上面一部分关于学习的部分,这里等到后面的笔记会详说,这里简单概述一下:

  • 将短期记忆视作 RAM

  • 将长期记忆视作 ROM

  • 将每一个可获取的单独信息都视作 address

    这里主要还是回归到高度学习,也就是 analysis 的部分,怎么将一段信息提炼成一个个关键词,并且建立起关联,而这个部分不动脑是完全没有办法实现的

  • 通过 address 获取 RAM/ROM 中的信息

    我觉得一个可以用的例子大概是金庸的书吧,一下子列举出所有金庸的书对于大多数非铁杆书迷都是很难的一件事情,但是如果依照金庸自己写的对联:

    飞雪连天射白鹿,笑书神侠倚碧鸳

    但凡看过这些书或者电视剧的,应该都能过有效连接。有的时候其实并不是脑中没有存储的知识,而是缺少对应能够获取知识的地址。换言之,我觉得从大脑中读取信息有点像双向链表(或者是图?毕竟是个 network)+哈希表 (LRU cache……?)的结构,address 之间是可以建立关联的,知道 address 从脑中获取信息大抵是 O ( 1 ) O(1) O(1) 的时间复杂度

    如果既不知道 address,又不知道与其关联的 node,则这部分信息就可以算是

    回归到上一点学习的部分,将 RAM 中的信息存储到 ROM 的信息这一部分势必还是会要涉及到大量的回溯与关联

    个人觉得,用得越多,建立的关联越深刻,信息就会更深的刻印在 ROM 的部分。

LC

稍微倦怠了一些,确实花了大量的时间在学习上,因此 LC 只是完成了两个 session 的复习+周赛(当然不会有特别大的进步啦),以及整理的一些笔记

运动

本周的增量幅度和上周好像差不太多,当然,百分比肯定会下降,毕竟本来 20 + 5 20+5 20+5 100 + 5 100+5 100+5 两个百分比肯定会不一样。

不过下周应该不会有增量,或者不多。本周的动作做起来有些的吃力,因此下周的计划就是巩固新突破的重量。

十一月月初开始下一轮的 cut,希望能够维持目前的重量 w

这篇关于2023 年 42 周 - 学习 倦怠期回顾的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/267136

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件