学习别跟我谈兴趣 No.88

2024-05-15 08:38
文章标签 学习 兴趣 no.88 别跟我

本文主要是介绍学习别跟我谈兴趣 No.88,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!

许岑老师说:学习别跟我谈什么兴趣,成年人学习不需要兴趣。

听了很多人在吐槽,现在所做的东西有多么不开心,有多么不喜欢,但还是每天两点一线,每天都一模一样机械地去上班,在公司机械式地做着机械的工作。所以有很多人毕业了十年,也工作了十年,但是只有一年的工作经验。

为什么?

因为他们只有第一年的时候在学习如何适应工作,如何提高工作效率,如何与同事沟通。以至于后面的九年都在用第一年积累的经验以及所学习到的技能。

其实不仅仅是已经毕业了很久的人,甚至有很多未毕业的娃,都在说我不喜欢什么不喜欢什么,但是你要是问他们"那你们喜欢什么",估计他们也说不出个甲乙丙丁。

这种现象为什么会出现?

在《原则》中 Ray Dalio 说,很多时候人们都把欲望跟目标混淆了。比如读书,身体的第一层响应是难受,但是第二层响应往往是豁然开朗,第三层响应往往是底蕴深厚。比如健身,身体的第一层响应是酸痛,但是第二层响应往往是体型改善,第三层响应往往是身体稍微健康一些。但是绝大多数人会被第一层响应给吸引过去,我们称为欲望,而往往忘记了更深层次的响应,我们也称为目标。我们都是希望能底蕴深厚,都希望能身体健康,但是还是会被欲望给覆盖掉,怎么办呢?

许岑老师说:成年人是靠任务驱动的。

什么叫任务驱动?就是我干这件事是有我要解决的问题的,我是奔着我的目标去的。现在很多 App 很多产品都提倡利用你的碎片化时间,所以你就扑腾扑腾不断跑来跑去捡了很多的树枝,后来发现自己的院子里堆满了树枝,而想象中的参天大树毫无踪迹。碎片化时间的基础是,你要有自己强壮的主干,慢慢去吸收阳光吸收养料,碎片化地成长树叶和树枝,这样子你才有成为参天大树的可能,否则就只是在院子里堆满树枝了。

以我自己为例子,我从来没觉得我好像很喜欢大数据,机器学习,知识图谱,分布式系统这些单个的技术,我只是培养了自己学习的能力。我几乎能在一两周的时间内熟悉一个小东西并且搭一个应用把它利用起来,然后把它讲给我的小伙伴们听,如果我的小伙伴们听懂了,他们也可以去创造自己的应用了,这个时候的我对于这项技术也基本都掌握了。所以我的目标是很明确的,我学习这项技术第一是为了完成我手头的事情,第二是为了把它分享给我的小伙伴们,这样子下来,我就有了充足的任务去学习了。

一开始学习 Hadoop 是因为我的一个应用每天会产生 2700 万数据,还要基于它们进行数据分析,我们的 Oracle 明显撑不住了,所以打算把它放到 Hive 里,那怎么从 Oracle 把数据同步到 Hive 中呢?我就学习了 Sqoop , 来作为数据传输的工具。但是 Sqoop 好像只能做一次性传输啊,所以又学习了 Ozzie 定时调度工具。这样一来存储的问题解决了,那计算怎么办?我们又调研了一下 MapReduce ,好像能解决我们的问题,但是速度也太慢了,所以我又学习了一下 Spark 。跑 Spark 的时候经常 OOM,所以又回去学习了 Spark 架构和 yarn 的资源调度模式,以及 Spark 性能调优的各种技巧 。我们要对图谱进行图计算,所以就学习了 GraphX 框架 和 LPA 这个机器学习算法。发现 LPA 不太稳定,就咨询了王婷博士关于社区划分的内容,后面又学习了 GraphX 中 LPA 的源码并改造,顺便学习了其他一系列的机器学习的架构和算法。

你看,事情就是这样,一个任务接着一个任务,技术栈就是这样建立起来的。所以为什么会很多人觉得没兴趣呢?可能只是觉得这件事情可有可无,不成为任务,更不是生存之道。

如果你的处境是这样,你学习没兴趣试试?

640?wx_fmt=jpeg

你说你不知道怎么做,我可以告诉你。首先做好你手头的事情,让它们更优质更快速更有效率完成,然后帮助你的团队伙伴也跟你一样。做到这两样我保证你会有非常不同的感受。

这样做了以后呢,同时保持你的大脑是足够开放的,遇到负反馈就改进,遇到正反馈就要思考是不是真的,能够接受所有的信息。大脑进化了这么久,很喜欢听到赞美,不喜欢看到反对的意见,这是潜意识里基因里决定的,不是大脑能决定的,但是我们人类最大的优势就是我们可以决定不顺从它。

就这样。不多说了。元宵快乐么么哒,留言跟我说一声元宵快乐吧。?

认可才有动力

640?wx_fmt=jpeg

这篇关于学习别跟我谈兴趣 No.88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/991347

相关文章

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

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