待办:20070809马上需要搞清楚的几个问题

本文探讨了提高学习效率的多种策略,包括如何从他人经验中学习、如何清晰地定义问题及解决方案、保持专注的方法以及如何避免思维混乱等。文章还讨论了如何在大量信息中筛选有价值的内容,并提出了一套解决问题的步骤。

1 怎么获取别人的经验.  目的 方法

2 困惑是不是说明存在问题,是否应该思考困惑的原因及存在问题.

3 怎么提出问题?? 是什么 怎么解决 解决过程控制 解决的效果(检验) 

4 怎么让自己时刻清醒的知道,现在在干什么?

 5 提问题的时候愿意延伸问题的毛病怎么解决?

6 想法老是变不成可以实施计划的原因?

7 如何在多个解决办法中选择? 相对好?

8 为什么思维会混乱? (没有方法?不明确目标?)

 

 

--------------------------

解决以上的问题是不是就可以 在csdn上看帖子学习有效果(大信息量中如何让自己不混乱).

                                                      通过看别人的经验,确定自己的方向和实施计划.

                                                      计划如何有续执行.

 是不是应该把问题都记录下来,分析必要性、紧迫性,然后逐个解决.()

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值