作者講的「快速學習法」，其本質上應該就是我先前做過重點摘要的「費曼學習法」，想要教授一樣技能或技術給他人時，自己就要徹底理解問題或技術的本質，然後收集相關的資料，用自己的話重新詮釋問題及解決方式。
在這個過程中，就能把知識轉化為自身的理解，從而跟自己的知識樹相連接，存在腦海深處變成本能。
但是，如何針對不熟悉的領域收集學習資源，並擬定學習計畫，這點倒是我一直覺得應該在每個人的學生時期該建立的能力，高等教育應當賦予學生這種「軟實力」，它可以讓終身學習成真。
「80/20 法則」倒是提醒我一件重要的事，或許下次在授課時，可以把不同課程的內容，但有相關性的 「20% 關鍵內容」整併在一起，讓學生快速吸收並實作應用；如果他們後續想再學習剩下的 80% 內容，可以自行去修習完整的課程，這時會更有方向。
作者也點明了為何「做中學」重要的原因，從過程中去觀察及了解那 20% 的內容是甚麼，然後快速學習到可以應用該技能的程度。
關於程式設計的部份，我倒是比較驚訝 C# 這個語言已經壯大到如此程度，而且看其趨勢有成為跨平台設計的主流，這在當初接觸 C# 時完全想像不到。
如果它後續再把 Linux 的 GUI 介面開發都拉進來，或許真能大幅度降低在不同作業系統間的應用程式開發門檻。
現代軟體開發確實很重視函式庫的應用，跟堆疊積木一樣，積木種類越多，就越能堆出開發者想要的形狀。
因此，該程式語言除了語言特性外，就是背後有多少函式庫資源至關重要，最好還要有廣大的開發者社群支持。
關於這點，如果是要驗證跟課程學習我推薦 Python，它在好幾個領域都有相關的函式庫支持，重點是語法容易學習上手快，也滿適合學校在教授理論課程時，讓學生同步實作，驗證該理論的想法，如人工智慧、影像處理、機器學習、數值計算等相關課程。
最後，針對學習的動機，要想辦法規劃或設計自己「需要應用一項技術，有實際的理由學習」；這部分可以參考先前摘要過的「原子習慣」，如何創造一個適合學習新技術的環境，讓自己養成新習慣，這樣能讓整個學習過程更自然，不需要過度強調毅力的重要性。
以下是本章節的重點摘要：
請把技術能力想成是一趟「旅程」，而非終點。
請參考作者的「十步驟快速學習法」，以下介紹基本流程：
對你學習的內容和學習的範圍有良好的理解，你需要一個「目標」來衡量自己是否已經學會；有太多人開始學習某件事情，卻沒辦法確認自己是否成功。
收集學習資源，並創造實際的學習計畫。
學習足以起步的知識，然後實作看看，回答實作過程中所遇到的任何問題，焦點放在「做中學」。
利用與生俱來的好奇心驅動學習的動力，先自己實際動手玩，再回頭閱讀和學習主題有關的文字資料或消化學習內容。
藉由腦海中浮現的問題和一些實際經驗，自然而然就會引導你找出「真正的重點」。
把你所學到的知識再教給其他人，透過這一步，所學到的知識將轉變為理解；任何想快速學習的事物上，都可以用以上的流程進行。
除非你動手實作這些技術能力或利用它們解決問題，不然只會對它們有表面的了解。
如果你對這項技能沒有立即的需求，甚至會懷疑自己是否需要學習，但如果立刻「需要應用一項技術，有實際的理由學習，那麼學起來就會更輕鬆自在」。
如果你不知道自己的問題是甚麼，Google / ChatGPT 也幫不了你。
要先了解學習的特定技術範圍在哪，大致了解這個技術能做到哪些事。
程式語言一定都會有的標準內容「各種函式庫」，知道能利用這些函式庫做甚麼，以及這些函式庫所包含的範圍。
先了解整個程式語言的情況，而非深入細節，等需要學習這項知識時，會知道該從哪裡尋找資訊。
生活裡的一切幾乎都會落入 80/20 法則，學習一項技術能力，關鍵是找出那 20% 內容。
許多書籍、甚至是教學課程都寫得像參考手冊，並不會特別強調某項技術裡的 20% 內容是一定要知道的重要知識。
透過工作訓練技能特別有效率，是因為可以從工作過程中了解那 20% 的內容是甚麼，學 20% 的內容就能處理 80% 的工作，這就是為什麼實作如此重要的原因。
聽某些專家對某個主題的看法，就能獲得「深入的見解」，而這些見解是你無力靠自己的力量匯聚而成。
研究專家們如何在現實世界中應用這些技能，並對該技術能力之錯綜複雜的部份，提出哪些相關的問題和論點，就能更深入理解一項技術能力。
做中學是非常重要的技巧，你需要一個實際的學習計畫和一個清楚的目標。
「實踐是檢驗是否學習得當的唯一方法」，要投入時間大量實踐，才能有效率的學習新的技能。
現今的程式設計是在更高階的環境下完成，相較於程式語言本身的特性，設計程式時更常利用函式庫和架構。
學習不同的程式語言，要考量它能否適應不同的情況和技術；現今幾乎所有平台都支援 C#，所以它是一項適應性極高的語言；可以用 C# 寫 Windows、Linux 和 Mac 應用程式，也可以拿來寫 Android 和 iOS 應用程式。
沒有留言:
張貼留言