AIU人工智能学院：数据科学、人工智能从业者的在线学院。

数据科学（Python/R/Julia）数据分析、机器学习、深度学习

作者 | PRESSone
来源 | 怀左同学

先给你讲个故事，看看你有没有类似的经历。有一天，你去参加同学聚会，和老友们举杯畅谈，他们告诉你，不学编程就要 out 了，从全球趋势来看，编程这把火已经烧了很多年。英国早从 2014 年 9 月起，就规定 5-16 岁的学生都必须学习编程，苹果 CEO 库克表示全世界各地都应该开设编程课程。回到家中，你辗转反侧，觉得自己跟不上时代潮流，扼腕叹息：“廉颇老矣，尚能饭否？”焦虑之余，你开始疯狂搜索编程，百度、知乎、搜狗，你方唱罢我登场。一顿操作之后，你的嘴里念念有词：“Wow，会编程的人好酷，牛逼，都是大神。”感叹之余，你觉得不能纸上谈兵，临渊羡鱼，不如退而织网。

于是乎，你开始了自学编程之路。

听人说，算法是编程的核心，学好算法可以一招鲜，吃遍天。别人说在嘴里，你听在心里，马上买了一本《算法导论》，打算死磕算法。你没日没夜的攻读，‘算法基础’那一小章，你鼓捣了大半个月，还是云里来雾里去的。然而，心高气傲的你是不会屈服于‘算法基础’这只拦路虎的，你开始逛各种论坛，CSDN、博客园、简书、知乎都在你的常逛 list 上。你充分利用一切碎片时间，上地铁刷一下，吃饭时刷一下，睡前刷一下，刷得不亦乐乎，刷不完的果断收藏。

等到收藏超过100篇未读的时候，你终于发现收藏=永不再读，这让你沮丧。

更让你沮丧的是，你买的那本《算法导论》已经在书架上躺了好久。为了弄懂‘算法基础’，你把《算法导论》打入了冷宫。比这更残酷的是，从你信誓旦旦说要学编程以来，你连一行代码都没敲过，一个程序都没跑起来。你越来越焦虑，终于有一天，你彻底崩溃了，自怨自艾道：“老子骨子里就是个文科生，赶什么时髦？学什么编程？学来学去老是做无用功有意思吗？安安静静地写文章不好吗？”写文章的人不一定学不了编程，作家王小波就是中国早期程序员，曾经自己编了一套DOS下的独立输入法。真正阻止你学编程的也不是深奥的算法，而是你错误的学习方法。自学编程不等于做无用功，盲目、焦虑地自学才是。读到这里，你肯定满脸疑惑：“我到底哪里做错了？”

首先，自学的初衷不是焦虑、盲目，而是解决问题。

李小龙当年刚回香港，在《欢乐今宵》上节目，节目组请来了一名拳师，想考验他能不能推到对方。拳师也摆好架子等他来推，结果李小龙一拳打在对方脸上。李小龙想表达的是：在真实的实战中，没有人会等你摆好架势，只冲着你规定的地方打过来。学习也是同样的道理。在真实生活中，环境和知识都一直在动态变化中，你不可能像学校里一样，系统的学好、学完一门知识，然后坐在教室等着不超纲的考试。

大部分时间，生活会先给你一个考试，然后你根据问题，自己找出关键词，开始学习。所以，学习的起点不是某人在酒桌上蜻蜓点水的一句话，也不是某人在朋友圈晒的一本书、推荐的一篇微信文章、更不是这个行业的一个经典教材引发你的焦虑，而应该是你真实遇到的一个问题。遇到问题，动手写，犯错、改正，再犯错、再改正，这是学编程最重要的过程。其次，自学尤其是自学编程往往不是线性的。

我们从小到大在学校学习，都有一本教科书，往往按着预习、听讲、练习、复习的路径学习，所有的教材也如出一辙：每个章节所涉及的知识点之间，全都是线性关联，第一章学好了，才有基础学第二章。而社会的知识结构不仅不是这样的，而且几乎全都不是这样的。

工作中、生活里充满了各式各样的“提前引用”，即想要理解当前的知识点，需要依赖你未来才能理解的某个或某些知识点。如果还是按照校园时代的线性思维来学习的话，很有可能就像故事中的主人公一样，最终学不下去。拿编程来说，动不动啃《算法导论》的人，要不是有很深厚的数学基础，肯定吃不消。

生活很少教我们按部就班，它给我们的测试往往是超纲的，这就要求我们不断更新和迭代。互联网的发展给我们带来的最大启发就是迭代，从门户到搜索，从搜索到移动互联，从简单的网页交互，到如今热闹的小视频社交，技术和生态一直在更新和迭代。

同样，自学也是一个不断更新和迭代的过程。编程是一门活到老、学到老的手艺，有些很抽象的概念，一开始看不懂没关系，先脑子里有个大概的印象，然后依葫芦画瓢写几段代码，自己动手实践，写完之后再总结、归纳、整理、组织相关的知识点，实战经验多了，再回头来看最初的难点，你自然能够豁然开朗。

比如说 python 中的 return，很多初学 python 的人，对 return 疑惑不已，字面上是返回，那它到底返回什么，又返回到哪里呢？有人可能会给你解释：“return 语句就是将结果返回到调用的地方，并把程序控制权一起返回。”对于初学者来说，这个解释也不好理解。

没事，先实践起来。

拿下面这四行代码来说，你可以想象你开了一家工厂，雇佣工人来干活，这个工人（worker）在你的指导下，用a、b、 c 三个材料，装配出了 x 和 y 两个成品。但是程序里的装配和工厂不同，用过的材料不会消失。这样，这个工人手里就有了a、b、c、x、y五样物品。他怎么知道你要的是哪个呢？

所以 return 的作用就是，在这种时候告诉工人你到底想要什么东西，是一个iPhone 手机壳还是整台 iPhone。毫无疑问，return x 和 return y 是完全不一样的结果。return x 是当你让这个工人帮你干活时（调用函数），他最后会把产成品x交到你手上，而当你输入return y 的时候，干活的工人会把产成品 y 给你。

举个例子，worker(1,2,3)，return x 的结果为1+2=3，return y 的结果为（1+2）*3=9。这样实践一下，你对于return是不是有了更深的理解?def worker(a, b, c): x = a + b y = x * c return y看完我的分析，蓦然回首，你是不是觉得道路明朗了许多，你肯定很想问：怎样自学才高效呢？在自学过程中，有个方法特别管用，就是用输出倒逼输入，你逛论坛、刷文章、看视频教程都没问题，关键是要有输出，光有输入可是不行的。而最好的输出就是实践，把自己听到的、看到的、读到的，转化为你独立编写的一个个程序，岂不妙哉？

文章开头故事里的主人公就陷入了盲目输入，却无输出的泥潭。他的输入表面上看上去渠道很多元化，然而这些输入并没有带来有效的输出。还有一个很多人都不知道的点，你的输入很有可能是制约你进步的紧箍咒。

输入也是有讲究的，盲目输入会带来信息超载。全世界每天有 4000 本书出版，超过 4 亿个字；纽约时报一天的文字量等于牛顿同时代的人一生的阅读量；一个专业领域，每天大概有有近4000篇文章正在产生。就算你火力全开，疯狂地输入相关知识，也还是难免有漏网之鱼。

而且，在茫茫的信息汪洋中，信息质量参差不齐，保不准你输入的就是一些边角料，反而让你裹足不前。这儿分享桥水（全球著名对冲基金）创始人瑞.达利欧在《原则》一书中阐述的观点：“正确的决策很多时候需要依赖可信度加权。”学习同样也需要可信度加权，不是所有的资料都全盘接收，而是有选择的相信，用老祖宗的话来说，要取其精华，弃其糟粕。信息爆炸时代，最重要的不是增加信息，而是筛选和删除信息。除此之外，要勇于跳出舒适区，刻意练习。

刻意练习这个概念由美国心理学家安德烈.艾莉克森博士提出，即有目的的学习，指的是把要学习的内容分成有针对性的小块，对每个小块进行重复练习。在武术训练中，非常强调分解练习。

首先你要把整套动作过一遍，看教练是怎么做的。然后把它分解为多个动作，每个动作分解为多个步骤，一个一个地练习。在这种训练中，动作一定要慢，只有慢下来才能感知动作的内部结构，注意到自己的错误。画家要采风、棋手要打谱、律师要学习案例、政客要读历史、科学家要看论文、马拉松运动员每周至少要累计150公里的跑量。

大部分的学习都不是一蹴而就的，往往是练习-反馈-练习-反馈-练习-反馈-学成。刻意练习的关键是随时获得有效的反馈。拿自学编程来说，这是一个很容易获得反馈的领域，当你写的程序跑不起来时，意味着你要 debug，你得把你写的代码分成一小段一小段，逐句检查，直到找出 bug。当然，鼓吹刻苦的鸡汤想必大家都喝腻了。事实是，很多人即使整天坐在书桌前埋头苦学，时长达到甚至远超学霸，实际效果却远远达不到学霸的水平。问题的关键在于你的思维和学习方法，在于你的学习时间是否得到了高效利用，是否能通过高效学习把知识转化为你真正的实力。

只是如果你注意力涣散，身在书桌前，神游天地间；如果你好不容易学完了，转眼又忘得一干二净；如果你写了很多代码却不会举一反三，同一个知识点换了个问法又被难住了；如果你对于你所学习的领域缺乏好奇心和探索精神，只是当一天和尚，敲一天钟，没有刻意练习。那么，花费再多的时间，又有什么成效呢？

扪心自问一下，你上一次坐下来长时间专注于学习，是什么时候呢？

似乎这件事变得越来越难以做到，因为我们的生活已经有太多的干扰：必须要点的微博、朋友圈点赞、支付宝蚂蚁森林收能量……诱惑源源不断，切割了我们在学习上的很多可能性。我们接受了太多无效输入，自然也不会产生高效的输出。读到这，你可能又要问我了：“该怎么办才好呢？”比起一味地延长学习时间，更‘刻意’地学习更重要。

学习从来都不是一个阶段的事，更不是一件轻松的事，但是我们可以优化我们的学习路径，比如给自己创造一个干扰项少的学习环境。拿自学编程来说，你需要的就是一台电脑。在学习的时候，你最好离手机远一点，并关掉电脑版微信、QQ和一些乱七八糟的应用。不过，自学之路从来都不是轻松的，这也才显得它的专业性和独特性。愿你学成归来，已然成了一名大神！

关注“AIU人工智能实验室”，回复“录播”获取更多人工智能精选直播视频！

完 谢谢观看