我们长大后会努力做到正确，并因获得回报而感到自在。 还记得我们在小学时会得到的那些快速数学表吗？ 您因快速完成非常简单的数学而获得奖励。 因练习速度快于学习较新的较硬材料而获得奖励。 我显然学习了新材料，否则将永远不会取得进展，但是始终呆在自己的渐进学习舒适带中，我总是会感到很荣幸。 我们总是向上发展，而不是从一个艰苦的概念开始而下潜。 这种学习方式在我们的一生中一直被使用到成年，并且我们习惯了从轻松和舒适开始，摆脱了看似困难，不舒服的问题。
我爱数学-抽象代数，群论和组合数学对我来说是非常有趣的话题，但是我敢打赌您对我的第一个反应是说“我爱数学”，即“他一定要擅长数学”。 不是这种情况。 老实说，我为此付出了很多努力。 这是一个很难解决的复杂话题，在很多情况下，我在这些话题上花费的时间比许多同龄人都要长。 但是我真的很喜欢数学。 正是这个令人难以置信的主题不断扩展其知识，它在软件开发方面为我提供了支持，但最重要的是我喜欢它，因为它使我感到不舒服。
困难的话题不应具有威慑力。 困难应该是一个吸引力。 某些困难的事情意味着您还需要学习很多核心知识。 需要剥离许多层才能了解它。 在撰写本文时，我正在经历的一个示例是学习Google开发的名为TensorFlow的机器学习API。 现在对我来说，我不想只是学习如何使用此特定的API，我需要了解它的根源，即机器学习。 我将TensorFlow搁置，直到我在机器学习方面有了一定基础为止。 我开始阅读Ian Goodfellow，Yoshua Bengio和Aaron Courville编写的名为“深度学习”的教科书。 在阅读本书时，我发现我对统计学的知识（机器学习中广泛使用的一个概念）太缺乏我的喜好，尤其是贝叶斯统计学。 我将机器学习放到了燃烧器上，直到我对贝叶斯统计知识有了足够的了解，所以现在我正在阅读约翰·K·克鲁斯凯（John K. Kruschke）的一本名为“做贝叶斯数据分析”的教科书。
- Q访谈：Marty Alvarado和Joel Vargas在James Irvine基金会的“链接学习区域卓越中心”计划中讨论了系统领导力的发展
- 第1部分：目标设定-自我竞争的工具
- 教育思想
- 如何学习武术
- 科莱马克的八天
ew。 从我自己的例子中，我希望人们借鉴我想传达的核心思想。 较难的话题比容易的话题具有更深的学习深度，并立即为您提供目标。 不要一开始就轻易起步。 利用那些很难的东西，因为它们是建立在以前的知识上的，这些知识已经与您感兴趣的东西建立了链接。如果您想学习编程，请从选择一个可以改善您生活的项目开始。某种方式。 自动执行您的工作流程，摆脱您的工作用作数据库的45mb excel电子表格（为什么？！）。 从那里找到导致该问题的所有分支，并跟踪它们。 想学习数学吗？ 别再回避大学里那些刻苦的课程，学习，让他们踢屁股。
真正善于失败-每次到那里都要学会更好地失败。
不过有一件事情太难了 。 例如，如果您是全新的程序员，也许最好不要尝试重新创建Google搜索引擎。 原因是在某处树变得很高，以至于您看不到顶部，而潜水得如此之深，以至于您找不到去向。 话虽这么说，这有时是很好的-如果您的目标是为了学习而学习，那么天哪，那就看看重新创建Google Search会发生什么，并迷失于可能产生的知识中。
舒适感导致对失败的恐惧，这种失败会扼杀创新和学习。 不要做任何事情，因为您已经习惯了这样做。 谁知道您可能有一个从未表达过或从未想到过的想法，全都是因为您努力地研究了坚韧不拔的坚硬部分。
该语言中最具破坏性的短语是“我们一直都这样！”
—海军上将格雷斯·默里·霍珀
感谢所有花时间阅读这篇文章的人，
瑞安
PS：假期减少了我的时间，所以这篇文章比我通常希望的短！
