算法训练营longyue助教的学习经验schrodingercatss

首期算法训练营结束了,因个人原因未能参加线下结营仪式,深表遗憾!

但我不怕,只要能帮到人,我就非常开心!

过度准备

经历描述

第一次学习《数据结构》时,我做了如下几件事:

细心的你也许已经发现了,除了“学”其他的我都做了!

先别笑,也许在这件事上你与我不同,其他事呢?想想看,比如健身:

你是否除了“健身”,其他的也都做了?我们不一样?

后文不再做此种类比,请读者自行抽象、泛化思考

经验总结

个人建议

我不想一开始就丢给你一本TAOCP/CLRS,让你崇拜、羡慕,然后......你就没有然后,直接放弃了!

我相信当年丢给我TAOCP/CLRS的人他们的出发点是好的,但这真不适合当时的我!

下面给出学习《数据结构》时的“恰当准备”:

针对人群零基础小白下文均如此

别再问后续学什么?《XXX》《YYY》书要不要看呢?......

同理,请放下手机、离开电脑/Pad,舒展一下身体吧!

练练深蹲、踢腿、仰卧起坐、俯卧撑等徒手健身项目。

如果你觉得上述运动不能满足你,再考虑健身房等后续事宜吧!

忽视现实

理想很丰满,现实很骨感

第二次学习《数据结构》时,我做了如下几件事:

这一次我有了进步——开始真正“学”了,但其他问题又出现了。

你认为照着上面的描述来学邓公的《数据结构》你能坚持多久?

我现在倒是能理解当初自己的状态,毕竟碰到好老师、好书不容易!

无论从写字、课件、讲课再到讨论区答疑,能够做到如此细致、精致、严谨的真不多!

难免会产生“我也想像向他一样”的想法!

问题就是问题,我不喜欢逃避,我选择面对!

有很多成语能够形容出现的问题,比如好高骛远、急于求成、急功近利......

但我觉得这都是表象,其本质是忽视现实!

我认真地回顾了一下,发现自己忽视了如下现实情况:

你也可照此分析一下你自己!

当我认清自己的实际情况后,我反倒轻松多了,学习效率也高了!

《数据结构》的学习并非一蹴而就的,更像是一个迭代的过程,整理如下:

请根据上面的“经验总结”制定计划、目标及你自己的需求来选择进入哪次迭代。

完美主义

吾生也有涯,而知也无涯。以有涯随无涯,殆已!

有了良好的《数据结构》基础后,确实加快了我学习《算法设计》的脚步。

学习《数据结构》的经验教训,也让我在学习《算法设计》时少走了弯路。

即便如此我仍在不知不觉中落入了“完美主义”陷阱中:

深陷泥潭中甚至让我忘了学习《数据结构》时获得的经验。

好在读了一些心理读物,及时醒悟、吸取教训才回到正轨。

先给出学习《算法设计》的书籍列表:

请注意:

事倍功半

Learningbydoing做中学

我花了很大气力学习,但都事倍功半!

我想找到效率更高的学习方法,于是我开始浏览美国计算机四大名校的课程网站。

经过一番研究,自学几门课程后,我发现了他们的教学套路:

由此“套路”总结出另一种学习方法——“迭代学习”法:

即使现在回头看,我也不能说第一种学习方法有错,“迭代”学习法更好!

但这两种学习方法都是以同一个核心为基础的——动手做,做中学!

你可以都尝试一下,然后选取自己喜欢、又高效的学习方法!

学习《算法设计》在借鉴学习《数据结构》的经验的同时,

需要做适当调整——在每次大迭代中应用“迭代”学习法:

我可能给出了一个“馊主意”,这样做会引发一些问题:

尽管不完美但比起那些徘徊在门口、转身离开的人,你已进入“算法设计”的大门!

这难道不值得高兴吗?

感谢

欢迎转载、节选等,请保留如下字样:

————节选/转载自学堂在线首期清华算法训练营学员助教longyue0521

THE END
1.算法训练平台猜你喜欢:算法训练平台将模型部署成数据集,同时管理,将模型管理和开发的算法提供模型管理,用户部署上线流程。前提条件已在ModelArts中创建可用的数据集,并已将用于训练的数据上传至OBS目录。已在OBS创建至少1个空的文件夹,用于存储训练输出的内容。由于训练作业运行需消耗资源,确保帐户未欠费。确保您使用的OBS目录与Modelhttps://www.huaweicloud.com/zhishi/edits-17561326.html
2.算法训练营(17.3GB)百度网盘资源下载第01课丨01数据结构与算法总览.docx- 14KB 第20课丨3字符串匹配算法.docx- 14KB 第20课丨2高级字符串算法.mp4- 1.0GB 第01课丨01数据结构与算法总览.mp4- 542.8MB 第20课丨3字符串匹配算法.mp4- 515.2MB 文件大小:16.1GB 算法训练营.极客时间 https://www.iizhi.cn/resource/detail/0f7f7c53304b45f78b806a986c3c4957
3.极客时间训练营算法训练营将通过录播、直播的形式进行教学,课时共 10 周,总时长约 40+ 小时;同时我们会通过直播答疑、助教答疑、随堂自测、阶段考试、不定期分享等帮你巩固学习。 Q:课程学完后能到什么水平? 课程以帮助顺利通过大厂算法面试为目标。 Q:直播是否有回看? 直播的录播视频会上传到学习平台方便大家回看,但为了更好https://u.geekbang.org/subject/algorithm3rd
4.AI入门指南(二):算法训练模型大模型是什么?人工智能(AI)已经成为现代科技的热门话题,但对于刚接触这个领域的人来说,其中的一些基本概念可能会感到困惑。本文将带你了解AI的几个关键概念:算法、模型、训练和大模型,并通过生活中的例子和实际应用来深入浅出地解释这些概念。 二、算法是什么? 概念 https://blog.csdn.net/weixin_41076816/article/details/141178706
5.训练神经网络的五大算法互联网下图是Levenberg-Marquardt算法训练过程的流程图。第一步计算损失值、梯度和近似海森矩阵。然后衰减参数和衰减系数。 由于Levenberg-Marquardt算法主要针对平方和误差类的损失函数。因此,在训练这类误差的神经网络模型时速度非常快。但是这个算法也有一些缺点。首先,它不适用于其它类型的损失函数。而且,它也不兼容正则项。最https://www.iteye.com/news/31902
6.程序员进阶之算法练习(十一)有感而发而在这个集体中生活,几年下来所累积的收获,绝不仅仅是和道友们在算法训练上的相互交流、扶持。(更何况大家都是靠自学,一起训练的意义主要还是为了制造竞争的氛围) 更多的是在三观上的互相影响,价值取向上的彼此升华。 和这样一群有趣的人在一起,也并不会觉得万般皆下品,唯有ACM最高。相反,作为一群平日里更喜https://www.jianshu.com/p/ee39c9c9158b
7.最新训练神经网络的五大算法腾讯云开发者社区神经网络模型的每一类学习过程通常被归纳为一种训练算法。训练的算法有很多,它们的特点和性能各不相同。 问题的抽象 人们把神经网络的学习过程转化为求损失函数f的最小值问题。一般来说,损失函数包括误差项和正则项两部分。误差项衡量神经网络模型在训练数据集上的拟合程度,而正则项则是控制模型的复杂程度,防止出现过https://cloud.tencent.com/developer/article/1090593
8.算法竞赛入门经典.训练指南.pdf大小:14.74 MB 字数:约小于1千字 发布时间:2018-11-21发布于陕西 浏览人气:782 下载次数:仅上传者可见 收藏次数:0 需要金币:*** 金币(10金币=人民币1元) 算法竞赛入门经典.训练指南.pdf 关闭预览 想预览更多内容,点击免费在线预览全文 免费在线预览全文 https://max.book118.com/html/2018/1119/6212152215001231.shtm
9.深度学习高手笔记卷1:基础算法第二篇主要介绍深度学习在自然语言处理方向的重要突破,主要介绍几个基础序列模型,如LSTM、注意力机制、Transformer等(第4章),以及近年来以BERT为代表的10余个预训练语言模型(第5章)。第三篇(第6章)将介绍模型优化的经典策略,分为两个方向,一个方向是Dropout及其衍生算法,另一个方向是以批归一化、层归一化为代表https://www.epubit.com/bookDetails?id=UB7d8623610d375
10.算法训练营(进阶篇)《算法训练营(进阶篇)》是2021年4月电子工业出版社出版的图书,作者是陈小玉。作品简介 本书以海量图解的形式,详细讲解常用的数据结构与算法,并结合竞赛实例引导读者进行刷题实战。通过对本书的学习,读者可掌握22种高级数据结构、7种动态规划算法、5种动态规划优化技巧,以及5种网络流算法,并熟练应用各种算法解决https://baike.baidu.com/item/%E7%AE%97%E6%B3%95%E8%AE%AD%E7%BB%83%E8%90%A5%EF%BC%88%E8%BF%9B%E9%98%B6%E7%AF%87%EF%BC%89/58546416