滿滿乾貨，bobo老師誠摯分享：鍛煉內功，高效學習，如果有什麼秘訣的話，那就都在這裡了：）

05-01

大家好。我是講師liuyubobobo：）

我的新課程《玩轉數據結構》已經上線了。這是我在慕課網做的第五門實戰課。在這個課程中，我將系統的講解數據結構領域的內容，從最基礎的數組開始，涵蓋數組，棧，隊列，鏈表，二分搜索樹，集合，映射，堆，線段樹，字典樹，並查集，AVL，紅黑樹，哈希表。從初級到進階，讓你成為數據結構的大牛：）

在慕課網做了這麼多實戰課，時間長了，收到了越來越多的同學的問題。除了專業知識上的問題，遇到的最多的問題，就是學習方法方面的問題了。由於我本人不是學習方法的專家，所以不敢輕易說自己的學習方法多麼先進。更重要的是，我不認為有一種固定的「好」的學習方法是適合所有同學。如果存在那樣的方法的話，學習就太簡單了：）由於每個人的背景不同，擅長不同，每個人都有適合自己的不同的學習方法；與此同時，不同的領域，由於其本質不同，學習方法也應該是不同的。我堅信：每個人去尋找適合於自己的學習方法，是每個人一生的話題。別人敘述的所謂的「學習方法」，只能作為參考用。

不過我在慕課網做答疑的過程中，確實看到了很多同學的學習方法，有改進的空間。在這裡，我想簡單總結一些我見過的，認為可能不是那麼得當的學習方法，僅供參考。這篇文章不是一套「如何學習」的理論，而是一些零碎的個人見解。更像是在總結「學習中的那些坑」，不過，在我寫完這篇文章之後，回頭看，我覺得，我自己的高效學習的秘訣，其實都在這篇文章里了：）

新課上線，在這裡，我把這些秘訣毫無保留的向大家分享：）

1）不要完美主義！

我觀察到的大多數同學犯得最最最最大的「錯誤」，就是在學習上「完美主義」。乃至後續很多其他的問題，在我看來都和這個問題是直接相關的。

舉個最經典的例子，也是我經常舉的例子，背英語單詞（在這裡我們先不聊背英語單詞是不是好的英語學習方法，我們只看如果我們想要背英語單詞的話，應該怎麼背）。我發現很多同學拿著紅寶書，第一個list都沒翻過去就放棄了。這是因為每天背完第一個list以後，第二天會發現：第一個list還是有很多單詞沒掌握，然後就繼續背第一個list。然後一周後，發現自己第一個list都搞不定，覺得英語好難，徹底放棄了。這就是「完美主義」：不把第一個list「徹底」掌握不肯繼續前進。這樣是不對的。背了一個list，能多記一個詞，都是進步。就算一個詞都沒記住，模糊有了印象，也是一種進步。我們不應該過度著眼於我們還不夠完美。學習不是要麼0分，要麼100分的。80分是收穫；60分是收穫；20分也是收穫。有收穫最重要。但是因為著眼於自己的不完美，最終放棄了，那就是徹底的0分了。

仔細想，這種「完美主義害死人」的例子特別多。我看到過很多同學，其實是在學習的路上，被自己的「完美主義」逼得「放棄了」——由於學習中有一點沒有做好，遭受到了一點點挫折，最終就放棄了整個學習計劃。每個人都一定要接受自己的不完美。想開一點：我們都不是小升初考了滿分，才能上初中的；也不是中考考了滿分，才能讀高中的；更不是高考考了滿分，才能念大學的；將來也不會是大學所有科目都是滿分，才能出來工作。不完美其實是常態，根本不會影響我們學習更多更深入的內容。但是在自學過程中，很多同學卻要求自己在自己制定的每一步計劃中都達到「完美」，才進行下一步。最終結果，通常都是「放棄」：（

可能有的同學會跳出來反駁我：學習當然要認真啊！在這裡，我必須強調，我所說的「不要完美主義」，和「學習認真」是不衝突的。什麼是「完美主義」，什麼又是「囫圇吞棗」，這是一個「度」，每個人其實不一樣。不要「完美主義」，不代表學習可以草率前行。每個人都必須要找到適合自己的學習節奏。我的經驗是：在一些情況下，問自己一句：是不是自己又犯「完美主義」的毛病了：）

2）不要過度「學習路徑依賴」，學習要衝著自己的目標去。

什麼意思？就是現在信息太發達了，對於大多數領域的知識，網上會有很多所謂的「學習路徑」。我不是說這些學習路徑沒有用，但是不能「過度」依賴這些所謂的學習路徑。

比如，很多同學想學機器學習，大多數學習路徑都會告訴你，機器學習需要數學基礎。於是，很多同學就轉而學習數學去了，非要先把數學學好再去學機器學習。可是發現數學怎麼也學不好（在這裡，可能完美主義的毛病又犯了），而機器學習卻一點兒都沒學。最終放棄了機器學習，非常可惜。其實，如果真正去接觸機器學習，就會發現，至少在入門階段，機器學習對數學的要求沒有那麼高。正因為如此，我一直建議：只要你在本科接觸過高數，線數，概率這些科目的基礎概念，想學機器學習，就去直接學習機器學習。學習過程中發現自己的數學不夠用，再回頭補數學。在這種情況下，數學學習得也更有目標性，其實效果更好。在這裡，我忍不住要打一個我的課程廣告，入門機器學習不妨嘗試我的《Python3入門機器學習》，學過的同學都說好：）

類似這樣的例子還有很多，很多同學想學習做ios app，就先去精通swift語言，或者想做android app，就先去精通java語言。在我看來大可不必。以我的經驗，只要你有一門編譯型語言基礎，大概看一下這些語言的基礎語法，就可以直接上手ios或者android app的開發了。先能做出一個最基本的app，在這個過程中，就會意識到語言特性的意義，再回頭深入研究語言也不遲。此時還能結合真實的開發任務去理解語言特性，比沒有上手app開發，抽象地理解語言特性，有意義的多。

再比如，我的《演算法與數據結構》課程和《玩轉演算法面試》課程，在視頻中都是使用C++進行編碼的。雖然我一再強調對預演算法的學習，語言不重要，但還是有很多同學表示，要先把C++學透，再回來把課程中的演算法學好。這是完全沒必要的。事實上，在我的這兩門課程中，我看到的收穫最大的同學，是那些能夠把課程中的演算法思想理解清楚，然後用自己熟悉的語言去實現的同學：）

依然是：不要「過度」學習路徑依賴，什麼叫「過度」，每個人的標準不一樣。每個人都需要尋找自己的那個「度」。

3）不要迷信權威的「好」教材。

不是說權威教材不好，而是每一本教材都有其預設的讀者群，如果你不在這個預設的讀者群的範疇里，教材再好也沒用。最簡單的例子：再好的高數教材，對於小學生來說，都是一堆廢紙。

我經常舉的一個例子是《演算法導論》。我個人建議如果你是研究生或者博士生，已經有了一定的演算法底子，才應該去閱讀《演算法導論》，我在我的課程的問答區，也談過如何學習使用演算法導論。但是對大多數本科同學，尤其是第一次接觸演算法的同學，《演算法導論》實在不是一個好的教材。但很可惜，很多同學在學習中有上面的兩個毛病，既過度路徑依賴，別人說《演算法導論》好，學習演算法要走學《演算法導論》這個路徑，自己就不探索其他更適合自己的學習路徑了，一頭扎進《演算法導論》里；同時還「完美主義」，對於《演算法導論》的前幾章，學習的事無巨細，但其實接觸了很多在初學演算法時沒必要學習的內容。最後終於覺得自己學不下去了，放棄了對「演算法」整個學科的學習。認為演算法太難了。

誠然，演算法不容易，但是，一上來就抱著《演算法導論》啃，實在是選擇了一條完全沒必要的，更難的，甚至可能是根本走不通的路。對於一個領域的學習，了解市面上有什麼好的教材是必要的，單也不能迷信權威教材。每個人必須要去探索學習如何尋找適合自己的學習材料。

4）不要看不起「薄薄」的「傻」教材，這些你看不起的學習材料，可能是你入門某個領域的關鍵。

很多同學問我最初學習演算法的是什麼教材，我告訴他們是這本教材：《演算法設計與分析基礎》在這裡，我完全沒有推薦這本教材的意思。事實上，現在我有點兒「鄙視」這本教材。因為我在學習它的過程中，發現這本教材有很多錯誤（幫助它糾正錯誤其實也提高了我的水平：）當然，現在這本書的版本可能也和我當時學習的版本不同了，大部分錯誤應該已經糾正了。）但它確實是我的一本很重要的演算法啟蒙教材。關鍵原因是，它夠薄。

在大多數時候，如果有人問我教材推薦，基本上我的回答都是，如果是入門水平：隨便找一本在京東，亞馬遜，豆瓣上，評分不太差的「薄」的教材，就ok了。在這裡，關鍵字是夠「薄」。因為「薄」的教材能讓你以最快的速度看完，對整個學科有一個全盤的認識：這個領域是做什麼的？解決什麼問題了？整體解決問題的思路是怎樣？解決問題的方法大致是怎樣劃分的？一些最基礎的方法具體是怎樣的。這些在初學階段是至關重要！是讓你全盤把握整個領域脈絡的。雖然通過這麼一本薄薄的教材，你的脈絡把握肯定不夠全面細緻，但比沒有強太多！我看過不少同學，一上來學習《演算法導論》，關於複雜度分析的筆記做了好幾頁，然後就放棄了，可是連什麼是動態規劃都不知道。這樣完全沒有對「演算法」這個領域有全面的認識，甚至可以說根本沒有學過「演算法」！先用薄教材入門，再找「厚」教材，細細體會其中的細節，是我百試不爽的學習方法。

另外，在這裡，我還要強調「入門教材」，很多教材雖然夠「薄」，但不是「入門教材」。大家要注意。

5）不要迷信單一教材。

很多同學理解了要找「薄」教材入門的道理，卻還是非要我推薦一本具體的「薄」教材，說實話，很多時候這讓我有點兒哭笑不得。因為我隨便推薦一本，我確實不敢保證它是「最好的」，「最適合你的」，但是各個領域那麼多教材，我又不可能都一一看過，一一比較過。最最重要的是，我的學習經驗告訴我，在大多數情況下，學習不是一本固定教材可以搞定的。非要找到一本「最適合自己的」教材，然後就一頭扎進去，其實是不科學的。我印象很深刻，我讀本科的時候，那會兒申請了一個項目，要做一個網站（那時候服務端都用http://ASP.NET），我一口氣從圖書館借了10本http://ASP.NET的教材，然後以一本最薄的書為主幹去看，發現這本書介紹不清楚的概念，馬上就從其他書里找答案。通常不同的作者對同一個事物從不同的角度做解讀，是能夠幫助你更深刻的認識一個概念的。基本上一個月的時間，我就從一個完全的網站搭建小白，做出了這個項目需要的那個網站。這個習慣我一直延續，研究生的時候，對什麼領域感興趣了，第一件事就是到圖書館，借十本相關書籍回來翻看。

但是，大多數同學喜歡僅僅扎進一本書里，一旦選定了自己的學習材料，就對其他材料充耳不聞，甚至是排斥的心理。這種做法，一方面又是「完美主義」的表現——非要把這本教材學透；另一方面，其實也是「犯懶」的表現，不願意多翻翻，多看看，自己多比較比較，自己去尋找最適合自己的材料，一味地盲目相信所謂「大神」的推薦，殊不知，這些推薦，不一定是更適合自己的材料；更何況，還有很多大神，明明是靠不出名的「薄」教材入的門，但給別人做推薦的時候，就突然變成自己是演算法奇才，自幼閱讀《演算法導論》而所成的神話了：）

6）實踐

前面說了很多和教材選擇相關的話題，但對於計算機領域的學習來說，教材的意義其實遠遠小於實踐的意義。如果僅僅是看學習材料就是學習的話，那麼慕課網的視頻後期處理人員就是水平最高的工程師了。因為每段視頻，他們都需要看一遍。但是，很顯然，僅僅是看視頻，是無法學到知識的。對於計算機領域的學習來說，真正動手實踐去編程是異常重要的。怎麼誇大其中的作用都不過分。這就好比學游泳，必須下水去游泳；或者學開車，必須親自上路。否則你說的再頭頭是道，一個小學生文化水平的人，只要他開過車，游過泳，都能在這兩個領域瞬間秒殺你。

很多同學都說我的演算法講得好，其實，我一直認為，這其中的一個最簡單的秘訣就是：我帶領大家把大多數演算法都非常細緻的實現了一遍；或者對其中的應用進行了非常具體的實踐。反觀大多數高校教育，對於演算法或者機器學習這種一定程度偏理論的學習，通常非常不強調實踐。最終的結果是學習者只是接受了很多抽象的概念，但對其中具體的實現細節，卻是雲里霧裡。我見過太多同學，都明白什麼是O(n^2)複雜度，什麼是O(nlogn)的複雜度，卻問我對於100萬的數據規模，為什麼自己的選擇排序運行起來就沒反應了。答案很簡單：O(n^2)的複雜度太慢了，100萬的數據規模太大了，一般家用計算機轉選擇排序一時半會兒是轉不完的。這些同學一定理解O(n^2)的演算法比O(nlogn)的演算法慢，卻沒有真正實踐過，不知道這個差距到底是多少。

在我的課程中，經常遇到有些同學提出這樣的問題：這個演算法的某句話（或者某段邏輯），為什麼要寫成A的樣子，而不是B的樣子？這種問題其實很好，但我覺得解決方法也很簡單，實際的去把演算法改寫成B的樣子，實際的運行試試看，看會發生什麼。如果發生了錯誤，仔細分析一下，為什麼會有錯誤？如果沒有錯誤，具體比較一下：A和B兩種不同的寫法，為什麼都正確？又有什麼區別？真正的學習上的提高，就發生在這個過程中。我當然可以告訴給同學們一個結果，但是自己親自實踐一遍，相比閱讀我給出的一個答案，自己對其中問題理解的深刻程度，是完全不可比擬的。

7）debug非常非常重要。

我看到的另一類「經典」問題就是：老師，這個代碼為什麼錯了，然後貼一大段代碼。這種問題背後，依然是，透露著學習方法的不對勁：提問的同學懶得debug。在計算機領域，debug近乎和實踐是一個意思。如果只是把材料上的代碼「抄」一遍，這不叫實踐，這叫抄代碼。小學生也能做。但是「抄」一遍，不小心沒抄對，發生了錯誤，然後自己一點一點調試，找到錯誤的根源，這叫真的實踐。小學生不能做。（當然，我更推崇的是：自己理解了演算法的邏輯，按照自己的理解，把演算法寫出來：）

不過很多同學不喜歡debug，我當然理解。其實誰都不喜歡debug，但是，debug才是最重要的能力。（通常在一個領域裡，你最不喜歡做的事情，就是這個領域的核心競爭力：）是計算機領域異常重要的一項技能。我見過的所有計算機領域的「高手」，不管是在哪個細分領域，都無一例外，是個debug好手。我經常告訴大家，在實際工作中，其實debug的時間要佔你真正編程時間的70%。如果你做一個項目，根本不需要debug，要麼是你的項目對你來說太簡單了，要麼是你根本沒有接觸到這個項目的核心。

debug不僅僅是找到代碼錯誤，解決錯誤的手段，其實更是一個重要的學習手段。通過debug，看看自己寫的程序執行邏輯，哪裡和自己設想的不一致？再回頭看自己哪裡想錯了，或者想漏了，分析一下自己為什麼想錯了，或者想漏了，等等等等，依然是，進步就是發生在這個過程的。

在我的演算法課程中，很多同學對遞歸想不明白，我的建議都是：用一個小數據量，一步步跟蹤程序，看看程序到底是怎麼運行的。通常這麼做，1個小時的時間，就足以讓你深刻理解遞歸程序的運轉邏輯。可是，很多同學懶得花這1個小時的時間，最終的結果是，花了一個下午，對著代碼生看，硬想，最終還是沒有理解程序的運轉邏輯。

8）量變到質變。

還有很多同學，對於演算法的一些問題，會問：老師，你是怎麼想到用這樣的方法的？對於這類問題，我的回答一般都是：你見的還不夠多。

不知道是不是受高中階段學習的影響，有一些同學特別執著於就著一個單一的問題，尋找其中的「解題路徑」。當然，我不是說這是完全錯誤的，但也有一個「度」。我的經驗是：與其把時間花在這裡，不如去見更多問題。比如動態規劃，是演算法學習的一個難點，很多同學在學會了背包問題的解法之後，總是執著於去追尋：是怎麼想到這種狀態定義的方法的。可能是我個人水平有限，我無法清楚地解釋是如何想到這種狀態定義的方法的。但是我的經驗告訴我：再去看，去實踐100個動態規劃相關的問題，然後回頭看背包問題，你會發現這種狀態定義的方式非常自然。僅僅對著一個問題思考，很多時候都是死胡同。你見識的還不夠多，就不足以幫助你總結出更加「普遍」的問題解決的規律。當你見得足夠多的時候，一切就都變得很自然，所謂的「量變到質變」。

不過，大多數同學在這個環節都會「犯懶」，企圖通過一個問題就理解問題的本質，這其實和企圖通過一本教材就精通一個領域的想法是一樣的，是不現實的，不可能的。同時，這裡又包含著學習過程中的「完美主義」的思想，遇到一個問題一定要把它想的無比透徹。但是我的經驗告訴我：大多數問題，其實都是需要「回頭看」的。隨著你對一個領域理解的越深入，回頭再去看那些曾經的問題，都會產生新的視角，對於很多曾經想不明白的問題也豁然開朗。這也是「進步」的根源。如果卡在一個問題上不前進，不給自己「回頭看」的機會，甚至最後是放棄了，就什麼也沒有學會了。

所以，很多時候，你發現對一些問題「百思不得其解」，或許不是因為自己「笨」，而是因為「還不夠努力」：）

9）最後，一定要相信時間的力量。

有一天，在我的一個演算法課程群里，有個滴滴的後端大神發招聘，結果大家七嘴八舌的就議論開了，大致主題思想就是：自己什麼時候能夠成為滴滴的後端大神。這位滴滴的後端大神今年32歲；大多數議論的同學，其實連22歲都不到。我告訴他們，其實10年後，你們就是大神。

這其實很好理解，回想十年前，也就是12歲的你，和現在的你比較，是不是天壤之別？如果把你扔到一堆12歲的小朋友中間，22歲的你是不是就是個大神？同理，32歲的人，已經在業界摸爬滾打了那麼多年，扔回到22歲的大學生中間，當然是大神：）

很多時候，所謂的「大神」並不神秘，很多時候，仔細觀察，會發現時間有著不可磨滅的作用。只要你沒有虛度時間，每天都在進步，通常結果都不會太差的。如果再加上一點點機遇，可能就不僅僅是大神。

願大家也早日成為大神。

最後硬廣：在計算機專業成為大神的路上，演算法和數據結構是絕對繞不開的內容。在我的新課《玩轉數據結構》中，我也從另一個角度闡述了為什麼。最近美國制裁中興禁止賣給中興晶元的事件搞得沸沸揚揚。演算法和數據結構，就是每一個計算機技術人的「芯」，怎麼強調都不為過。我的所有課程，都是圍繞著這個「芯」來講解的。有一名同學的課程評論特別讓我感動：

這恰恰就是我的課程設計目標。希望通過我的課程學習，每位同學都能獲得不同的，真正的，計算機技術內力的提高。

我的所有課程傳送門：https://www.imooc.com/u/108955

我的新課傳送門：《玩轉數據結構，從入門到進階》

大家加油！

作者： liuyubobobo

鏈接：https://www.imooc.com/article/26624

來源：慕課網

本文原創發佈於慕課網，轉載請註明出處，謝謝合作

推薦閱讀：

打造個人品牌 so easy ！_慕課手記

有獎徵文002期|聊聊AI人工智慧贏取2018 GMIC大會門票及IT書籍

追尋本質還是流於形式

Python 面向對象（進階篇）

慕課網：什麼是分散式系統中的冪等性，zookeeper與dubbo