算法学习的一些个人心得

article/2025/9/15 13:23:48

目录

    • 前言
    • 正文
    • 总结

前言

悟已往之不谏,知来者之可追。

在这里插入图片描述

正文

常规的经验贴呢,就是给学弟学妹推荐一些书单,然后写一写自己的刷题经历,最后推荐大家多打比赛,多做项目,多买一些网课。这是比较容易写的。

但我觉得,我们都是普通人,学习的领悟力也没有那么超群绝伦。可能在别人的怂恿下买了一堆科技感十足的书,用着自己的花呗透支去买一些不太实用的网课,真要翻开读上几页,或者认真学习网课,恐怕就要打开咸鱼回血了。

学算法也好,学技术也好, 我觉得做任何事情, 一定要明白自己的目标是什么。

这句话里,有两个关键词。第一个关键词是目标,可量化的才是目标。

我常常幻想着变有钱,想学好算法,这就是无法量化的目标。毕竟,有多少钱才算有钱,学到什么程度算你精通了算法?可量化的目标,往往是可拆分去实现的。

比如,你想过计算级二级java。在你没有选择学习方向时,这是不可量化的目标。因为,看网课、刷题都可以过二级。

当你下定主意选择刷题去过二级,目标就变的可量化了。假如题库里有1200道真题,你要在3个月内刷完。把目标拆分一下,就是每月400道题;再进一步拆分,工作日每天刷50道,休息日每天刷75道。再细化,每天几点到几点固定为刷题时间,期间屏蔽所有应用通知,专心做题思考; 然后每天反省刷题计划是否达标,如果没达标,是为什么,怎么弥补。
这就是计算机的递归思维,自顶向下,逐步求精,反向求解。

当然,这也让我想起一个段子,如下图:
在这里插入图片描述
这就是计算机的自底向上了,哈哈~

自顶向下的思维显得有条理,清楚地知道自己下一分钟要干什么。

自底向上的思维就有些眉毛胡子一把抓的感觉,你说谁对时间的利用效率高呢?

第二个关键词是明白,真的明白应该是你每时每刻,每分每秒都明白目标是什么。不是说今天看了《半泽直树》,刷了一些励志的抖音,然后热血沸腾给自己制定计划,结果做着做着就飘了。
我指的飘了不是说学着学着跑去刷抖音了、或者觉得自己强大到不需要学习了。我说的飘是指方向。
比如说做英语阅读理解,见到一个不认识的词,就去查,这个过程中又见到十个不认识的词,然后又去查,结果一个小时过去了,查了不少单词,但是文章没读几句,题还没做。
你说他没学习,倒也认真学了,但是学着学着方向跑偏了,最后挂科了。
这就是没搞明白目标是啥,这种 DFS 查单词的事情,应该是背单词的时候去做。
现在做阅读题呢,目标是快速理解文章内容,选出正确答案嘛。
那么几个生僻词汇,影响你对全文内容的掌握吗?

站在什么山上,唱什么歌。

说回学算法,每个人的自身处境不同,需求不同,
就应该有不同的学习策略,就像背单词和做阅读两个场景采取两种策略一样。

从个人的角度,学算法,也要时时刻刻明白自己想要的是啥。
要么,目标就是从事算法相关的理论研究工作,去啃《算法导论》这种理论性很强的教材,反正你还要在学术的路上走很多年,花上一两年打基础性价比挺高。
要么,是找工作赚钱,那算法就起到个筛选作用,没必要啃大部头。从各种算法的模板练起,平时把leetcode中等题做会,国内大厂过算法关没什么问题。节约下来的时间,干点别的不香吗?
说实话我个人更倾向于后者,向钱看齐,算法只是个工具。有很多学弟学妹纠结于要不要打个竞赛刷个网课之类的,我觉得你明白了你的需求,你再去做选择。

人的精力真的是有限的,把每分每秒都压在刀刃上,才能更快达成目标不是么。

当然,不论选择什么,定好目标后都要仔细拆分,严格执行,这个就看个人的执行力了。

总结

本文写了些方法论层面的东西,主要希望我们能搞清楚自己学习目标,制定周密的计划,独立思考。
在这里插入图片描述


http://chatgpt.dhexx.cn/article/wfMyH563.shtml

相关文章

算法学习指南:什么是算法?

解释算法的实现逻辑就像讲故事一样。算法会在普通的解决方案中引入新颖的思路或进行某种创新。在本文中,我们将讨论一个简单问题的几个解决方案,解释影响算法性能的一些因素。在这个过程中,我将介绍一些用于分析算法性能的技巧。这些技巧与算…

算法学习基础(一)

作为一名普通的二本学校,我在很早之前就有一个目标,那就是大学之后好好找一个软件开发工作。因此学习了很多的编程基础,不过近几天面试发现,技术官总是喜欢问你算法知识。编程语言不断变化,但是很底层的知识与算法密切…

算法学习(一)

算法第四版学习笔记–1.3 Bags, Queues and Stacks 前面120页都是Java基础,建议有Java基础的同学可以直接从120页开始学习,但是这里面的例子有用到algs4这个jar,需要稍微了解一下,影响不大,都是对JDK的一些封装。 In…

算法学习入门

14天阅读挑战赛 *努力是为了不平庸~ 算法学习有些时候是枯燥的,这一次,让我们先人一步,趣学算法!欢迎记录下你的那些努力时刻(算法学习知识点/算法题解/遇到的算法bug/等等),在分享的同时加深对…

什么是算法?如何学习算法?算法入门的学习路径

何为算法 简单的说,算法就是:解决问题的手段,并且是批量化解决问题的手段。 比如,我们想要从成都去北京,起点就是成都,终点就是北京。如何去?我们就可以称为算法。 因此选择不同的算法,那么虽然终点都是一样,但是性能以及效率就根据算法的优劣而决定的。因此,我们…

如何学习算法?

今天在群里刚好看到有人在讨论算法的问题,刚好自己曾经也有一个算法大神的梦,来说说自己对算法的理解。 算法怎么学?什么样程度才算把算法学透?算法学会了有什么用? 算法的学习是非常重要的,那算法学到什么…

突发!大连理工大学研三学生自杀,遗书曝光,研究生的压力应该谁来化解?...

点击上方“码农突围”,马上关注 这里是码农充电第一站,回复“666”,获取一份专属大礼包真爱,请设置“星标”或点个“在看” 来源:科研干货 10月13日,微博上一个名为“红烧土豆叶”的网友引起广大网友关注&a…

英雄算法学习路线

文章目录 零、自我介绍一、关于拜师二、关于编程语言三、算法学习路线1、算法集训1)九日集训2)每月算法集训 2、算法专栏3、算法总包 四、英雄算法联盟1、英雄算法联盟是什么?2、如何加入英雄算法联盟?3、为何会有英雄算法联盟&am…

算法如何学习?别想太多,两个字

文章目录 前言一、语言基础1、「 光天化日学C语言 」 二、刷题必读1、「 LeetCode零基础指南 」2、「 九日集训每日打卡 」 三、语言入门1、「 C语言入门100例 」 四、算法入门1、「 算法零基础100讲 」 五、算法进阶1、「 画解数据结构 」2、「 LeetCode算法题集汇总 」3、「 …

YOLOv5剪枝✂️| 模型剪枝实战篇

本篇博文所用代码为开源项目修改得到,且不适合基础太差的同学。 本篇文章主要讲解代码的使用方式,手把手带你实现YOLOv5模型剪枝操作。 文章目录 0. 环境准备1. 使用YOLOv5训练自己的模型2. 对训练好的模型进行稀疏训练3. 对稀疏训练后的模型进行剪枝4. 对剪枝后的网络模型微…

决策树——预剪枝和后剪枝

目录 简析 为什么要剪枝? 剪枝的基本策略 预剪枝 后剪枝 剪枝的优缺点 预剪枝的优缺点 后剪枝的优缺点 实现 数据集 剪枝前 预剪枝 分析 代码 简析 为什么要剪枝? “剪枝”是决策树学习算法对付 “过拟合” 的主要手段 可通过“剪枝”来…

网络剪枝通俗解释

论文链接:Learning Efficient Convolutional Networks through Network Slimming 视频链接:唐宇迪 基本思想 我们在模型生成通道数为[64,128,256,512]的特征图,但是这些特征图不一定都重要,我们希望能够体现特征图的主次之分&…

α、β剪枝法

在讲α、β剪枝法之前,我们先了解一下极大极小值算法;因为α、β剪枝法是为了简化极大极小值的计算而提出的。 极大极小值法 Minimax算法 又名极小化极大算法,是一种找出失败的最大可能性中的最小值的算法(即最小化对手的最大得益…

决策树的剪枝

目录 一、为什么要剪枝 二、剪枝的策略 1、预剪枝(pre-pruning) 2、后剪枝(post-pruning) 三、代码实现 1、收集、准备数据: 2、分析数据: 3、预剪枝及测试: 4、后剪枝及测试&#xff1…

决策树算法和剪枝原理

决策树算法和剪枝原理 本节我们对决策算法原理做简单的解析,帮助您理清算法思路,温故而知新。 我们知道,决策树算法是一种树形分类结构,要通过这棵树实现样本分类,就要根据 if -else 原理设置判别条件。因此您可以这…

决策树(decision tree)(二)——剪枝

决策树(decision tree)(二)——剪枝 **注:本博客为周志华《机器学习》读书笔记,虽然有一些自己的理解,但是其中仍然有大量文字摘自周老师的《机器学习》书。 决策树系列博客: 决策树(一&#x…

机器学习--决策树二(预剪枝和后剪枝)

一、什么是决策树的剪枝 对比日常生活中,环卫工人在大街上给生长茂密的树进行枝叶的修剪。在机器学习的决策树算法中,有对应的剪枝算法。将比较复杂的决策树,化简为较为简单的版本,并且不损失算法的性能。 二、为什么要剪枝 剪枝…

关于剪枝对象的分类(weights剪枝、神经元剪枝、filters剪枝、layers剪枝、channel剪枝、对channel分组剪枝、Stripe剪枝)

文章目录 剪枝对象分析:1.weights剪枝:2.神经元剪枝:3.Filters剪枝:4.通道剪枝5.Group-wise剪枝6.Stripe剪枝 剪枝对象分析: 剪枝分为结构化剪枝和非结构化剪枝,细化可分为weights剪枝、神经元剪枝、filte…

决策树——剪枝处理

剪枝处理 1:剪枝处理的原因 “剪枝”是决策树学习算法对付“过拟合”的主要手段,因此,可通过“剪枝”来一定程度避免因决策分支过多,以致于把训练集自身的一些特点当做所有数据都具有的一般性质而导致的过拟合 2:剪…

【ML】决策树--剪枝处理(预剪枝、后剪枝)

1. 剪枝(pruning)处理 首先,我们先说一下剪枝的目的——防止“过拟合”。 在决策树的学习过程中,为了保证正确性,会不断的进行划分,这样可能会导致对于训练样本能够达到一个很好的准确性,但是…