- 综合排序
- 最热优先
- 最新优先
- 来自专栏Python与算法之美
3句话告诉你学习的方法论
文章摘要 3句话告诉你学习的方法论 本文统筹人类学习和机器学习的特点，提出了学习的一般化定义：学习是指一个目的系统从数据中提取模型，并用模型进行决策的过程。 基于这一学习定义，提出了提升学习效率的3条关键方法论，并对其具体使用进行了详细说明。 1，用自我提问强化元认知。 2，用内容输出优化认知结构。 3，用科学推理探究非结构问题。 把“一个目的系统从数据中提取模型，并用模型进行决策的过程”作为学习的概念定义，我们可以比较自然地引出如下3条学习的核心方法论。 1，用自我提问强化元认知。 2，用内容输出优化认知结构。 3，直至完全讲清楚。 对于结构不良的问题，一般要分3步走去解决问题。第1步是什么，第2步为什么，第3步怎么办。
55630发布于 2020-07-20 - 来自专栏落影的专栏
《学习的方法论》
前言 读书十数年，关于学习的思考、理解日益繁多，今天稍作整理。 新年伊始，以“学习”为主题，写一篇感想。 何为学习，为何学习？ 学生时代的学习 作为一个已经走完十六年学生生涯的人，在我的感受中，学生时代的学习有三大任务： 1、学习知识； 2、考试升学； 3、学习学习； 学习知识的作用之大毋庸置疑，知识是构建世界观的基础。 学生时代，就是要快速积累知识，建立自己的世界观；学习如何努力达到目标，学习如何在犯错之后纠正，学习遇到问题进行思考，学习如何进步；同时培养良好的学习习惯与方法。 我的学习方法论 关于学习方法论，我常用的基本规律是：学习、思考、总结、分享/实践、回顾。 围绕此规律，每个时期都有各自的侧重点： 1、学习的过程中，重视记忆，充分利用记忆的特点，进行横向联想、众向关联； 2、思考是记忆中的信息进行理解； 3、总结是学习阶段的一个小结，对已经沉淀下来的知识进行整理
1K50发布于 2018-04-27 - 来自专栏机器学习算法与Python学习
【方法论】机器学习算法概览
监督式学习的例子有：回归、决策树、随机森林、K – 近邻算法、逻辑回归等。 2、非监督式学习 工作机制：在这个算法中，没有任何目标变量或结果变量要预测或估计。这个算法用在不同的组内聚类分析。 非监督式学习的例子有：关联算法和 K – 均值算法。 3、强化学习 工作机制：这个算法训练机器进行决策。它是这样工作的：机器被放在一个能让它通过反复试错来训练自己的环境中。 机器从过去的经验中进行学习，并且尝试利用了解最透彻的知识作出精确的商业判断。 强化学习的例子有马尔可夫决策过程。 回归方法是统计机器学习的一种 。 Classification and Regression Tree (CART) Iterative Dichotomiser 3 (ID3) C4.5 Chi-squared Automatic
44540发布于 2018-08-20 - 来自专栏AIoT技术交流、分享
详解AUTOSAR：AUTOSAR方法论（理论篇—3）
目录 1、编写系统配置输入描述文件 2、系统配置 3、提取特定ECU的描述 4、ECU配置 5、生成可执行文件 AUTOSAR方法论是指AUTOSAR为汽车电子软件系统开发过程定义的一套通用技术方法 该方法论描述了从系统层配置到ECU可执行代码产生过程的设计步骤，如下图所示： 图片 AUTOSAR设计和开发流程分为三个阶段：系统配置阶段、ECU设计与配置阶段、代码生成阶段。 3、提取特定ECU的描述 从系统配置描述文件中提取出与各个ECU相关的系统配置描述信息，提取的信息包括ECU通信矩阵、拓扑结构、映射到该ECU上的所有软件组件，并将这些信息放在各个ECU的提取文件中。
1.3K30编辑于 2022-09-21 - 来自专栏明明如月的技术专栏
我的技术学习方法论
（3）横向和纵向寻找联系 我们可以将日常的系统设计、中间件的原理和计算机专业基础进行纵向类比；也可以将各种中间件进行横向对比，找到内在的联系，这样知识更容易融会贯通，更容易泛化。 比如我的 《性能优化方法论》 中介绍的内容就是将专业基础和各种中间件原理以及日常开发中的一些性能优化经验相结合，总结出来的。 我将问题总结在：《前端分隔符传递数据给后端的通用方案》 示例3：工作中看到有同事使用策略模式时，需要注入类型到对应 Bean 的 Map ，以便使用时可以根据类型获取对应的 Bean 执行业务操作。 总之，人工智能的时代来了，利用好 AI 工具，变革学习方式，提高学习效率。 三、总结 本文介绍了自己的学习方法论，如夯实专业基础、主动学习技术原理、把握遇到问题的时机来学习知识，以教为学，和善用工具等。
77450编辑于 2023-03-17 - 来自专栏做数据的二号姬
教程 | BI工具学习方法论
原创内容 No.691 教程 | BI工具学习方法论 教程系列惊喜回归！说人话：做视频的播放量实在是太差了，我弃疗了，还是回来安心写稿吧，从零起号真难。 对于BI工具的学习，其实都离不开四个阶段：新手入门阶段、进阶学习阶段、职业学习阶段和职业进阶阶段。 对于一般的工作用途，其实新手入门阶段就已经足够了，如果追求更高一些，可以考虑做一些进阶的学习，浅浅的整一个进阶学习就足够实用场景了。哪怕是职业数据分析师，绝大多数情况下学习到第二层也就可以了。 对于非专业选手来说，学习BI工具的过程中遇到的最大困难一般都是习惯改不掉。 对于这类工具的学习，学习曲线不太符合大家想象中的开始快后来慢。而是一开始非常慢，一旦突破了某一个线之后就会变得非常快，这就是从已知推未知的力量。
28010编辑于 2024-11-25 - 来自专栏NLP/KG
深度强化学习落地方法论算法选择：DQN、DDPG、A3C、PPO、TD3
DRL 常规武器库里的存货主要还是老三样：DQN，DDPG 和 A3C，它们是深度学习时代最成熟、最能体现智慧结晶的三个 DRL 框架，你可以在 GitHub 上找到无数相关代码，有 OpenAI，DeepMind 1.强化学习——探索和利用的平衡游戏 ---- 总体来说，强化学习是一个探索（Exploration）和利用（Exploitation）的平衡游戏，前者使 agent 充分遍历环境中的各种可能性，从而有机会找到最优解 3. 如果数据很 “贵” 不得不用 off-policy 方法的话，那就向 Google 学习，拿掉 policy 网络，直接用 Q 网络 + 启发式搜索选择 action。 可见，A3C 在通用性上是显著优于 DQN 和 DDPG 的，几乎所有任务都能拿 A3C 跑一跑。
7.6K33编辑于 2023-10-11 - 来自专栏开心的平凡酱
技术语言框架学习方法论
侄能听余言，毋论考试之得失，他日必能成一有用之人” ——《谕侄》 结合“知乎轮子哥 —vczh ”的两篇编程方法论之神文章： 《Teach 关于框架 首要在于结合设计模式及方法论，弄懂原理及细节，工作上基本的东西（常用API和注解、配置等）要熟。大厂面试必问spring源码及底层实现原理。 学习新技术非常快，学习Go，2、3天代码输出就相当可观了
50250发布于 2020-10-09 - 来自专栏理论坞
谷歌方法论：系统学习和机器思维
以下内容是近来听吴军的《谷歌方法论》有感所得： 你可能并不同意其中观点，但我一直笃信的是：一篇文章或一个观点，包括一部电影，是都不会让100%人满意的； 如果你同意其中的观点，那么就是你所得 系统学习的重要性 系统学习是一种学习方法，是指把所学内容当成是一个系统看待，力求从大方向出发指导学习，这样，在学习和复习的时候不是按部就班按章节行进，而是先模糊概括，再逐渐在大框架下逐步明晰细节 不要把有限的脑容量记忆不常用的信息 3.学习的目的不能是为了解除焦虑，而是为了解决你真正遇到的问题。学习的目的应该集中在解决问题，并且为了解决问题进行深度思考，直到问题解决。 2.他人告知：上学读书是学习新知的绝佳途径； 3.逻辑推知：人类新知的来源，一个人一辈子通过这种形式得到的新知是很少的，牛顿发现万有引力，大多数人达不到的。 3.多维度和单一维度 从总体来讲，人脑是线性处理事物的，看问题是一个角度，也没有能力把很多角度综合起来；但是计算机有这个能力，占了多维度的便宜。
1.3K30发布于 2018-07-25 - 来自专栏服务端技术杂谈
方法论
之前的文章中说过，我司高职级会要求人员具备对应的方法论。 为什么要有方法论呢？ 为什么有人在职场上事半功倍，脱颖而出呢？ 这些人普遍都有自己的方法论。 那么什么是方法论呢？ 方法论可以理解为一种套路，做事的套路，做产品的套路，做技术架构的套路。 一个人对于自己的方法论侃侃而谈，往往说明其对于业务和技术有这成熟掌握。 在解决问题的同时掌握了一套新的方法论，这样这个人就会变成大家公认的牛人。 所以说人才是主动掌握和运用现有方法论的人，牛人则是能够开创新的方法论的人。 方法论的形成 方法论形成需要能够将历史知识进行沉淀，总结，理解问题的根本原因，在此基础上形成体系。 你会发现，这个模式跟我的观念也是非常契合的： 1）知识并不是静止的，应该让它流动起来； 2）学习不仅来自积累，还源于体验和实践。 所以，我一直说：带着问题去阅读，你才能真正学到东西。
1.3K40发布于 2018-10-22 - 来自专栏晓谈岩说
关于方法论学习的三个层次
自己挖的坑，还是要自己填的，上周在读者群里大家对企业架构方法论的学习热情高涨，我也跟着大家一起聊，最终还是觉得大家对方法论的学习还是需要理解下进阶的层次，这有助大家更好地掌握方法论。 这一级是领你进门的，这个层次的学习，你大多数时间会纠结一句话该怎么说，所以叫语法级。 在语义级是可以解决绝大数建模问题的，所以，语义级是学习方法论一个非常重要的层次。如果你逻辑性好，应该能很快突破语法级，到达语义级的，不要总跟语法纠缠。 第三个层次，语境级。 能够回答这个问题，那你一定可以把OKR执行好，因为你已经具备构筑方法论的潜力了。 这三个层次在方法论学习中是普遍存在的，每上升一个层次，就会更好地理解之前的层次，并且因此获得灵活性，所以，我总说方法论不是用来吵架的，我估计你应该也能理解方法不是律法的含义了。
1.1K20编辑于 2022-06-06 - 来自专栏Python与算法之美
3句话告诉你产品经理的方法论
而产品经理的专业精神和专业方法论，可以让这个世界变得更加美好。 ? 研读了苏杰的《人人都是产品经理2.0》一书，结合自己的思考，梳理概括并重构出产品经理的3条核心方法论。 三，产品经理的方法论 1、想清楚：用户、需求、场景。认真听但不要照着做。 产品是什么?产品是解决某个需求问题的东西。构成一个需求问题的3要素是用户、需求、和场景。 因此，产品经理的第一条方法论是：认真听但不要照着做。 不是直接从"1"用户需求到"3"解决方案，而是需要先从"1"用户需求深入挖掘到"2"用户动机甚至到"4"马斯洛需求再往上寻找解决方案"3"，即"1——>2——>3"或者"1——>2——>4——>3"。 产品经理的第三条核心方法论：给用户一个选择你的理由。就好像：Python与算法之美，优雅你的Python！
61130发布于 2020-07-20 - 来自专栏场景录小程序
小程序营销方法论，值得每个品牌主学习
3. 小程序生态逐步成型 小程序经过一年多的发展，以及官方不断释放小程序的能力，使小程序生态基本成型。 4. 3.互动游戏 – 谷歌上线“猜画小歌”AI小程序游戏 具备“易上手、强社交、新鲜感”特点，制造刷屏效应 “猜画小歌”利用风靡游戏“你画我猜”的形式，以简单的玩法、高互动性的游戏设置、强社交的分享激励，以及 上线不到3小时就引爆朋友圈，一周内冲进阿拉丁小程序游戏类排行榜前五，百度“猜画小歌”相关搜索结果高达4,170,000余条，微信指数热度高达26,107,190。
1.2K20发布于 2018-09-05 - 来自专栏AI SPPECH
如何构建你自己的机器学习方法论
背景动机与当前热点 1.1 为什么需要构建自己的机器学习方法论 在机器学习的实践中，构建一套适合自己的方法论具有以下重要意义： 系统化思考：方法论帮助我们系统化地思考机器学习问题，避免碎片化和盲目尝试。 团队培训：对团队进行方法论培训，确保统一理解和执行。 案例库建设：建立方法论应用的案例库，便于参考和学习。 自动化支持：将方法论的部分环节自动化，提高效率和一致性。 3. 分析数据 analysis = self.analyze_data() # 3. 5.3 局限性分析 机器学习方法论的构建和应用存在以下局限性： 领域差异：不同领域的机器学习应用差异很大，通用方法论难以适应所有领域。 技术快速发展：机器学习技术发展迅速，方法论需要不断更新。 到2032年，元宇宙中的机器学习方法论将出现：针对元宇宙和VR/AR场景的机器学习方法论将开始出现和发展。
16720编辑于 2026-01-19 - 来自专栏云市场精选
小程序营销方法论，值得每个品牌主学习
3. 小程序生态逐步成型 小程序经过一年多的发展，以及官方不断释放小程序的能力，使小程序生态基本成型。 4. 3.互动游戏 – 谷歌上线“猜画小歌”AI小程序游戏 具备“易上手、强社交、新鲜感”特点，制造刷屏效应 “猜画小歌”利用风靡游戏“你画我猜”的形式，以简单的玩法、高互动性的游戏设置、强社交的分享激励，以及 上线不到3小时就引爆朋友圈，一周内冲进阿拉丁小程序游戏类排行榜前五，百度“猜画小歌”相关搜索结果高达4,170,000余条，微信指数热度高达26,107,190。
2K40发布于 2018-09-05 - 来自专栏加米谷大数据
【方法论】机器学习算法相关知识点
这个名字使用了拟人的手法，说明了这门技术是让机器“学习”的技术。机器学习是一种让计算机利用数据而不是指令来进行各种工作的方法。 非监督式学习的例子有：关联算法和 K – 均值算法。 3 强化学习 工作机制：这个算法训练机器进行决策。它是这样工作的：机器被放在一个能让它通过反复试错来训练自己的环境中。 机器从过去的经验中进行学习，并且尝试利用了解最透彻的知识作出精确的商业判断。 强化学习的例子有马尔可夫决策过程。 ? 回归方法是统计机器学习的一种 。 • Classification and Regression Tree (CART) • Iterative Dichotomiser 3 (ID3) • C4.5 • Chi-squared Automatic
44230发布于 2019-01-09 - 来自专栏我的机器学习之路
数据分析方法论-统计学内容学习
最初学习数据分析只是出于兴趣，自学了Python。最近才生出转行数据分析的想法，目前已经辞职，准备全身心地投入到学习中。 bins=8,color='g',alpha=0.4,edgecolor='b') (array([ 157., 240., 236., 208., 86., 57., 13., 3. 0.4,edgecolor='b') (array([ 14., 71., 201., 269., 236., 132., 60., 17.]), array([ 1., 3. bins=8,color='g',edgecolor='b',alpha=0.4) (array([ 552., 250., 121., 49., 15., 6., 4., 3.
56310发布于 2020-10-23 分析方法论
分析方法论是指一套系统的、科学的分析框架和流程，用于指导数据收集、处理、分析和解释的过程。 在数据分析领域，尤其是针对用户行为分析、市场研究、业务优化等场景，分析方法论帮助分析师从海量数据中提取有价值的信息，从而为决策提供支持。以下是几种常见的数据分析方法论及其核心内容：1. 3. 留存分析（Retention Analysis）留存分析是衡量用户在一定时间内是否持续使用产品的分析方法。它通过观察用户在不同时间点的留存情况，评估产品的用户粘性和用户体验。 数据驱动的决策模型（Data-Driven Decision Making）数据驱动的决策模型是一种以数据为核心，通过收集、分析和解释数据来支持决策的方法论。它强调基于数据的客观分析，而非主观臆断。
63510编辑于 2025-03-05- 来自专栏互联网技术栈
方法论-SMART
. ---- SMART原理是美团内部盛行一时的方法论，无论是在制定方案、计划、排期等，还是在晋升、汇报、答辩中，都有体现。
85330发布于 2018-12-12 - 来自专栏yeedomliu
监控方法论
两个方法论结合使用可以获得一个相当全面的环境视图，帮助你解决任何问题。 USE方法 侧重于主机级监控。
54120编辑于 2022-12-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号