Compへの「知識のテンドリル」アプローチはどれほど効果的ですか。サイエンス?


15

Math SEでこれを読んでた。基本的な質問は次のとおりです。

誰かが高度なものを勉強したいと思っていると仮定します。これを行う1つの方法は、基本から始めて構築することです。しかし、このプロセスでは「全体像」が失われる可能性があります。もう1つの方法(私はRecursive Wikiと呼びます)は、論文とGoogle / Wikiで理解できない用語を選択することです。それらを読みます。それらの中には新しい用語があります。素材を徹底的に知る「基本ケース」に到達するまで、Google / Wikiを使用します。論文を完全に理解するまで後戻りしてください。他の論文についても繰り返します。これにより、モチベーションを維持しながら知識を得ることができます。しかし、それは基本的な問題を引き起こす可能性があります。

これは、スタンフォード大学のVakil教授の記事に基づいています。抜粋は次のとおりです。

.....数学は非常に豊富で無限であるため、体系的に学習することは不可能です。あるトピックをマスターしてから次のトピックに進むと、どこにも到達しません。代わりに、あなたはあなたの快適ゾーンから遠くに広がる知識のtendを持つでしょう。その後、これらの巻きひげからバックフィルし、快適ゾーンを広げることができます。これは、「フォワード」を学習するよりもはるかに簡単です。(注意:この埋め戻しは必要です.....

そのような方法の反対者の間の一般的なコンセンサスは、四分の一あたり100の論文が発表される代数幾何学や、文字列理論に触れる前に数学の基礎を構築しようとすると、アルツハイマー病と80。私の質問は、これはCompSciを研究するための良い戦略ですか?

Comp Sciは非常に学際的であるため(通常、エンジニアは数学とコンピューティングの両方を知る必要があります)、そのような再帰的学習モードは学術研究に十分ですか?または、従来のモードはあまりにも優れているので置き換えられませんか?

たとえば、オペレーティングシステムの知識がまったくない翻訳ルックアサイドバッファ(TLB)について知る必要がありました。

私の再帰パス(ウィキペディアによる)は:

TLB>キャッシュ>(戻る)TLB>ページテーブル>(戻る)TLB>仮想アドレス>(戻る)TLB>再読み込み。完了

TLBが何であるかを知っていると感じます。再び遭遇した場合、何が起こっているのかがわかります。私は自分を欺いていますか?

回答:


8

私はあなたが必ずしもあなた自身を欺いているとは思わないが、あなたはあなたが学んだことを慎重に使うべきである。この場合、比較的簡単です。TLB対応を念頭に置いてコードを設計する必要がある場合は、おそらく今必要なものを手に入れているでしょう。プログラムを書くことでこれを自分で証明できます。ただし、TLBの設計と実装を依頼された場合は、さらに調査する必要があります。

何かを学ぶことの重要な部分は、あなたの知識の限界を理解しようとすることでもあると思います。

巻きひげアプローチは、明らかに特定の種類の学習に適した方法です。適切な場所で使用する必要があります。他の方法の良いところは、問題を攻撃するためのアイデアや計画を立てるのに役立つ多くのことを途中で学ぶことです。たとえば、TLBについて何か知っているようになりましたが、TLBについて学習しているときに非一時的なアクセス(たとえば、ランダムに例を挙げる)に出会って自分自身を知らなかった場合、メモリシステムの最適化に関する知識。チップ上のメモリシステムについて学習することから始めたのであれば、おそらく(一時的に)非一時的なアクセスに遭遇したことでしょう。

問題を解決するために、両方のカテゴリで学習を慎重に振りかけることをお勧めします。とにかく完全な形式の問題文から始めることはめったにありません。そのため、作業を進めるにつれて、問題の性質について順方向および逆方向の作業と反復が混在します。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.