你的问题是？
扩充知识领域：机器学习
需要的知识基础：python；数据科学运算工具；数学知识
-
对数学的理解：如何通透一个概念和知识点
存在的问题：- 如何理解概念
- 如何掌握知识点
- 如何使用
数学解题思维
数学思维 + 认知科学-
认知科学：
- 认知偏差
- 事后偏见
-
数学思维：
- 未知量
- 特例思考
- 反过来推导
- 试错
- 调整题目条件
- 求解相似的题目
- 列出所有跟问题相关的定理和性质
- 考察反面
- 问题泛化
- 意识孵化
-
思考
- 联想：是否掌握了最本质的东西
- 知识
- 练习
- 启发式思维
在学习一个知识点的过程中，你遇到了什么问题？
扩充知识领域，对于初学者，很少是全新的领域，只是这个领域内的你现在未知的，或者说是已知但不甚明了的知识点
- 在学习时的做法是？
- 找网络上的教程，一般看的教程是几篇相似的和官方文档；
- 初看并不是很了解官方文档的确切含义和重点，即使它是最接近正确答案的范例。
- 相似文档，寻找共性，在脑海里形成大致的步骤；
- 及时的编写程序实现，实现的过程中会遇到各种问题；
- 回过头对着参考文献和文档进行调试矫正；
- 直到对实现了最小的可行系统；
- 结束；
上述学习步骤存在的问题和纠正：
- 相似文档要寻找共性 也要寻找差异性
- 官方文档的利用率应该加重
- 推行：看的见的思考即把：思考和思维的过程通过文字或图形的形式展现
- 相似文档应该及时：总结而不只是萦绕在脑海中大致步骤，这些前提会减少实际编码中的问题，当然问题不可避免
- 练习：最小可行系统的实现并不是完全掌握，结合最接近正确的答案及时练习和再次总结，纠正误差.
- 抓住最本质的东西，扩充周边领域
- 知识储备是解决问题的前提，需要刻意扩充知识储备，应当是周边扩充，而不是完全开辟一下新的知识储备
