태그 보관물: reference-request

reference-request

Comp에 대한 ‘지식의 경향’접근 방식이 얼마나 효과적입니까? 공상? 체계적으로 학습하는 것이 불가능하며, 다음 주제로 넘어

나는 Math SE에서 이것을 읽고있었습니다 . 기본적인 질문은 다음과 같습니다.

누군가가 진보 된 것을 공부하고 싶다고 가정하자. 이를 수행하는 한 가지 방법은 기본부터 시작하여 구축하는 것입니다. 그러나이 과정에서 “더 큰 그림”이 손실 될 수 있습니다. 재귀 위키라고 부르는 방법 중 하나는 종이와 구글 / 위키가 이해하지 못하는 용어를 선택하는 것입니다. 읽어보십시오. 그들 안에는 새로운 용어가있을 것입니다. 자료를 완전히 아는 “기본 사례”에 도달 할 때까지 Google / Wiki. 종이를 완전히 이해할 때까지 뒤로 일하십시오. 다른 논문에 대해서도 반복하십시오. 이를 통해 동기를 유지하면서 지식을 얻을 수 있습니다. 그러나 기본에 문제가 발생할 수 있습니다.

문서 는 스탠포드의 Vakil 교수 의 기사 를 기반으로합니다 . 발췌문은 다음과 같습니다.

….. 수학은 매우 풍부하고 무한하여 체계적으로 학습하는 것이 불가능하며, 다음 주제로 넘어 가기 전에 한 주제를 마스터하기를 기다리면 결코 아무데도 갈 수 없습니다. 대신, 당신은 당신의 안락 지대에서 멀리 뻗어있는 지식의 경향이 있습니다. 그런 다음 나중에이 덩굴손에서 다시 채울 수 있고 안락 영역을 확장 할 수 있습니다. “앞으로”배우는 것보다 훨씬 쉽습니다. (주의 :이 백필이 필요합니다 …..

이러한 방법의 반대자들 사이의 일반적인 합의는 분기당 100 장의 논문이 출판되는 대수 기하학 또는 문자열 이론 연구와 같은 분야에 대해서는 괜찮다는 것입니다. 알츠하이머와 80. 제 질문은 : 이것이 CompSci를 공부하기위한 좋은 전략입니까?

Comp Sci는 여러 학문 분야이므로 (일반적으로 엔지니어가 수학과 컴퓨팅을 모두 알아야하는 경우), 이러한 재귀 적 학습 모드가 학술 연구에 충분합니까? 아니면 기존 모드를 교체하기에 너무 좋은가요?

예를 들어, 운영 체제에 대한 지식이없는 TL (Translation Lookaside Buffer)에 대해 알아야했습니다.

내 재귀 경로 (wikipedia에 따라)는 다음과 같습니다.

TLB> 캐시> (뒤로) TLB> 페이지 테이블> (뒤로) TLB> 가상 주소> (뒤로) TLB> 다시 읽기. 끝난

TLB가 무엇인지 알고 느낌이 다시 발생하면 무슨 일이 일어나고 있는지 알게 될 것입니다. 내가 속이고 있습니까?



답변

나는 당신이 반드시 자신을 속이고 있다고 생각하지는 않지만 배운 것을 조심해서 사용해야합니다. 이 경우 비교적 쉽습니다. TLB 인식을 염두에두고 코드를 디자인해야하는 경우 지금 필요한 것을 얻었을 수 있으며 프로그램을 작성하여 스스로 증명할 수 있습니다. 그러나 누군가 누군가 TLB를 설계하고 구현하도록 요청한 경우 좀 더 연구해야 할 수도 있습니다.

나는 무엇을 배우는 것의 중요한 부분은 당신의 지식의 한계를 이해하려고 노력하는 것입니다.

덩굴손 접근은 분명히 특정 종류의 학습에 좋은 방법입니다. 적절한 곳에 사용해야합니다. 다른 방법의 좋은 점은 아이디어를 구축하고 문제를 공격 할 계획을 세우는 데 도움이 될 수있는 다른 많은 것을 배우는 것입니다. 예를 들어, 이제 TLB에 대해 알고 있지만 TLB에 대해 배우는 동안 일시적이지 않은 액세스 (예를 들어 무작위로 예제를 선택)에 대해 배우지 않고 가르친 경우 매우 중요한 부분을 놓쳤을 수 있습니다. 메모리 시스템 최적화에 대한 지식. 칩의 메모리 시스템에 대해 배우기 위해 맨 처음부터 시작했다면 아마도 일시적이지 않은 접근이 있었을 것입니다 (따라서).

문제를 해결하기 위해 두 가지 범주 모두에서 학습을 신중하게 뿌릴 것을 제안합니다. 어쨌든 완전한 형식의 문제 설명으로 시작하는 경우는 드물기 때문에 문제를 처리 할 때 문제의 본질에 대해 앞뒤로 작업을 반복하고 반복합니다.


답변