2. 正確認識學習方法中的倖存者偏差
3. 開放式全面競爭時代的快速學習方法
4. 避免認知誤區，達克效應
一般來講能力習得路徑如下
資訊，知道，知識，技能，才幹和能力
資訊到知識： 從不知道到知道
知道到知識： 總結概括的過程
知識到技能： 可用某個概念解決問題。沒吃過豬肉，還沒見過豬跑這中不可取。
技能到才幹： 熟練使用某項技能
才幹到能力： 熟練的運用多個才幹，多個才幹或技能的綜合體
無論學習任何知識或技能，都會遇到如下幾點。本文將圍繞如下4點進行講解如何快速學習。
1.知識焦慮時代得碎片化學習陷阱
2.正確認識學習方法中的倖存者偏差
3.360行，開放式全面競爭時代得快速學習法
4.避免認知誤區，達克效應
在知識焦慮時代，碎片化學習會出現如下得現象
囤積用來緩解或者釋放焦慮。通常處於這個陷阱中的人會有如下的表現。我買了，我付出了成本和努力。類似於買了很多書，但是從未看完，或者從未看過。囤積實現了資訊這一步，確定了知識或技能得輸入源。但是如果不轉化成知識或技能這又有什麼用呢。當然如果只是相當圖書館，那這沒什麼問題。
游牧民族，**得牧草豐美往**去。現實中可以理解為不斷追隨「熱點」。永無定居，隨波逐流。其實人們都是在追逐豐美得牧草，關鍵在與，當此處牧草不再豐美得時候，你還在這裡嗎？現實裡游牧民族，很多都是定居在一處牧草豐美得地方，畢竟野火燒不盡，春風吹又生。當春風來臨之際，你還在嗎？杜絕東一榔頭，西一榔頭得做法。一直撿硬幣，永遠也撿不成富翁。
獲得的只是「知道」，而非「知識」。以為自己懂了。碎片化學習只是邁過了能力習得路徑的第一步，從資訊到知道這一步。當然如果目標就是「知道」，那足以。
據說在二戰時期，公尺國想要增加飛機的耐用性，於是就派人去統計以下，看看現有飛機**要加厚。統計的方法 就是看彈孔，彈孔多的地方就加固，少的則沒關係。最後這些人得到乙個結果，就是說飛機的機翼，彈孔比較多，機翼應該加厚。一起被派去的另一人，提出了我們應該加厚發動機保護。 加厚機翼的想法就是倖存者偏差，因為發動機中彈的飛機，基本都墜毀了。
相信通過上面的例子，應該可以理解什麼是倖存者偏差。
倖存者偏差可以總結為：只採用了成功的案例，而忽略了失敗的案例。成功的人放屁都是有道理的話，也是源自倖存者偏差
所謂開放式全面競爭時代，指的是行業到達 存量競爭時代。
任意乙個行業可以大致分為三個階段：
1.行業前期(增量博弈): 這個時候，行業內的人，互相之間不存在直接競爭關係
2.行業中期(存量競爭): 小人嘴臉(狗頭），你死我活的競爭時代
3.行業後期(減量博弈): 經過存量競爭剩下的精品
這裡要認清一點想要一勞永逸是不可能的。畢竟有人的地方就有江湖。發展時代你不能努力，後浪總會把你拍在沙灘上。這裡有點販賣焦慮了。當然也是要看你的目標，如果只是做鹹魚那沒關係。
這裡分為根據目標談邏輯，根據階段談路徑，畢竟拋開目標談方法都是在扯淡。
根據目標談邏輯，對於乙個任何行業階段都分成如下三種
入行成長
專業入行階段
1.從有經驗的人**獲取清晰的建議，方向和邊界。
2.找到行業標桿，推演行業標桿用法，邯鄲學步式推演
3.輸出倒逼輸入，用輸入逼迫自己輸出
成長和專業階段
1.確定要達到的層次，必須固定有限話題
2.知識沉澱，結構化沉澱，結構化輸出，分享知識
3.技能獲取，通過熟練操作來生成技能。
4.能力同領域按問題或需求延展，高屋建瓴
寫作方法
1.基建式寫作，複製貼上拼出符合邏輯的文字
2.個性化寫作，自己的語言改寫
3.創造性重構，在前兩項量化後，構建新得內容
書籍的學習方法（問題驅動）
1.俯瞰（看目錄或者基礎話題）
2.就某乙個話題，多看
3.內化，結構化輸出
能力差的人通常會高估自己的技能水平；
能力差的人不能正確認識到其他真正有此技能的人的水平；
能力差的人無法認知且正視自身的不足，及其不足之極端程度；
從調包到工程實戰，如何快速掌握機器學習技能
基礎技能是必備的 一方面是因為機器學習本身的體系十分龐大，當然只是教sklearn調個模型顯然不是在認真講機器學習。學習路徑的設計 知識點難易度的把握，案例的選取，內容的深入程度 等細節都做了大量延伸和重點打磨。既要易於理解，也要兼顧深度 掌握那部分核心技能，並在實際的案例中輸出結果 比如系統的微積...
在人工智慧時代，如何快速學習一項技能？
我們現在處在了乙個知識高速迭代更新的時代，在這個時代中，你可能會有這樣一種感覺，學習知識的時候，如果想從頭到尾學習一邊理論，然後再去使用 就好像我們在學校學習時的那種邏輯 你會發現，等你學完了理論之後，又出現了新的理論，新的知識，彷彿理論永遠也學不完，等你學習了後面的理論了，還沒等實踐，前面的又忘了...
如何快速掌握機器學習中的數學知識？
我們學習的諸多技術中都離不開數學知識，而機器學習中涉及到很多知識，其中最重要的就是數學知識。當然，很多人認為數學是比較難的知識，不過確實是這樣的。現在有很多人都開始關注機器學習，而學習機器學習離不開數學內容，你是否開始納悶，要如何快速地掌握機器學習的知識呢？下面我們就給大家解答一下這個問題。然後就是...