Долгое время я была студенткой: примерно шесть лет после окончания средней школы. Я изучала различные предметы, включая науку о данных, и стала экспертом в написании конспектов.
Система конспектирования, созданная мной и доведенная до совершенства, позволяет максимально эффективно усваивать концепции из науки о данных в процессе самообучения. Эта система поможет вам глубже разобраться в любой теме — от программирования до статистики и машинного обучения. Она также позволит наилучшим образом сохранять информацию в долгосрочной перспективе.
1. Кратко излагайте ключевые концепции в виде шпаргалок
Один из ценных советов, полученных мной от однокурсника в юридической школе, заключается в создании одностраничных шпаргалок по пройденным разделам.
Цель этой работы — сжать многостраничный материал по каждому разделу до одной страницы, выбрав только самое важное. Такой подход развил у меня навык записывать и повторять все изученные понятия науки о данных, особенно те, которые связаны с написанием кода, математическими вычислениями и разработкой проектов машинного обучения.
Это отличное упражнение для извлечения наиболее важной информации, которая пригодится в ежедневной практике дата-сайентиста. Оно помогает сосредоточиться на полезном, не отвлекаясь на лишние детали. Эти одностраничные конспекты, которые всегда под рукой, — идеальный справочник для студента и начинающего специалиста. Вы можете хранить их на столе или повесить на стену. При работе над проектом это позволит быстро обратиться к собственным заметкам, не тратя времени на Google.
Моя любимая техника создания одностраничных конспектов — построение интеллект-карты с названием раздела в центре. Темы, которые ответвляются от центра, беру из учебных целей изучаемого раздела.
Например, в карте для раздела математического анализа, посвященного производным, я бы создала ветви для:
- интерпретации производных как скоростей изменения;
- интерпретации производных как наклонов касательных линий;
- дифференцирования алгебраических и тригонометрических функций;
- использования дифференциалов для оценки чисел и ошибок;
- применения производных для решения задач;
- использования неявного дифференцирования для решения связанных с этим проблем со скоростью.
Каждый такой информационный блок я заполнила бы соответствующими формулами, важными определениями, таблицами с ключевыми данными — всем тем, с чем мне впоследствии придется постоянно иметь дело.
2. Подкрепляйте понятия примерами
Они помогают лучше связать, идентифицировать и понять изучаемые концепции.
Разве вам не приходилось читать в своем конспекте о том, что “класс — это шаблонное определение методов и переменных для определенного типа объектов” (см. ниже), не имея возможности представить себе, о чем идет речь?
Записи хороши настолько, насколько удачны использованные в них примеры. В науке о данных примеры еще более важны, особенно при рассмотрении концепций программирования, математики и создания визуализаций. Они делают любую концепцию более понятной, помогают ее визуально представить и связать с другими имеющимися у вас знаниями.
Мне нравится использовать приложения для ведения заметок, такие как OneNote, GoodNotes и Notability. Они позволяют создавать индивидуальные конспекты с печатным или рукописным текстом, скриншотами, диаграммами, переводом голосовых сообщений в текст. Эти решения идеально подходят для тех случаев, когда необходимо приложить к заметкам скриншоты кода, диаграммы систем баз данных, математические уравнения и графики визуализации данных.
Важно отметить, что использование примеров — идеальное средство углубления в контекст заметок. Например, вы можете не понимать, зачем использовать дифференциалы в исчислении, пока не выясните, что они жизненно важны для оценки чисел и ошибок или составления уравнений, описывающих, как скорость события меняется с течением времени.
Кроме того, вы можете не оценить важности использования различных типов визуализации данных, пока не узнаете, что каждый из них лучше подходит для представления определенных форм данных, чем другие. Представление того, как определенные концепции науки о данных вписываются в общую картину анализа данных, позволит адекватно применять и сочетать эти концепции в решении профессиональных задач.
3. Используйте диаграммы, блок-схемы и интеллект-карты
Похоже, что в процессе нашего восприятия все большую роль играют зрительные впечатления. Поэтому многие добиваются успеха в учебе, когда включают в конспекты диаграммы, блок-схемы и интеллект-карты.
Этот простой прием позволяет создавать более полные заметки, обеспечивающие более глубокое понимание концепций. Раньше я пренебрегла важностью блок-схем при изучении проектирования ПО, но по достоинству оценила их, столкнувшись с простой задачей выстраивания логики перед закреплением ее в коде. Размещение визуализаций в заметках предусматривает человеческую склонность сосредотачиваться на фото и графиках, прежде чем читать текст.
При всей значимости кода в работе дата-сайентиста без визуального представления логики, последовательности выполняемых процессов невозможно понять, как различные компоненты науки о данных сочетаются друг с другом. Визуализация позволяет преобразовать проблему в логику, которая затем закрепляется в коде, расширяется до систем МО, модифицируется в производственный код и, наконец, может использоваться для получения результатов, необходимых нетехническим специалистам.
Диаграммы идеально подходят для изучения того, как различные части кода сочетаются друг с другом, как работает модель машинного обучения и как лучше представить данные. Блок-схемы необходимы для описания логики программирования и машинного обучения. Интеллект-карты являются отличным инструментом для связи различных концепций, кода, математики, данных и дизайна — всех составляющих проекта по науке о данных.
4. Формулируйте концепции своими словами
Переписывание определений из учебника может быть оправдано только в одном случае — если материал изложен настолько просто и ясно, что невозможно выразиться лучше. Если сформулировать сложное понятие простыми словами, вы сможете сначала понять его, а только потом записать в конспект, что принесет несомненную пользу.
Например, при изучении объектно-ориентированного программирования (ООП) определение класса можно записать в конспект по-разному.
Определение из учебника: Классы — это шаблонное определение методов и переменных для определенного типа объектов.
Вроде бы все правильно, но имеет ли это смысл? Попробуем определить классы собственными словами.
Авторское определение: Классы — это модель, определяющая уникальные атрибуты и свойства, которыми может обладать объект.
Согласитесь, это имеет больше смысла. Попробуйте сформулировать собственное определение объектов, чтобы лучше понять эту концепцию.
Дополнительные усилия, затраченные на создание собственного определения, облегчат его запоминание при просмотре записей.
5. Включите в конспект вопросы и комментарии
Лучший совет, который я получила, — записывать свои мысли в процессе обучения. Это означает записывать все — от вопросов до комментариев, которые возникают, непосредственно там, где они возникают.
Например, решая задачу по математическому анализу, я разбиваю ее части и по ходу записываю свои вопросы и комментарии. Это помогает мне выделить непонятные места в задаче, а преподавателю — подобрать для меня необходимые рекомендации.
Такая форма записей позволяет лучше осознать, что вы понимаете, а что нет. Мы зачастую просто копируем информацию, не стараясь в ней разобраться. Внося в свои записи комментарии и вопросы, вы будете регулярно проверять, насколько хорошо поняли прочитанное.
Этот совет также применим к программированию (вы можете вводить комментарии и вопросы прямо в код), а также к любым другим конспектируемым темам, например к машинному обучению и визуализации данных.
6. Пересматривайте записи и перепроверяйте себя
Это может оказаться одной из самых трудных задач. Кто станет регулярно это делать, если не нужно сдавать экзамены или готовиться к собеседованию? Однако это один из самых важных шагов, который заставит конспекты работать на вас.
Пересматривать конспекты и проверять свои знания по науке о данных необходимо не только для того, чтобы лучше запомнить материал (это очевидное преимущество). В процессе ревизии своих записей вы сможете выявить слабые места в плане глубины или ясности формулировок.
По мере продвижения в освоении науки о данных стоит не раз возвращаться к старым записям, чтобы посмотреть, нельзя ли найти более удачные способы объяснения концепций. Возможно, вы не до конца поняли их при первоначальном ознакомлении. Это не только гарантирует правильное усвоение всех тем, но и позволяет воспользоваться всеми советами, упомянутыми выше.
Самый надежный способ довести до совершенства конспект — регулярно садиться за стол (например раз в месяц, квартал, полгода или год в зависимости от того, как быстро вы изучаете науку о данных) и просматривать свои записи, строго спрашивая себя, что в них можно изменить к лучшему.
Новый опыт поможет критически оценивать заметки, выявляя места, которые могли бы быть лучше написаны или объяснены. Отметив эти моменты, проверьте свои знания с помощью флэш-карт, задач по написанию кода или университетских тестов, доступных в интернете. После этого снова спросите себя, какие из заметок помогли понять концепции, а какие — не сработали. Таким образом вы приведете все записи в соответствие со своими потребностями.
Читайте также:
- Что такое большие данные: комплексный обзор
- Введение в теорию информации
- Много узлов, одна распределенная система
Читайте нас в Telegram, VK и Дзен
Перевод статьи Madison Hunter: How to Write Better Study Notes for Data Science
