В последнее время я начал плотно изучать базу ML, Python с его модулями для работы с данными, ИИ-агентов и сисдиз.
В планах сделать курсец для разработчиков, чтобы они могли ускорить свою работу с помощью ИИ и делали это правильно.
В процессе я построил систему обучения, которая хорошо работает для меня.
⚡Метод: маленькие куски, большой охват
Я не пытаюсь проглотить тему за один присест. Вместо этого испольщую итерации:
📄Прочитал статью → отдохнул
🎥Посмотрел видео → выпил чай
📚Прочитал две главы книги → пошёл поел
Во время пауз мозг отдыхает и запоминает информацию перенося ее в долгую память. Это часть обучения, а не перерыв от него.
🤯Что делать, когда сложно?
Когда я начал читать про ML, выяснилось, что там нужна математика. Производные, линейная алгебра, матрицы.
Но мое развитие остановилось в математике в классе 8, когда я начал изучать программирование.
Местами сложно, но я нашел для себя выход.
Я прошу нейронку разжевать мне сложные вещи максимально просто. Различные формулы, концепции и понятия.
Часто использую такой промпт:
Представь что ты обьясняешь эту концепцию ребенку. Сделай максимально простые примеры. Если уместно, сделай примеры на Python или Typescript.
🎯Приёмы, которые помогают
1. Проси аналогии из жизни
Абстрактные концепции липнут плохо. Конкретные образы хорошо. Всегда проси нейронку привязать объяснение к чему-то знакомому.
2. Задавай уточняющие вопросы сразу
Не понял слово в объяснении? Не гугли спроси тут же: «А что такое X в твоём объяснении?» Контекст сохраняется, объяснение будет связным.
Практика:
Для практики я часто прошу сгенерировать мне задачи, чтобы я лучше усвоил.
«Я изучаю [тема]. Мой уровень = знаю основы . Дай мне 3 практических задачи от простого к сложному. Без решений пока.»
🏁 Итого:
Проси объяснить проще, ищи аналогии, разбивай на маленькие куски, не забывай отдыхать и обязательно практикуйся.