Проверенный 6-этапный процесс написания лучших учебных заметок для науки о данных

Я давно уже студент. Шесть лет после окончания средней школы — это так долго.

За все эти шесть лет и в различных областях обучения, включая науку о данных, единственное, в чем я стал экспертом, — это ведение заметок. Кроме того, я создал и усовершенствовал систему ведения заметок в науке о данных, которая позволяет вам более эффективно и действенно самостоятельно изучать концепции науки о данных. Независимо от темы, от программирования до статистики и машинного обучения, эта система ведения заметок поможет вам глубже понять темы науки о данных, а также поможет вам лучше сохранять информацию в долгосрочной перспективе.

1. Перенесите ключевые понятия в резюме и шпаргалки

Один из лучших советов, который я получил от друга из юридической школы, заключается в том, чтобы создавать сводные листы на одной странице для каждого раздела, который вы завершаете. Цель этих листов — собрать все ваши многочисленные страницы заметок из одного раздела в один документ, в котором будут выделены только самые важные вещи. Я начал экспериментировать с этой концепцией для науки о данных, и она начала реально влиять на мою способность запоминать и вспоминать концепции, которые я изучил, особенно те, которые связаны с программированием, математикой и сложностями создания проектов машинного обучения.

Это отличное упражнение по извлечению наиболее важных фрагментов информации, которые, как вы знаете, вы будете продолжать использовать ежедневно по мере своего развития в качестве специалиста по данным. Кроме того, это помогает вам сосредоточиться на том, что действительно важно, отбрасывая все лишнее, на что вы, возможно, обратили внимание. Кроме того, эти листы идеально подходят для быстрой справки, когда вы учитесь или работаете над проектом. Мне нравится делать это, держа простыни под рукой на столе или прикрепляя скотчем к ближайшей стене. Таким образом, когда я работаю над проектами, я могу быстро обращаться к своим заметкам без необходимости слишком долго копаться в Google в поисках ответа.

Моя любимая техника для создания этих листов — построить ментальную карту с названием подразделения в центре. Темы, которые ответвляются от центра, берутся из целей обучения для этого раздела. Например, чтобы создать ментальную карту для единицы исчисления, касающейся производных, я бы создал ветви для интерпретации производных как скорости изменения, интерпретации производных как наклона касательных линий, дифференцирования алгебраических и тригонометрических функций, использования дифференциалов для оценки чисел и ошибок. , применяя производные для решения проблем и используя неявное дифференцирование для решения связанных задач скорости. Затем я заполняю все необходимые лакомые кусочки информации для каждой ветви, такие как формулы, важные напоминания, ключевые таблицы информации и другие подобные элементы, которые постоянно используются или актуальны.

2. Используйте встроенные примеры, чтобы связать понятия

Из личного опыта ваши заметки по науке о данных — ничто без встроенных примеров, которые помогут вам лучше связать, идентифицировать и понять концепции.

Сколько раз вы просматривали свои заметки и, например, отмечали, что «классы — это план, определяющий уникальные атрибуты и свойства, которыми может обладать объект» (см. выглядит как? Не волнуйтесь, это встречается чаще, чем вы думаете.

Наши заметки настолько хороши, насколько хороши примеры, которые мы к ним применяем, а когда дело доходит до изучения науки о данных, наши примеры становятся еще более важными, когда мы рассматриваем концепции программирования, математики и создания визуализаций (и это лишь некоторые из них). Это примеры тем, в которых встроенные примеры рядом с вашими письменными заметками могут вызвать у вас интерес к концепции, что позволит вам визуально определить, о чем вы говорите, и поможет вам связать эту концепцию с другими знаниями, которые у вас есть.

Мой любимый способ включения встроенных заметок — использовать приложения для создания заметок, такие как OneNote, GoodNotes или Notability, которые дают вам большую свободу для создания настраиваемых заметок с использованием печатного текста, рукописных заметок, снимков экрана, нарисованных диаграмм, записанных словесных заметок. и более. Эти решения идеально подходят, когда вам нужно включить скриншоты кода, диаграммы систем баз данных, математические уравнения и примеры визуализации данных, и это лишь некоторые из них.

Также важно отметить, что ваши встроенные примеры также являются идеальным местом для добавления контекста к вашим заметкам. Например, вам может быть непонятно, почему важно знать дифференциалы в исчислении, пока вы не поймете, что они жизненно важны для оценки чисел и ошибок или разработки уравнений, описывающих, как скорость события может меняться с течением времени. В качестве альтернативы вы можете не оценить важность использования различных типов визуализации данных, пока не узнаете, что каждый из них лучше подходит для представления определенных форм данных по сравнению с другими. Предоставляя в своих заметках контекст того, как определенные концепции науки о данных вписываются в более широкую картину анализа данных, вы сможете лучше применять эти концепции и сочетать их для решения проблемы науки о данных.

3. Вставьте диаграммы, блок-схемы и интеллект-карты

Кажется, что люди все больше становятся существами, управляемыми зрением, поэтому многие из нас преуспевают в своих исследованиях, когда включают в свои заметки диаграммы, блок-схемы и ментальные карты.

Этот простой прием позволяет создавать более подробные заметки, которые обеспечивают более глубокое понимание концепций. Хотя я и не придавал значения блок-схемам, когда изучал разработку программного обеспечения, я начал ценить простую задачу построения логики и вставки ее в свои заметки, прежде чем закрепить ее в коде. Наличие этих типов диаграмм в ваших заметках может дополнить нашу человеческую склонность немедленно сосредотачиваться на фотографиях и диаграммах, прежде чем читать текст.

Поскольку наука о данных погружена в код, я считаю, что визуальное представление логики, процессов или последовательностей, которые вы выполняете, может быть полезным для понимания того, как различные компоненты науки о данных сочетаются друг с другом — как наша проблема можно превратить в логику, которую затем можно закодировать, расширить в системах машинного обучения, изменить в производственный код, а затем использовать для получения результатов, которые могут быть переведены для людей, не являющихся техническими специалистами.

Диаграммы идеально подходят для изучения того, как различные фрагменты кода работают вместе, как работает машинное обучение или как лучше рассказать историю данных. Блок-схемы необходимы для написания логики кодирования и машинного обучения. Наконец, интеллект-карты — отличный инструмент для сопоставления различных концепций отраслевых вопросов, кода, математики, данных и дизайна, которые составляют проект по науке о данных.

4. Перепишите концепции своими словами

Копирование заметок непосредственно из учебного материала имеет место быть, например, когда концепция настолько проста, что вы не сможете написать ее яснее. С другой стороны, использование собственных слов для объяснения понятий на простом английском языке (или на любом другом языке по вашему выбору) приносит пользу вашему обучению, заставляя вас понимать понятие до того, как вы его запишете.

Например, при изучении объектно-ориентированного программирования (ООП) определение класса, которое вам предоставляется, может выглядеть так:

Определение из учебника: Классы — это определения шаблонов методов и переменных для определенного типа объекта.

Это здорово и все такое, но есть ли в этом смысл? Вместо этого давайте посмотрим, как я бы описал классы, используя свои собственные слова:

Авторское определение: Классы — это схема, определяющая уникальные атрибуты и свойства, которыми может обладать объект.

Видеть? Это уже имеет больше смысла. Затем вам нужно будет создать собственное определение объектов, чтобы ваше понимание этих концепций ООП было более конкретным.

Ключевым моментом здесь является использование своих собственных слов при написании своих учебных заметок (в определенных обстоятельствах, когда понятия не объясняются должным образом), чтобы помочь вам закрепить свое понимание. Кроме того, дополнительная мощность мозга, используемая для создания собственного определения, облегчит запоминание концепции при просмотре ваших заметок. Этот совет также является частью Техники Фейнмана, которая может оказаться полезной в ваших исследованиях по науке о данных.

5. Добавьте свои вопросы или комментарии

Лучший совет, который я когда-либо получал, изучая различные области математики, — это записывать свои мысли во время учебы. Это означает записывать все, от вопросов до комментариев, которые возникают, непосредственно там, где они возникают.

Например, решая задачу по исчислению, я выделяю области проблемы и пишу туда свои вопросы или комментарии по ходу дела. Это не только делает действительно очевидным, где мое понимание колеблется, но также помогает моему инструктору давать мне лучшие советы о том, как улучшить мое понимание.

Эта часть ведения заметок также помогает вам нести ответственность за то, что вы понимаете и чего не понимаете. Мы все иногда впадаем в ритм простого копирования информации, не проверяя, действительно ли мы ее понимаем. Аннотируя свои заметки комментариями и вопросами, вы регулярно проверяете себя, понимаете ли вы все, что читаете.

Этот совет также относится к программированию, где вы можете вводить комментарии и вопросы непосредственно в свой код, а также к любым другим темам, где вы можете делать заметки, например, к темам, связанным с машинным обучением или визуализацией данных.

6. Просматривайте, пересматривайте и проверяйте себя, используя свои заметки.

Это может быть одной из самых сложных задач, когда вы изучаете науку о данных. Как вы регулярно просматриваете, исправляете и проверяете свои заметки, если вам не нужно сдавать экзамены или готовиться к собеседованиям? Тем не менее, это один из самых важных шагов, которые вы можете предпринять, чтобы убедиться, что ваши заметки по науке о данных действительно работают на вас.

Крайне важно, чтобы вы просматривали, исправляли и тестировали себя, используя свои заметки по науке о данных, чтобы не только лучше запоминать материал (очевидное преимущество частого просмотра, пересмотра и тестирования), но и определять области, в которых ваши заметки могут быть более полезными и где они оставляют желать лучшего в отношении тщательности или ясности ваших описаний.

По мере того, как вы продвигаетесь в изучении концепций науки о данных, неплохо вернуться к старым заметкам и посмотреть, сможете ли вы найти более эффективные способы объяснения концепций, которые вы, возможно, не полностью поняли, когда впервые ознакомились с ними. Это не только гарантирует, что вы все правильно понимаете, но и использует все советы, упомянутые выше, чтобы улучшить ваши заметки, а также ваше запоминание и понимание тем.

Лучший способ сделать это — сесть через регулярные промежутки времени (это может быть раз в месяц, раз в квартал, раз в полгода или раз в год, в зависимости от того, насколько быстро вы изучаете науку о данных) и пройтись по заметки, серьезно спрашивая себя, где ваши заметки могут быть лучше (идея заключается в том, что вы постоянно приобретаете опыт в науке о данных, который может помочь вам критически оценить, как ваши заметки могут быть лучше написаны или объяснены). Делая заметки об этих случаях, найдите время, чтобы затем проверить себя, будь то с помощью карточек, задач по программированию или примеров университетских тестов, доступных в Интернете. После прохождения теста еще раз спросите себя, где ваши заметки не помогли вам понять концепции, а где они сработали действительно хорошо. Отсюда вы можете изменить свои заметки в соответствии с вашими потребностями.

Подпишитесь, чтобы получать мои истории прямо на ваш почтовый ящик: Story Subscription

Пожалуйста, станьте участником, чтобы получить неограниченный доступ к Medium по моей реферальной ссылке (я буду получать небольшую комиссию без дополнительных затрат для вас): Medium Membership

Поддержите мое письмо, пожертвовав средства на создание большего количества историй, подобных этой: Пожертвовать