zoukankan      html  css  js  c++  java
  • 2014.12.3总结

    花了好几天时间完成了赛狗日程序(《Head First》第一个编程游戏),总结如下:

    在校园和公司不一样,特别在学校里完全放养,没有人督促时候,人很难做成功自己想做的事儿。

    我原来认为自己目标远大,也制定详细计划,在有足够的时间,成功就只剩下坚持了。一切看上去很美好,可是现实遇到很很多问题:比如,你正在看书,别人有事找你,该如何解决;我们遇到问题了,短时间解决不了后,这种情况越拖越久,自己也慢慢没有激情了,开始厌恶所学,这种情况又该如何呢?其实很多时候很多问题都会干扰我们去完成任务,特别在学校。

    我也尝试改变,例如:拒绝一切应酬,当别人要我帮忙时候,我经常拒绝。我以为把一切时间挤出来就可以很好看书时候,我发现效果不好,而且人际关系紧张,自己心情也不好。(国人有个这样的一点:如果我现在在帮我的导师做事,别人一般不会要求我帮忙。如果我现在自己在看书,别人就会要求我的帮助。很奇怪。就好比有人找我,我说:我现在有事,要拿快递,他不会怎么生气。但是我说我现在在看书,他就会生气。)

    我想拥有什么什么的生活,我想怎么怎么样。我觉得这个可以使我努力奋斗。可我发现:这些我想怎么怎么样的想法,不可能使我们变得一个优秀的人,好多时候还是阻止不了我们忍受各种诱惑,各种懒惰(maybe 我不是一个意志力强大的人)。很多人成功都是被逼的,在公司工作,在创业,很多时候压力促使我们不停的努力,使我们更好。而在学校呢,很难给自己这样的压力。我思考:使我们发生变化的不是我们想拥有怎么怎么样,而是我们应该是什么什么样的状态。举个例子:我每天早上都在想:我想以后年薪百万。可这个想法并不能让我早起。而每天早上我在想:我不应该让懒床浪费时间,我应该早起,好多人比我早起。有时候后者的想法更利于我们改变毛病。

    在计划实施时候很容易遇到各种阻碍,很多时候这些阻碍阻止我们像原来那样激情奋斗。阻碍越来越多,激情越来越少,慢慢我们就变成原来的那个自己,没有激情,不想尝试。我也不知如何解决这个问题,但是有些经验可以记载:我做赛狗日时候,连续2天卡在那里,慢慢自己就不想做了。第三天我还试图努力去做这个程序,可看到程序就犯困。第四天正好找到借口就没有去做。在这4天里我一直认为赛狗日很难,需要很多时间,然后大脑阻止自己去完成这个程序。第五天我没有多余的想法,我就是坐在电脑旁不停的编程,修改,在编程,在修改。很快6小时不到,自己就完成了。我发现阻止我完成赛狗日的不是在这题目的难度,而是我自己。直白说就是遇到阻碍,不要一直想绕开它,而是正是他解决它。短时间解决不了,可能是因为这个阻碍让我们大脑疲劳,让我们懒惰。所以方法就是坐下来,一直努力去思考,慢慢会有一点点进步,坚持几个小时就可以解决了(当然这个阻碍是我们在学校里学习过程中的阻碍)。

    很多时候我们一天7点起床,晚上12点休息。最后周末算算这周花了多少小时,再除以7.我经常发现一周每天工作不到8小时。原因有很多,主要几点如下:1 我们不能让我们一天不看书,如果我们浪费了完整一天,这很难使我们一周平均工作8小时。可以休息一下午,但是不能一天都不看书。2 我们早上懒床,然后坐在食堂慢悠悠吃个早饭。到实验室时候都快9点了。也许会去2趟WC,考虑到肚子因素,话费时间更多。(最可怕我们在WC在手机上网)好了,看一个小时书,可能我们会觉得需要休息,然后浏览网页,听听音乐。然后可能提前20分钟去吃饭。这样一算,上我看书时间很难超过2小时。3 我们经常发现我们在看书时候会做一些无关紧要的事。比如遇到难题,思考不出来就去听音乐,美其名放松心情。经常看一个多小时就做别的事情,然后浪费半小时。看书很顺利也会放松放松。别人在我们旁边叫:这个球精彩,这个视频好笑,我们就会凑过头去。别人有疑问请求我们时候我们会花去十几分钟解决,解决完了,他在恭维,我们在享受享受,然后话夹一打开,不知道会浪费多少时间。最后看书时间没有多少,再除以效率,完了,生命就此浪费了。

    这里我提供2方法: 1 要保证无论如何都拥有4小时时间,在上午,下午,晚上这三个时间段。 2 只做自己有关的事,别的事一概不做,比如:手机不上网。不听音乐,不浏览网页。

  • 相关阅读:
    [转]DllMain中不当操作导致死锁问题的分析——DllMain中要谨慎写代码(完结篇)
    【机器学习】深入理解人工神经网络结构
    【机器学习】初识人工神经网络
    【机器学习】通过正则化解决过拟合问题
    【机器学习】逻辑回归
    【机器学习】用Octave实现一元线性回归的梯度下降算法
    【机器学习】对梯度下降算法的进一步理解
    【机器学习】从分类问题区别机器学习类型 与 初步介绍无监督学习算法 PAC
    【机器学习】感知机学习算法(PLA)
    【机器学习】1 监督学习应用与梯度下降
  • 原文地址:https://www.cnblogs.com/xumaodun/p/4141533.html
Copyright © 2011-2022 走看看