学习本身的意义有时候会大于学习内容的意义

最近经常会感受到平常学习中的一些思想，贯穿和融合在生活中的思考里，而不只是割裂开的学习。

学习深度

比如学习数据结构，提升的不只是对力扣题的解题能力，而是一种针对问题的解决问题的思路。遇到一件问题我们经常手忙脚乱，但是如果将万事万物归结为一种又一种数据结构，然后用相关的方法去解决，去遍历，去逐个击破，从中可以体会到那种思想交汇的快感。

比如学习机器学习，很多原理其实和一个人进行学习的过程是很相似的，如何防止过拟合，如何达到更好的泛化效果，如何解决梯度消失问题，这些看似是技术难题，其实也是我们自己的学习瓶颈问题，在机器学习中都给出了很好的解释，比如早期停止，丢弃一部分死掉的神经元。

深度学习可以从人类的脑神经元结构中受到启迪，那么人为什么不可以从深度学习中受到启迪，反过来指导自己的学习和生活。

比如离散数学，概率伦，教会我不只是用连续的眼光看待时间，生活中的重要的往往只有一些关键点。将这些点点亮，很多线会自动连接。

尤其是我今天找时间重新拿出了threejs进行学习，虽然它和我的学习内容完全没有关系，但是它的镜头，渲染，方位视角，用code描述世界的方法，给我了一种全新的看世界的角度。是不是可以将有型的世界转换为数学表达（卷积就是这么做的，自然语言也是这么做的），是不是又可以将数学符号表达，转换为有形的世界。一切好有意思。我决定拿出了早就想重新做的react的项目重新开始体会。

那么ApacheAirflow数据流工具教给我的是什么，应该是一种数据流动的方式，数据是什么，以前对我来说它只是数据库的形态，但是现在我学习了机器学习，他们在我的眼中是特征值。每一个特征值在流动中应该发生如何的变化。最终呈现什么形态，这就是airflow，同时也是神经网络中特征变化的方式，他们都是动态的拓扑结构，在空气流动中用自然界最重要的元素，塑造特征。而他背后的Spark正是利用了图的数据结构，这种叫做DAG的东西，在三年前构筑现在的基盘的时候简直就是桎梏，但是现在却体会到了它的美妙。

学习框架

框架就是一个世界观，一个体系，一个思考方式。

Apache Flink，另一个流行的大数据处理框架，它强调流式处理和事件驱动架构。与Spark相比，Flink提供了更低的延迟和更高的吞吐量，特别适用于对事件数据进行实时处理和分析的场景。Flink还提供了更丰富的窗口操作和状态管理功能，使其成为流处理领域的领先框架之一。

什么是数据流，实时的数据流是什么，和一般的ETL数据流相比它更加动态，通过trigger引发。一般的夜间batch，我需要设置时间驱动发送数据库的数据包，然后通过sensor探测，然后抽取数据，转换输入，DM处理最后load进大数据库。但是流数据更像是Google分析那样，根据客户点击动态将数据抽进数据库。

未来的数据一定是流动的而不是被动提取的，只有在流动的数据中迅速把握趋势，在不确定中窥探下一刻的风暴，赋予自己迅速解决问题的能力，才是我们应该有的思想觉悟。

学习形式

无论是阅读技术doc，还是听技术课程，进行技术实践，项目实践，还是做题，还是写作反思，都是学习的不同形式，没有优劣之分，他们都是学习中刺激我们五感和认知的优异手段。

阅读技术doc是一种最好的秘密武器，开发者想要让自己做出的api，软件，被更多的人接受，就需要写出详尽的doc来让大家学会用他们的东西。一位yoda就在课程中说， 秘密武器其实就是阅读doc，无他。听技术课程是一种快速的调动自己的听觉这个感官来一起投入到输入的过程，人既然有五感，就应该都用起来，丰富自己的感受，拓宽自己的学习方式。有的时候我们会觉得听课很慢，但我发现，那是一种用于思考和交互的很好方式，当我遇到想要思考的地方，我就会停下俩进行深入的思考，甚至开始做笔记。项目实践和写作，都是输出手段，一个是增加自己的痛感，一个是总结和圆满自己的手段。在项目中的碰壁和刺激都是激活我们神经元的重要手段，但是总结和写文章，是我们完整的阐述自己的一个所得的方法，它整理了我的思路，让我不断审视自己的思想。我甚至准备将自己的博客文章，在未来复习的时候，翻译成日语版，或者英语版再次发布。

学习复利

人们总说学习的复利效应，其实这个概念是有陷阱的，因为复利是在已有的，积淀的东西的基础上的一种加成，如果学习的内容都是分列的，没有联系的，那只是做简单的加法而已。

培养一种联系的，广泛的，泛用的，解决问题的方法，思考并融会贯通，用于实践，才是学习这件事教会我的。

如果能将每次学习都作为一种乐高建模的一步，或者作为编织一个知识网络的一针一线，每一个穿针引线都是对以往知识的一次联系，那种强劲的联系感就会油然而生。