第三周,都讲了些什么?
2023-03-31 10:45:36 时间
这一周都在讲Java的一些基础内容,包括Java数据类型、抽象类、接口以及泛型。
这几个部分虽然比较基础,但想要真正弄明白也得花费大量的时间和精力。不过也没必要把它想的很难,就像我之前说的:工作生活中其实最有用的是80/20原则。也就是说,虽然这些东西对于初学者来说不好掌握,但咱们学东西的目的在于应用,而不是去做老学究。所以,只需要掌握好20%的核心知识和实战经验,就可以用来解决80%,甚至90%的问题了——这也正是我在上周,包括以后都会一直坚持进行的学习和内容输出方式。
而且,我也一直认为,学习本身应该是一件轻松惬意的事情,如果能够用学到的知识解决实际生活中遇到的问题,就会更容易进入心流状态。比如,当学习编程逻辑(就是顺序分支循环这些控制流)的时候,是不是可以想象一下,如果是你的话,该怎么写一个程序为出租车司机实现打卡计费功能呢?再比如,学习抽象类的时候,是不是可以想想手头的项目有哪些类可以改造成抽象类呢?又有哪些需要抽象成接口呢?即使还没有上班,是不是可以找一个比较简单的开源系统,看看它里面有哪些可以抽象成抽象类,有哪些地方用到了泛型,是怎么用的呢?诸如此类。
搞懂20%的问题,然后举一反三——如果学习开发有捷径的话,那这就是。
接下来的东西,会慢慢开始爬坡了。只需要记得上面那句话就行了。
相关文章
- 一篇运维老司机的大数据平台监控宝典(2)-联通大数据集群平台监控体系详解
- 一篇运维老司机的大数据平台监控宝典(1)-联通大数据集群平台监控体系进程详解
- 空中换引擎 博时基金数字化转型经验谈
- 如何高效地学习编程语言
- 作为一名阿里巴巴数据分析大牛,送给学弟学妹的经验积分
- 为什么要学习R语言
- Hadoop大数据分析平台的介绍性讨论
- 最全面的Spring学习笔记
- 16个用于数据科学和机器学习的顶级平台
- 给有抱负的数据科学家的六条建议
- 如何做一枚合格的数据产品经理
- 除Kaggle外,还有哪些顶级数据科学竞赛平台
- 一个鲜为人知却可以保护隐私的训练方法:联合学习
- 干货 :送你12个关于数据科学学习的关键提示(附链接)
- 大数据行业有多少种工作岗位,各自的技能需求是什么?
- 中国移动研究院常耀斌:商用大数据平台的研发之路
- 这些数据科学家必备的技能,你拥有哪些?
- 自学成才的开发者有何优势和劣势?
- Gartner报告:正处于数据科学与机器学习工具 “大爆炸”的时代
- Ready Computing借助InterSystems IRIS医疗版为医疗机构提供具有高度互操作性和可扩展性的解决方案