Skuteczność uczenia się nie rośnie liniowo wraz z liczbą obejrzanych lub przeczytanych tutoriali.

Niech MOOC będzie z Tobą

MOOC to skrót od massive open online course (masowy otwarty kurs online) a więc termin oznaczający kursy online możliwe do ukończenia przez praktycznie nieskończoną ilość osób za pośrednictwem sieci. Część z nich może być interaktywna. Odgrywają szczególną rolę w nauczaniu programowania. Świetnie nadają się bowiem do nauki nowego języka programowania (np. Python, Scala) lub frameworku (np. Spark, TensorFlow) albo nawet do poznawania konkretnej dziedziny wiedzy (np. statystyki czy uczenia maszynowego). Ustrukturyzowane środowisko uczenia się, dobry prowadzący oraz ćwiczenia (i sprawdzanie ich rozwiązań) to naprawdę dobry sposób uczenia się nowych technologii.

Czy na pewno tyle tego trzeba?

Korzystając z dobrodziejstw tego wynalazku warto jednak być też świadomym pewnych ograniczeń. Może się bowiem w konkretnym przypadku okazać, że większości tych kursów nie potrzebujemy, że zysk z ich ukończenia nie jest większy niż koszt w postaci czasu zużytego na przebrnięcie przez nie.

Co mamy na myśli? Jeśli orientujesz się już w arkanach machine learningu, skończenie tego kolejnego, nowego MOOC niekoniecznie pomoże Ci w skuteczniejszym zastosowaniu wiedzy w praktyce. Tak samo zapoznanie się z n-tym samouczkiem Pythona nie pomoże w napisaniu lepszego kodu. Pamiętajmy, że większość kursów MOOC kieruje się zasadą Pareto i uczy studentów 20% wiedzy potrzebnej do osiągnięcia 80% wyników. Tak więc po pierwszym lub drugim kursie efekty naszej nauki są coraz słabsze.

Pułapki

Musisz uważać aby przez nadmierne ambicje nie dać się zakląć w następujący sposób myślenia:

• „Nie mogę zacząć tego pisać dopóki nie ukończę jeszcze tego kursu."
• „Moje CV nie jest dobrze postrzegane, ponieważ nie mam jeszcze certyfikatu X lub Y."
• „Nie nauczyłem się wystarczająco dużo o deep learningu więc nie wypadnę dobrze podczas rozmowy kwalifikacyjnej."

Oglądanie filmów z wykładami to nie nauka - to bierna konsumpcja. Czasami utożsamiamy przejście przez kurs lub przeczytanie książki technicznej od deski do deski z nauką materiału. Ale jak często mamy i tak potem problemy, gdy próbujemy zastosować wiedzę techniczną lub umiejętności w pracy? Dzieci nie uczą się jeździć na rowerze za pomocą filmów instruktażowych. Podobnie, nie możemy nauczyć się programowania lub stosowania wiedzy technicznej, jedynie oglądając filmy na YouTube czy innej platformie.

Zejdź z łatwej drogi

Większość dobrych kursów MOOC lub samouczków zawiera praktyczne ćwiczenia ale często wystarczy skopiować i wkleić kod i wszystko będzie działać. Ma to sens, ponieważ jest dużo materiału do omówienia, a my nie chcemy tracić czasu na debugowanie, wykonywanie prac przygotowawczych ani rozwiązywanie problemów metodą prób i błędów. Jednak kiedy spróbujemy zastosować to, czego się nauczyliśmy - czy to w pracy, czy w ramach osobistego projektu - staje się to znacznie trudniejsze. Dzieje się tak, ponieważ zeszliśmy z łatwej drogi. I to dobrze, zrób to jak najszybciej!

Znasz YAGNI? To stosuj też w życiu

Musisz tylko wiedzieć wystarczająco dużo, aby zacząć; resztę zbierzesz po drodze, tak jest – w pracy. Nie musisz znać generatorów języka Python przed opracowaniem pierwszego programu w tym języku. Nie musimy znać platformy Spark przed przetworzeniem 2 milionów wierszy danych. Nie musisz znać TensorFlow przed szkoleniem Twojego pierwszego modelu uczenia maszynowego.

Po prostu zacznij i pozwól wyzwaniom poprowadzić Cię do kolejnych potrzeb edukacyjnych. Umiejętności techniczne są nietrwałe - jeśli nie zastosujemy tego, czego się uczymy, zanikną. Zastosuj zasadę YAGNI (You aren't gonna need it, „nie będziesz tego potrzebował”) także do nauki. Tak jak nie musimy dodawać funkcjonalności, dopóki nie jest to wymagane, nie musimy robić każdego nowego MOOC ani czytać każdego nowego podręcznika. Nie ma sensu przytłaczać się wszystkimi informacjami i wiedzą, których nie wykorzystamy ani nie zastosujemy.