自学前端的正确姿势是...

server/2024/9/24 7:59:37/

师傅带进门,修行在个人。

前端自学成才的道路上,有些人走的很快,有些人却举步维艰。

为什么会这样子呢?因为他们没有掌握自学前端的正确姿势。

在介绍应该要怎样自学前端之前,首先来看下,自学前端容易踩什么坑。

自学前端的误区

误区 1:碎片化学习

过去很多同学喜欢看文章和博客学习,现在全往短视频上学习了。

这些都是碎片化学习,零散的知识无法串联起来,形成体系,就无法理解某项技术的原理。

一直这样在浅层学习,一开始可能会有进步,但后面的成长速度会越来越慢,最终会碰到瓶颈,成长停滞不前,就会感到疑惑迷茫。

这样的学习看起来很广泛,也有一定的成长,但是不管再怎么量变,仍然需要有一次质变,才能整体提升自己的能力。

另一方面,碎片化学习就像刷短视频一样,会让自己被多巴胺提供的快乐绑架。

上瘾之后,自己就更加难以坚持投入到长期的严肃学习了。

误区 2:光看不练

这是很多同学都会有的误区。

平常他们非常努力,看文章、看博客、看课程、看视频、看专栏、看书…看各种各样的学习资料,就是不动手。

但是,如果这样光看不练,很多知识是难以真正吸收进去的,过不了几天,就会遗忘掉,等于白学了。

让我们来看看学习金字塔理论。

在这里插入图片描述

可以看到,上面讲到的学习方式全部集中在金字塔的前 3 层,这是学习最低效的 3 层。

而实践可以让我们的学习吸收效率达到 75%,这才是更加有效的学习方式。

误区 3:只学高大上

很多同学喜欢追求一些新技术、看起来很高大上、很前卫的技术,这样看起来很牛 B。

今天 Vue 出了新版本,我要学;

这边出了个新框架,我要学;

那边出了个新语言,性能更好,我要学;

这里出了个新工具,超级智能,我要学;

我想说,你学得完吗?

一直在学习新的东西,感觉自己学到了很多东西,但真得有实际意义和价值吗?

有学习到深层次的原理,能够做到举一反三吗?

能够落地到自己的工作场景中,为业务创造价值吗?

可以减少自己的 bug 率吗?

可以提升自己的工作效率吗?

误区 4:最底层就是最普适的

行,既然你说只学高大上是误区,要学习最通用的原理,那我就学最底层的知识总可以了吧?

高级语言最终都会编译成汇编语言,那我去学汇编吧。

确实,越底层就越普适,但往往我们的工作根本接触不到底层,所以这些底层技术根本没有用武之地。

最终的结果,要不是学了就忘,就是坚持不下去。

误区 5:必须要看源码

“网络大神”告诉我,学习就要深入学习原理,看源码钻研原理是最好的。

跟别人吹牛的时候,说我看过源码,多牛 B 呀。

面试的时候,我还能用源码去虐面试官,一举多得呀。

所以,很多同学喜欢碰到开源项目就直接看源码,一行一行地看,再画上各种流程图,做笔记。

说真的,我挺佩服他们的,真有毅力,但是这种低效的学习方式,我是不推荐的。

实际上,在开源项目中,大部分的源码都是不值得看的,只有最关键的核心模块的代码,有需要的时候才值得去仔细阅读学习。

如果一开始就一头钻到源码中,就会被庞大的代码绕晕,就更加难以抓住开源项目的精髓,反而没学到关键原理。

在这里插入图片描述

自学前端的正确姿势

在认识到自学前端的 5 大误区之后,那我们应该怎样自学前端呢?

1. 系统化学习

不能只有碎片化学习,我们应该把大部分的学习精力投入到系统化学习上。

只有系统化的学习,才能融会贯通,搞清楚各个知识点之间的关联,深入理解原理。

只有系统化的学习,才能循序渐进,更容易学得会、学得懂,最终才能学得进去。

就像我们过去在校园里面的学习一样,如果你在小学一年级的时候,老师让你学初一的知识,你能学会吗?

我们要保持系统化学习的习惯,同时尽量保证系统化学习的投入要大于碎片化的学习

常见的系统化学习方式是:

  • 看书
  • 课程视频
  • 专栏

2. 学练结合

学习一定要学练结合,知行合一。纸上得来终觉浅,绝知此事要躬行。

只有实践,才有可能犯错。

只有碰到问题,才会去分析和思考。

只有思考,才能真正理解知识,融会贯通,做到举一反三。

因此,我们要尽可能地去寻找并珍惜可以实践的机会,在实践中学习。

我建议,实践的投入跟学习的投入对比应该要 7:3。

3. 学跟工作相关的

在前面的误区中提到,我们不能只学高大上的,也不能学太底层的,那到底要学什么?

答案就是学习跟工作相关的知识和技能。

为什么呢?因为这些知识和技能学了就立刻能用上,也就是能立刻实践起来。

一方面,通过这些实践让自己学得更加牢固,更加深入。

另一方面,这些实践也能反哺工作,如果我们的实践还有了成果,这不是更好吗?

对自己的晋升,加薪都有帮助,即使实践最终没有好的结果,不能落地,但是你在实践过程中的思考和表现,都会被领导看到,留下良好的印象。

如果你说,现在工作相关的技术栈都已经学会了,还要学什么?

那就学习新技术,看是不是有优化技术栈的可能,但需要做到实事求是,而不是单纯为了追求新技术。

如果实在是找不到可以学习的点了,那你应该考虑跳槽了。

4. 主动寻求反馈

在学习的过程中,反馈是非常重要的。

在小时候的校园中,我们每一次考试的成绩,老师每一次的评语,父母每一次的打骂都是反馈。

本质上,我们从小到大,就是不断地通过现实世界给自己的反馈中学习和成长的。

没有反馈,我们无法判断自己做的事情是不是对的,是不是最好的。

没有反馈,我们无法判断自己的学习方向是不是正确的。

因此,我们需要主动寻求反馈。通过反馈来不断调整自己的学习,才能取得越来越高的学习成长效率。

反馈有很多种,

首先,最好的反馈就是我们的程序代码,这是最容易被忽视的。程序是不是有 bug,跑不跑得起来,跑得性能好不好,这些全部都是客观反馈,最真实,最直接。

其次,还可以主动寻求领导、导师、同事、专家等人给自己反馈,这也可以称为指导。

在这里插入图片描述

之道前端(戳此加入)是专属于前端的自学圈子,努力营造帮助大家用正确姿势自学前端的环境:

  1. 系统化学习。我们致力于打造前端自学的学习路线,让你可以有目标、有方向地循序渐进地自学。
  2. 学练结合。我们的核心产品就是我们的原创项目,而且是大量的原创项目,因为我们的核心理念就是实践比学习更重要。你缺少的实践在我们这里都能找得到。
  3. 学跟工作相关的。我们的内容绝对不追求大而全、形而上学。我们输出的内容致力于真实工作场景需要的知识、技能、项目经验
  4. 主动寻求反馈。之道前端致力于营造前端自学圈子,本质就是要营造一个前端自学反馈的环境,让你的自学不孤单,让你的成长更有成效。

欢迎加入之道前端


http://www.ppmy.cn/server/121248.html

相关文章

Android平台Unity3D下如何同时播放多路RTMP|RTSP流?

技术背景 好多开发者,提到希望在Unity的Android头显终端,播放2路以上RTMP或RTSP流,在设备性能一般的情况下,对Unity下的RTMP|RTSP播放器提出了更高的要求。实际上,我们在前几年发布Unity下直播播放模块的时候&#xf…

MATLAB算法实战应用案例精讲-【大模型】GAIA

目录 前言 知识储备 10大开源大模型 LLaMA 3 Phi-3 BLOOM BERT Falcon 180B XGen-7B GPT-NeoX 和 GPT-J Vicuna13-B 如何选择适合的开源LLM 算法原理 性能 大模型如何量化 什么是量化,为什么需要它? 量化是如何工作的?简单的数学推导 LLM权重参数进行量化和…

2023年06月中国电子学会青少年软件编程(Python)等级考试试卷(二级)答案 + 解析

青少年软件编程(Python)等级考试试卷(二级) 一、单选题(共25题,共50分) 1. 运行以下程序,如果通过键盘先后输入的数是1和3,输出的结果是?( ) a=int(input()) b=int(input()) if a < b: a=b print(a) A. 3 1 B. 1 3 C. 1 D. 3 正确答案:D 答案解析&am…

css允许换行,且换行超出后省略号隐藏

在这里插入代码片.ellipsis-style { width: 200px; /* 设置一个固定宽度&#xff0c;以便触发省略号效果 / display: -webkit-box; -webkit-line-clamp: 3; / 设置显示的行数&#xff0c;这里是 3 行 */ -webkit-box-orient: vertical; overflow: hidden; text-overflow: ellip…

vue入门小练习

文章目录 1.案例需求2.编程思路3.案例源码4.小结 1.案例需求 一个简易的计算器&#xff0c;其效果如下&#xff1a; 图片切换&#xff0c;其效果如下&#xff1a; 简易记事本&#xff0c;其效果如下&#xff1a; 2.编程思路 1.这个Vue.js应用实现了一个简单的计算器&#x…

Flink加载维度数据

Flink加载维度数据 1、为何要加载维度数据&#xff1f; 在我们构建实时数仓时&#xff0c;不能光有事实数据&#xff0c;也需要加载维度数据来标明这些事实数据的具体含义。若只含有事实数据的话&#xff0c;就相当于只有数据本身在不断地变化&#xff0c;而并不知道这些数据…

对条件语言模型(Conditional Language Model)的目标函数的理解

在翻看LORA这篇论文的时候&#xff0c;忽然对条件语言模型优化的目标函数产生了一些疑问&#xff0c;下面是理解。 这个目标函数描述了条件语言模型&#xff08;Conditional Language Model&#xff09;的目标&#xff0c;即通过最大化对数似然估计来学习参数( Φ \Phi Φ)&a…

Stable Diffusion 使用详解(13)--- 3D纹理增强

目录 背景 Normal Map 描述 原理 使用心得 例子 描述 原图 参数设置 底模 ​编辑 正负相关性提示词 其他参数 controlnet 效果 还能做点啥 调整 效果 背景 实际上&#xff0c;在stable diffusion 中&#xff0c;你获取发现很多controlnet 其实功能有点类似&…