Wie effektiv ist der Ansatz von 'Tendrils of Knowledge' für Comp. Sci?

Ich habe das auf Math SE gelesen . Die Grundfrage ist:

Angenommen, jemand möchte etwas Fortgeschrittenes lernen. Eine Möglichkeit, dies zu tun, besteht darin, von den Grundlagen auszugehen und aufzubauen. Dabei kann jedoch das "Gesamtbild" verloren gehen. Eine weitere Methode (die ich lieber als Rekursives Wiki bezeichne) besteht darin, in einem Artikel und in Google / Wiki die Begriffe zu finden, die man nicht versteht. Lese sie. In ihnen werden Begriffe sein, die neu sind; Google / Wiki sie, bis Sie den "Basisfall" der gründlichen Kenntnis des Materials erreichen. Arbeiten Sie rückwärts, bis Sie das Papier gründlich verstanden haben. Wiederholen Sie dies für andere Papiere. Dies ermöglicht einen Wissensgewinn bei gleichzeitiger Wahrung der Motivation. Dies kann jedoch zu grundlegenden Problemen führen.

Es basiert auf einem Artikel von Prof. Vakil aus Stanford. Hier ist ein Auszug:

..... Mathematik ist so umfangreich und unendlich, dass es unmöglich ist, sie systematisch zu erlernen. Wenn Sie warten, bis Sie ein Thema beherrschen, bevor Sie zum nächsten übergehen, werden Sie nie etwas erreichen. Stattdessen haben Sie Wissensranken, die weit von Ihrer Komfortzone entfernt sind. Dann können Sie diese Ranken später wieder auffüllen und Ihre Komfortzone erweitern. Dies ist viel einfacher zu tun, als "vorwärts" zu lernen. (Achtung: diese Nachfüllung ist notwendig .....

Der allgemeine Konsens unter den Gegnern einer solchen Methode war, dass es in Bereichen wie der algebraischen Geometrie in Ordnung war, in denen Hunderte von Artikeln pro Quartal veröffentlicht werden, oder in der Forschung zur Stringtheorie, in denen Sie versucht haben, mathematische Grundlagen aufzubauen, bevor Sie die Stringtheorie berührt haben 80 mit Alzheimer. Meine Frage ist: Ist dies eine gute Strategie für das Studium von CompSci?

Da Comp Sci so multidisziplinär ist (und es für Ingenieure normalerweise erforderlich ist, sowohl Mathematik als auch Computing zu beherrschen), ist eine solche rekursive Methode für die akademische Forschung gut genug? Oder ist der traditionelle Modus zu gut, um ersetzt zu werden?

Zum Beispiel musste ich über Translation Lookaside Buffer (TLB) mit 0 Kenntnissen der Betriebssysteme Bescheid wissen.

Mein rekursiver Pfad (gemäß Wikipedia) war:

TLB> Cache> (Zurück) TLB> Seitentabelle> (Zurück) TLB> Virtuelle Adresse> (Zurück) TLB> Erneut lesen. Erledigt

Ich habe das Gefühl, zu wissen, was TLB ist, und wenn ich es wieder sehe, weiß ich, was los ist. Täusche ich mich selbst?

Ich glaube nicht, dass Sie sich selbst täuschen müssen, aber Sie sollten vorsichtig mit dem umgehen, was Sie gelernt haben. In diesem Fall ist es relativ einfach. Wenn Sie Ihren Code mit Blick auf TLB entwerfen müssen, haben Sie wahrscheinlich das, was Sie jetzt brauchen, und Sie können dies selbst beweisen, indem Sie Programme schreiben. Wenn Sie jedoch gefragt werden, ob Sie einen TLB entwerfen und implementieren möchten, müssen Sie möglicherweise weitere Nachforschungen anstellen.

Ich denke, der wichtigste Teil des Lernens ist es, auch zu versuchen, die Grenzen Ihres Wissens zu verstehen.

Der Ansatz der Ranken ist eindeutig eine gute Methode für bestimmte Arten des Lernens. Sie sollten es gegebenenfalls verwenden. Das Schöne an der anderen Methode ist, dass Sie auf dem Weg viele andere Dinge lernen, die hilfreich sein können, um Ihre Ideen und Pläne für die Behebung von Problemen zu entwickeln. Beispielsweise wissen Sie jetzt etwas über TLBs, aber wenn Sie beim Lernen von TLBs nicht auf nicht-zeitliche Zugriffe gestoßen sind und sich diese nicht selbst beigebracht haben (beispielsweise um ein Beispiel zufällig auszuwählen), haben Sie möglicherweise ein enorm wichtiges Stück verpasst Kenntnisse über die Optimierung von Speichersystemen. Wenn Sie ganz unten mit dem Erlernen von Speichersystemen auf Chips begonnen hätten, wären Sie wahrscheinlich auf (jedoch flache) nicht-zeitliche Zugriffe gestoßen, sodass Sie wissen, dass Sie diese auch berücksichtigen müssen.

Ich schlage vor, dass Sie das Lernen in beiden Kategorien mit Bedacht ausstreuen, während Sie daran arbeiten, Ihre Probleme zu lösen. Es kommt ohnehin selten vor, dass Sie mit einer vollständig ausgearbeiteten Problembeschreibung beginnen. Daher gibt es eine Mischung aus Vorwärts- und Rückwärtsarbeiten und Iterationen über die Art des Problems, während Sie das Problem bearbeiten.