無師自通任何事的 5 個步驟

因為長期自學，曾有人問我如何自學，那時回覆很沒有結構，在很久以後才有這個分享。

1 | 先知道它是什麼

前年，我想瞭解 “大數據分析”。

我對它一點也不瞭解，包括

• “什麼是大數據”？
• 它跟 “小” 數據有什麼不一樣？
• 它能做什麼？
• 用什麼來學習？
• 誰在用它？

先列出一堆問題，Google 出很多凌亂的答案。

完全不懂的我沒有 “層架” 來歸類我搜到的資訊，此時我是 “盲人摸象” 的狀況，但有個很大的收穫，我知道這門學問叫 “數據科學”，因為沒有正確的關鍵字，根本搜不到答案。

2 | 參考別人的學習路徑

然後搜尋 “數據科學學習路徑”，搜圖片更好。

很多大神會貼文章，但寫文章常常太複雜，小白看不懂，如果他人真的好，把路徑做成圖片，就好懂多了。

這種路徑還有很多來源，例如：

• 找幾本數據科學電子書的試讀本，把它的目錄抄下來（先別讀內文）；
• 或是找個做這行的數據科學家，問問他該怎麼學；
• 也有很多課程把路徑列出來，很容易搜到；
• 或依照前面的盲人摸象先自己列一個。

現在我有好幾種學習路徑了。

把一些別人的學習路徑列表比較，你會發現一些共通性和差異性，比如我發現大多有 Python、數學、數據視覺化、演算法… 那我大概知道要學些什麼了，我想我可以選定一種比較適合的，從它開始。

3 | 找到學習素材，漸進式學習

通常列出路徑的大神會告訴你要去哪裡學，列出一堆學習素材，我的方法是開一個 Notion 頁面，把大神的步驟列出來，再把他介紹的素材連結（或是課程、實體書籍…）放上去，以後放進筆記。

我找學習材料一開始都要求簡單，如果它是一本書，這書要輕薄短小，因為一開始我還學不了什麼高級知識，但我要感覺到它是什麼。

那時在 Python 上我選了 Learnpython.org，裡面的課程講到數據科學的只有 2 節，自然是不夠的，但它的 “少” 吸引了我。

自學常會半途而廢，如果選一本大書，也許 1/5 就放棄了，結果我會對整體 “數據科學” 什麼都不懂，反之，如果我選小教材，先學一次，然後再一一進修，就算我半途而廢，對 “數據科學” 還是有個大致的瞭解，雖然無法精通到可以拿來工作，就當作聽了幾堂演講吧，至少有一天工作需要把數據交給數據科學家分析時，我能夠跟他溝通。

就像你想要去歐洲一國一國自助旅行，但不知道要從何開始，那麼參加一個歐洲觀光團，跟著遊覽車把歐洲繞一圈，你就知道下次自助旅行要先安排去哪一國深度旅遊了。

我把這種學習法叫 “漸進式學習”，不是買一本磚頭大書從第一頁讀起，而是先讀一本 “淺書”，懂了以後我就能找到更深的書，因為自學沒有老師（但整個 Google 都是老師），“漸進式學習” 是為這個你還不懂的學問做一個 “索引”。

4 | 卡關很好，但有沒有排除的順序？

在什麼都不知道的時候，最好的方法是做中學，按照素材開始學，但因為不懂，所以常卡關。

有趣的是，自學比聽老師講更能學好的原因就是因為卡關。

每次卡關你就要想怎麼解決問題，它逼得你思考清楚，結果卡關這部分反而會是你學得最好的部分。

就像 2 人開車去玩，駕駛老是走錯，他得好好看路標、查詢地圖、問人…，每次走錯，他都知道 “這條路不能走”，但下一次，他再走這條路就不用看地圖了。反觀副駕的同行者，他一路上負責聊天、放音樂、打瞌睡，雖然走過一趟，他下次還是不知道怎麼走。

有老師帶著的學習就像在副駕，你也到了目的地，但並不知道怎麼到的，因為有人帶著不用操心，你會對過程不注意，就是在學習時，大腦沒有全開！

卡關雖然好，但要學著排除卡關，不然學習就走不下去，我把卡關分 4 等級。

假設一、句子不懂等級卡關

比如學習 Python，前幾課通常很快通過，越深越多不懂，還好我們有 Google，拿不懂的關鍵詞去查，就有人有進一步說明，把它抄下來就懂了。

這種是 “句子” 等級的不懂，很容易排除，查查就解決了。

如果查了還不懂，你可能要懷疑是文意不懂等級的卡關了。

假設二、文意不懂等級卡關

有沒有讀書時覺得字字都懂，但連在一起不懂的經驗？

有時候是寫的人文筆不佳、翻譯硬翻，或者根本是故意掉書袋。

如果不是查一查就能看懂，通常表示這個素材不是給你用的，也許對別人很容易吧！只是跟你的腦部結構不合。

還好在這個時代，你要學一個東西通常不是找不到素材，而是素材太多不知道選哪一種，所以，再找一個看得懂的換上來就好了。

有個技巧，如果要學科技，英文素材比較好，科技教材英文都不深，但如果讀中文，常常一個英文名詞被翻成各種不同的中文，導致搜尋不到。還有我發現英文世界的大神比較好心，對於回答問題通常都比較細心耐心。

如果素材換來換去，每個都卡關，那就要假設這一章一定需要一些先備知識，你要進入 “概念不懂等級卡關”。

假設三、概念不懂等級卡關

有些知識要先具備其他知識才能懂，因為我們是完全不懂的小白，也沒有老師可以問，當我遇到這種狀況時，首先懷疑是不是我的學習路徑要前後調換一下？

例如前面的 A 路徑是先學 “數據科學 Python” 再學 “數據科學數學”，當我的數學底子太差時，可能 Python 操作部分都沒問題，但是整體看不懂，那我應該要先學數學再來學 Python 吧！

要發現這個問題，可能把你沒學過的那幾章先拿來看看是不是豁然開朗。

如果更換章節順序，還是卡關，那就要假設可能是 “太多不足等級卡關” 了。

假設四、太多不足等級卡關

有時候，我的基礎知識真的太少了，就像如果學了 2 年英文就要讀完整的英文小說，那讀起來會覺得每一行字都要查好多單字，這樣會真的讀不下去。

這時候可能要先增加單字量，再來嘗試讀小說。

比如說學數據分析的 Python Pandas 模組要有統計學知識，高中學了一些統計學，但在學 Pandas 時會覺得操作都正確，也得到一樣的結果，但我不知道為什麼他要這樣做。

這時，我應該做的不是往下學，而是找一本統計學的書好好讀完再來學 Python。

那它跟 “概念不懂等級卡關” 不是差不多？

沒錯，通常前者只要順序調換就搞定了，表示我缺少的是 “一課” 知識，而後者是缺了 “一冊” 知識，這個學習得暫停，先把缺的那一冊搞定。

5 | 如何不放棄？

自學很容易放棄，通常是因為挫折感，沒老師告訴你是撞牆還是缺乏才能，所以學學就放棄了。

要不放棄，就要對付挫折感，你可以：

• 休息一下，自學效果好，但用腦太多，你累了。
• 把遇到的挫折拆解開，變成好幾個部分後，就會發現其實要解決的問題沒有這麼大呢！那麼解決了就往下走吧！
• 真的無法過這一關，野心小一點，降低目標總比放棄好，例如一開始要學數據科學，遇到挫折時，至少讓 “學好 Python” 變成目標，花了這些心力至少有個收穫。自學沒人跟你比，也沒有老師打分數，自己維持學習腳步和動機很重要。

放棄表示被挫折感打敗了，這讓你下一次想要自學時會怕怕的 “自學很難，我上次自學就失敗了”， 你以後可能去補習班學習，或者再也不學習（這就太糟了），讓自己輕鬆心情好是很棒的。

反正你這輩子一定會要不停學習的，既然學習變得跟運動一樣沒事就得做，那培養好這個技能沒壞處。

試試看吧！自學很好玩的！