В этой статье Вы узнаете о том, как лучше запоминать информацию благодаря надежным способам, которые уже помогли многим людям в учебе, чтении и обучении в целом.
Если Вы читаете научную литературу, чтобы изучить какую-то конкретную тему (скажем, инвестиции или интернет-маркетинг) или подготовиться к экзаменам, Вам помогут несколько правил, которые будут постоянно увеличивать Ваши возможности запоминать и воспроизводить материал.
Используйте эти правила каждый день и увеличивайте свой учебный потенциал.
Обычно люди стараются запомнить все детали из прочитанного материала за один присест, но лучший способ выучить сложную информацию – это разделить процесс чтения на два или три этапа.
Сначала пробегите глазами по тексту, который Вам нужно прочитать (две-три страницы будет в самый раз), читая поверхностно. Не заставляйте себя запоминать что-либо во время первого чтения.
Теперь вернитесь к этому же материалу, читая медленно в этот раз. Произносите трудные слова вслух. Подчеркивайте сложные слова или ключевые понятия.
Если Вы все еще чувствуете себя озадаченным, пройдитесь по материалу в третий раз. Вы будете поражены тем, как много информации поместилось в Вашей голове!
Изучая новый материал (на лекции, вебинаре, просто читая что-то), делайте заметки.
Спустя некоторое время, перепишите свои заметки в тетрадь, собирая и обобщая при этом всю информацию. Вы заметите, что Вы, вероятно, записали часть информации или материалов, которая казалась Вам очень важной во время лекции, но теперь уже не представляет интереса.
Опирайтесь на концепты, которые Вы записали, но не четко объяснили, записывая свои мысли. Посмотрите определения ключевых слов и внешних ресурсов. Запишите информацию, которую Вы нашли, в таком виде, в каком Вам удобно. Это закрепит информацию в вашей памяти.
Мы лучше всего запоминаем, когда учим других. Вот почему учебные группы могут быть очень эффективными, если их правильно использовать. Вместо того, чтобы использовать свою группу только для выполнения каких-либо заданий, попросите своего партнера «прогнать» Вас по пройденному материалу, заставить Вас устно еще раз повторить то, что Вы выучили.
Найдите в классе человека, который плохо учится, и станьте для него неформальным наставником.
Если Вы не можете найти такого «ученика», расскажите Вашему партнеру или соседу по комнате о том, что Вы узнали в классе. Не повторяйте материал, который Вы уже хорошо знаете.
Выберите информацию, с пониманием которой у Вас возникли проблемы, и заставьте себя объяснить ее кому-то за обедом или во время прогулки с собакой. Это позволит Вам действительно понять всю суть материала, который Вы учили.
Хотите – верьте, хотите – нет, но слушая собственный голос, Вы сможете легче запоминать новые факты. Запишите на диктофон, как Вы читаете ключевые слова и определения вслух, а позже прослушайте. Этот трюк сделает Ваше самообучение более эффективным. У Вас будут задействованы несколько чувств одновременно — слуховые, вербальные и визуальные — плюс Вы будете более внимательны, так как чтение вслух требует концентрации.
Есть еще одна забавная хитрость. Она заключается в том, чтобы сделать из гибкой ПВХ трубы «телефонную трубку», которую Вы могли бы подносить ко рту и прикладывать к уху во время чтения вслух. Хотите – верьте, хотите – нет, но концентрированный звук собственного голоса, проходящий через этот «телефон», будет проще запомнить, чем Ваш обычный голос во время чтения материала вслух.
Многие из нас запоминают все с помощью визуального канала. Вы можете фактически запечатлеть в своем сознании образ формулы, определения или понятия, и сможете легко вспомнить нужную информацию во время теста или в случае необходимости.
Используйте эту функцию Вашей памяти, рисуя картинки на карточках или используя различные цветные маркеры, когда записываете информацию, необходимую для запоминания.
Например, если Вам нужно запомнить латинский или греческий корень слова, Вы можете рисовать картинки, которые символизируют значения этих слов. Латинское слово «аqua» означает воду, так что Вы можете написать «aqua» голубым маркером и нарисовать рядом каплю. Латинское слово «spec» означает смотреть, так что Вы можете нарисовать рядом очки.
Карточки также являются полезным инструментом для визуального запоминания, особенно если Вы используете картинки и цвета, чтобы сделать их. Вы на самом деле может вспомнить слово или формулу просто потому, что вспомните, как Вы мучились, решая каким цветом стоит написать это определение – оранжевым или зеленым. Цвет может вызвать Вашу зрительную память, что и поможет Вам получить доступ к информации.
Посмотрите интересное видео про визуальные заметки, помогающие быстро запоминать информацию:
Было ли у Вас когда-нибудь ощущение во время учебы, что Вы просто неспособны запомнить важную информацию?
Хотите – верьте, хотите — нет, но использование какого-нибудь шокирующего физического стимула поможет Вам понять, а затем и запомнить сложный материал.
Согласно исследованию, проводимо на тему: «Как лучше запоминать», если положить руку в миску с ледяной водой во время учебы, то это поможет запомнить, а потом вспомнить нужную информацию. Это происходит потому, что отрицательные раздражители активируют часть Вашего мозга, отвечающую за память (предположительно это происходит для того, чтобы мы лучше запоминаем негативный опыт, чтобы не повторять его, но это так же эффективно работает при обычном запоминании информации).
Вы можете использовать ледяную воду, что-то горячее или умеренную боль, чтобы помочь себе запомнить сложную информацию. Попробуйте щипать себя за руку, держа мешочек со льдом в руке, или держите чашку горячего чая во время учебы, чтобы стимулировать Вашу память. Главное не навредить себе по-настоящему!
Учителя могут запрещать жевание резинки на своих уроках, потому что они не хотят потом отдирать ее из-под столов, но сам процесс жевания жвачки может помочь Вам лучше учиться и справляться с тестами.
Одно исследование изучало эффект от жевания резинки во время теста (на примере выпускников). Исследование показало, что жевание резинки помогло ученикам закончить тест на 20 минут раньше.
Другое исследование было проведено на восьмиклассниках, сдававших годовой экзамен по математике. Результаты показали, что ученики, которые жевали резинку, получили за тест оценку на 3 процента выше, чем их товарищи, не жевавшие резинку.
Как жвачка помогает лучше запоминать информацию?
Процесс жевания жвачки стимулирует приток крови к мозгу и помогает Вам оставаться бодрым.
Какие жвачки лучше действуют?
Не имеет значения, жуете ли Вы жвачку с сахаром или без. Значение имеет ее вкус. Переходите на жвачки со вкусом мяты, поскольку мята действует как психический стимулятор и поможет Вам чувствовать себя спокойным и сконцентрированным.
Возникли проблемы с определенным понятием?
Большинство из нас предпочитают отсидеться где-нибудь в уголке и остаться незамеченными в классе, пока нам не разложат весь материал по полочкам. Но эта привычка всегда будет мешать Вам в процессе обучения. Поднимите руку, задайте вопрос или добровольно поучаствуйте в обсуждении темы, с которой у Вас возникли затруднения.
Вы не посещаете групповые занятия? Найдите кого-то, кто понимает нужную Вам тему, и обратитесь за советом или помощью. Пусть вас беспокоит то, что Вы что-то не понимаете.
Дискомфорт, который Вы чувствуете во время выполнения этих действий, повысит Ваши возможности запоминания. Вы получите ответы на Ваши вопросы и легко сможете вспомнить материал позже, когда будет больше всего нужно.
Читая трудный для понимания текст, Вам может показаться, что у Вас уже буквы плывут перед глазами. Подчеркивайте и выделяйте ключевые слова и понятия во время чтения.
Произносите слова или понятия вслух в то время, как выделяете их, а затем запишите (при этом перефразировав) материал в тетрадь. Это поможет вам переварить всю информацию, а не просто поверхностно пробежаться по ней глазами.
Вам, конечно, не нужно будет проделывать этот трюк с большинством материала, но Вы можете открыть для себя пользу в придумывании стихотворений, рифм или запоминающихся песен, которые помогут запомнить особо сложные формулы.
Вам может оказаться легче запомнить формулу, если Вы придумаете для нее музыкальное оформление.
Как формулы помогают лучше запоминать информацию?
Многие формулы не имеют для нас никакого смысла. Они выглядят как список случайных цифр и букв, или кажутся набором случайных инструкций, которым не хватает связующего элемента.
Если Вы превратите формулу в песню или стих, Вы осознаете то, что когда-то казалось иррациональным, и это осмысление материала позволит Вашему мозгу лучше воспринять информацию и сохранить ее таким образом, чтобы потом к ней можно было легко получить доступ.
Аналогичным образом, метод ассоциаций может помочь Вам отыскать связь между датами или отдельными фактами, которые необходимо запомнить в определенном порядке.
Найдите способ связать дату и имя, чтобы в этом был какой-то смысл, используя игру цифр или слов. Вы, наверное, уже когда-то делали что-то подобное, когда Вам нужно было запоминать пароль или номер телефона.
Найдите способ связать число с именем таким образом, чтобы это имело смысл для Вас и вопрос, как лучше запоминать информацию, не будет для Вас таким острым.
Если Вы постоянно учитесь на протяжении длительного периода времени, то можете заметить, что Ваша производительность падает по мере того, как долго Вы просиживаете за занятиями. Исследования доказывают, что во время учебы необходимо делать 10-минутный перерыв каждый час, чтобы максимизировать производительность.
С чего должен состоять такой перерыв?
Обязательно встаньте, пойдите в туалет, выпейте чего-то или перекусите. Лучше всего покинуть комнату, в которой Вы сидите, и немного подвигаться, чтобы улучшить кровоток. Если у Вас есть такая возможность, попрыгайте или сделайте растяжку, чтобы получить прилив адреналина и взбодриться. После этого можете опять браться за работу.
Возникли проблемы с запоминанием формулы или теории?
Проблема в том, что Вы, вероятно, не нашли практическое применение для этого понятия в жизни, поэтому ваш мозг все никак не хочет его запоминать.
Представьте, как можно использовать на практике эту формулу или понятие для решения реальной проблемы. Если это возможно, разыграйте или мысленно представьте себе влияние этой проблемы в практической плоскости. Это поможет Вам понять формулу или понятие и в случае надобности легко вспомнить.
Некоторые концепции трудно понять, пока Вы не увидите их физический образ или иллюстрацию идеи.
Например, оценить важность микроскопического анализа Вы сможете, взглянув на изображение цепи ДНК или анатомии клетки. Если вы не можете создать физический образ или картинку, найдите изображение в Интернете. Это поможет Вам отчетливо представить проблему.
Наш мозг продолжает работать, даже когда мы спим. Перечитайте свои конспекты перед сном еще раз, чтобы Ваш мозг смог лучше усвоить материал в то время, когда Вы спите.
Не читайте ничего, что вызывает у Вас тревогу или огорчает (так Вы рискуете нарушить свой сон). Вместо этого используйте этот трюк, чтобы закрепить основные понятия и информацию, которая понадобиться Вам позже.
Стресс подавляет способность к концентрации и усложняет доступ к информации, которую Вы уже выучили.
Вот почему Вы спокойно можете понять принцип, находясь в классе, но затем зайти в тупик во время написания теста. Вы знаете, что информация находится где-то на задворках Вашего разума, но Вы просто не можете получить доступ к ней. Это происходит потому, что стресс отключает Вашу возможность концентрироваться на чем-либо, у Вас остаётся только реакция «бей или беги».
Чтобы побороть стресс, делайте на протяжении от трех до пяти минут.
Найдите тихое место, установите таймер, закройте глаза, а затем сосредоточьтесь исключительно на своем дыхании. Вдохните как можно глубже, задержите дыхание, пока не почувствуете небольшой дискомфорт, а затем медленно выдохните, пока Вы не почувствуете полного облегчения.
Повторяйте в том же духе, не беспокоясь ни о чем и фокусируя все внимание на том, как приятно просто дышать, пока таймер не прозвонит.
Попробуйте выше перечисленные способы запоминания информации и найдите самые эффективные для Вас.
Удачи в усвоении новой информации!
Существует такое понятие, как «No Free Lunch» теорема. Её суть заключается в том, что нет такого алгоритма, который был бы лучшим выбором для каждой задачи, что в особенности касается обучения с учителем.
Например, нельзя сказать, что нейронные сети всегда работают лучше, чем деревья решений, и наоборот. На эффективность алгоритмов влияет множество факторов вроде размера и структуры набора данных.
По этой причине приходится пробовать много разных алгоритмов, проверяя эффективность каждого на тестовом наборе данных, и затем выбирать лучший вариант. Само собой, нужно выбирать среди алгоритмов, соответствующих вашей задаче. Если проводить аналогию, то при уборке дома вы, скорее всего, будете использовать пылесос, метлу или швабру, но никак не лопату.
Алгоритмы машинного обучения можно описать как обучение целевой функции f , которая наилучшим образом соотносит входные переменные X и выходную переменную Y: Y = f(X) .
Мы не знаем, что из себя представляет функция f . Ведь если бы знали, то использовали бы её напрямую, а не пытались обучить с помощью различных алгоритмов.
Наиболее распространённой задачей в машинном обучении является предсказание значений Y для новых значений X . Это называется прогностическим моделированием, и наша цель - сделать как можно более точное предсказание.
Представляем вашему вниманию краткий обзор топ-10 популярных алгоритмов, используемых в машинном обучении.
Линейная регрессия - пожалуй, один из наиболее известных и понятных алгоритмов в статистике и машинном обучении.
Прогностическое моделирование в первую очередь касается минимизации ошибки модели или, другими словами, как можно более точного прогнозирования. Мы будем заимствовать алгоритмы из разных областей, включая статистику, и использовать их в этих целях.
Линейную регрессию можно представить в виде уравнения, которое описывает прямую, наиболее точно показывающую взаимосвязь между входными переменными X и выходными переменными Y . Для составления этого уравнения нужно найти определённые коэффициенты B для входных переменных.
Например: Y = B0 + B1 * X
Зная X , мы должны найти Y , и цель линейной регрессии заключается в поиске значений коэффициентов B0 и B1 .
Для оценки регрессионной модели используются различные методы вроде линейной алгебры или метода наименьших квадратов.
Линейная регрессия существует уже более 200 лет, и за это время её успели тщательно изучить. Так что вот пара практических правил: уберите похожие (коррелирующие) переменные и избавьтесь от шума в данных, если это возможно. Линейная регрессия - быстрый и простой алгоритм, который хорошо подходит в качестве первого алгоритма для изучения.
Логистическая регрессия - ещё один алгоритм, пришедший в машинное обучение прямиком из статистики. Её хорошо использовать для задач бинарной классификации (это задачи, в которых на выходе мы получаем один из двух классов).
Логистическая регрессия похожа на линейную тем, что в ней тоже требуется найти значения коэффициентов для входных переменных. Разница заключается в том, что выходное значение преобразуется с помощью нелинейной или логистической функции.
Логистическая функция выглядит как большая буква S и преобразовывает любое значение в число в пределах от 0 до 1. Это весьма полезно, так как мы можем применить правило к выходу логистической функции для привязки к 0 и 1 (например, если результат функции меньше 0.5, то на выходе получаем 1) и предсказания класса.
Благодаря тому, как обучается модель, предсказания логистической регрессии можно использовать для отображения вероятности принадлежности образца к классу 0 или 1. Это полезно в тех случаях, когда нужно иметь больше обоснований для прогнозирования.
Как и в случае с линейной регрессией, логистическая регрессия выполняет свою задачу лучше, если убрать лишние и похожие переменные. Модель логистической регрессии быстро обучается и хорошо подходит для задач бинарной классификации.
Логистическая регрессия используется, когда нужно отнести образец к одному из двух классов. Если классов больше, чем два, то лучше использовать алгоритм LDA (Linear discriminant analysis).
Представление LDA довольно простое. Оно состоит из статистических свойств данных, рассчитанных для каждого класса. Для каждой входной переменной это включает:
Предсказания производятся путём вычисления дискриминантного значения для каждого класса и выбора класса с наибольшим значением. Предполагается, что данные имеют нормальное распределение, поэтому перед началом работы рекомендуется удалить из данных аномальные значения. Это простой и эффективный алгоритм для задач классификации.
Дерево решений можно представить в виде двоичного дерева, знакомого многим по алгоритмам и структурам данных. Каждый узел представляет собой входную переменную и точку разделения для этой переменной (при условии, что переменная - число).
Листовые узлы - это выходная переменная, которая используется для предсказания. Предсказания производятся путём прохода по дереву к листовому узлу и вывода значения класса на этом узле.
Деревья быстро обучаются и делают предсказания. Кроме того, они точны для широкого круга задач и не требуют особой подготовки данных.
Наивный Байес - простой, но удивительно эффективный алгоритм.
Модель состоит из двух типов вероятностей, которые рассчитываются с помощью тренировочных данных:
После расчёта вероятностной модели её можно использовать для предсказания с новыми данными при помощи теоремы Байеса. Если у вас вещественные данные, то, предполагая нормальное распределение, рассчитать эти вероятности не составляет особой сложности.
Наивный Байес называется наивным, потому что алгоритм предполагает, что каждая входная переменная независимая. Это сильное предположение, которое не соответствует реальным данным. Тем не менее данный алгоритм весьма эффективен для целого ряда сложных задач вроде классификации спама или распознавания рукописных цифр.
К-ближайших соседей - очень простой и очень эффективный алгоритм. Модель KNN (K-nearest neighbors) представлена всем набором тренировочных данных. Довольно просто, не так ли?
Предсказание для новой точки делается путём поиска K ближайших соседей в наборе данных и суммирования выходной переменной для этих K экземпляров.
Вопрос лишь в том, как определить сходство между экземплярами данных. Если все признаки имеют один и тот же масштаб (например, сантиметры), то самый простой способ заключается в использовании евклидова расстояния - числа, которое можно рассчитать на основе различий с каждой входной переменной.
KNN может потребовать много памяти для хранения всех данных, но зато быстро сделает предсказание. Также обучающие данные можно обновлять, чтобы предсказания оставались точными с течением времени.
Идея ближайших соседей может плохо работать с многомерными данными (множество входных переменных), что негативно скажется на эффективности алгоритма при решении задачи. Это называется проклятием размерности. Иными словами, стоит использовать лишь наиболее важные для предсказания переменные.
Недостаток KNN заключается в том, что нужно хранить весь тренировочный набор данных. Если KNN хорошо себя показал, то есть смысл попробовать алгоритм LVQ (Learning vector quantization), который лишён этого недостатка.
LVQ представляет собой набор кодовых векторов. Они выбираются в начале случайным образом и в течение определённого количества итераций адаптируются так, чтобы наилучшим образом обобщить весь набор данных. После обучения эти вектора могут использоваться для предсказания так же, как это делается в KNN. Алгоритм ищет ближайшего соседа (наиболее подходящий кодовый вектор) путём вычисления расстояния между каждым кодовым вектором и новым экземпляром данных. Затем для наиболее подходящего вектора в качестве предсказания возвращается класс (или число в случае регрессии). Лучшего результата можно достичь, если все данные будут находиться в одном диапазоне, например от 0 до 1.
Метод опорных векторов, вероятно, один из наиболее популярных и обсуждаемых алгоритмов машинного обучения.
Гиперплоскость - это линия, разделяющая пространство входных переменных. В методе опорных векторов гиперплоскость выбирается так, чтобы наилучшим образом разделять точки в плоскости входных переменных по их классу: 0 или 1. В двумерной плоскости это можно представить как линию, которая полностью разделяет точки всех классов. Во время обучения алгоритм ищет коэффициенты, которые помогают лучше разделять классы гиперплоскостью.
Расстояние между гиперплоскостью и ближайшими точками данных называется разницей. Лучшая или оптимальная гиперплоскость, разделяющая два класса, - это линия с наибольшей разницей. Только эти точки имеют значение при определении гиперплоскости и при построении классификатора. Эти точки называются опорными векторами. Для определения значений коэффициентов, максимизирующих разницу, используются специальные алгоритмы оптимизации.
Метод опорных векторов, наверное, один из самых эффективных классических классификаторов, на который определённо стоит обратить внимание.
Случайный лес - очень популярный и эффективный алгоритм машинного обучения. Это разновидность ансамблевого алгоритма, называемого бэггингом.
Бутстрэп является эффективным статистическим методом для оценки какой-либо величины вроде среднего значения. Вы берёте множество подвыборок из ваших данных, считаете среднее значение для каждой, а затем усредняете результаты для получения лучшей оценки действительного среднего значения.
В бэггинге используется тот же подход, но для оценки всех статистических моделей чаще всего используются деревья решений. Тренировочные данные разбиваются на множество выборок, для каждой из которой создаётся модель. Когда нужно сделать предсказание, то его делает каждая модель, а затем предсказания усредняются, чтобы дать лучшую оценку выходному значению.
В алгоритме случайного леса для всех выборок из тренировочных данных строятся деревья решений. При построении деревьев для создания каждого узла выбираются случайные признаки. В отдельности полученные модели не очень точны, но при их объединении качество предсказания значительно улучшается.
Если алгоритм с высокой дисперсией, например, деревья решений, показывает хороший результат на ваших данных, то этот результат зачастую можно улучшить, применив бэггинг.
Бустинг - это семейство ансамблевых алгоритмов, суть которых заключается в создании сильного классификатора на основе нескольких слабых. Для этого сначала создаётся одна модель, затем другая модель, которая пытается исправить ошибки в первой. Модели добавляются до тех пор, пока тренировочные данные не будут идеально предсказываться или пока не будет превышено максимальное количество моделей.
AdaBoost был первым действительно успешным алгоритмом бустинга, разработанным для бинарной классификации. Именно с него лучше всего начинать знакомство с бустингом. Современные методы вроде стохастического градиентного бустинга основываются на AdaBoost.
AdaBoost используют вместе с короткими деревьями решений. После создания первого дерева проверяется его эффективность на каждом тренировочном объекте, чтобы понять, сколько внимания должно уделить следующее дерево всем объектам. Тем данным, которые сложно предсказать, даётся больший вес, а тем, которые легко предсказать, - меньший. Модели создаются последовательно одна за другой, и каждая из них обновляет веса для следующего дерева. После построения всех деревьев делаются предсказания для новых данных, и эффективность каждого дерева определяется тем, насколько точным оно было на тренировочных данных.
Так как в этом алгоритме большое внимание уделяется исправлению ошибок моделей, важно, чтобы в данных отсутствовали аномалии.
Когда новички видят всё разнообразие алгоритмов, они задаются стандартным вопросом: «А какой следует использовать мне?» Ответ на этот вопрос зависит от множества факторов.
10 ответов
Мой инстинкт заключается в том, чтобы держать их в тайне, пока вам не понадобится быть в противном случае.
Было высказано мнение (к сожалению, я упустил ссылку), что частные методы являются антисоциальными, во многом аналогично тому, как сделать их "окончательными", в том, что он довольно диктатор о том, как люди могут использовать ваш код.
Я не уверен, однако, и согласен, что вы должны разоблачить только то, что вам действительно нужно. Исключением будет библиотека или инструментарий, где вы ожидаете, что пользователи захотят расширить (в общем смысле) ваш код способами, которые вы никогда не предвидели. В этом случае защитные методы, которые были выбраны хорошо подобранными, можно рассматривать как предоставление гибких точек.
Лично я считаю нужным сделать так много, насколько возможно. Я просто смотрю на каждый метод и спрашиваю себя, хочу ли я, чтобы производный класс мог его назвать. Предоставление всех защищенных листьев открывает дверь для неправильного использования методов.
Я думаю, что это сводится к вопросам: "Все ли запрещено, если только это не разрешено" или "Разрешено все, если только специально запрещено".
Еще один фактор заключается в том, что легко сделать частный метод защищенным в будущей версии. Практически невозможно приватизировать метод, когда он защищен, так как вы никогда не знаете, какой другой код вы считаете недействительным.
Если вы намереваетесь построить класс для наследования, вы должны его спроектировать таким образом, то есть сделать эти методы защищенными, чтобы другие разработчики могли изменять поведение класса в соответствии с вашими линиями. Простое создание всех защищенных методов - не очень хороший дизайн. Имейте в виду, что все защищенные методы становятся частью общедоступного API, поэтому, если вы меняете вещи позже, вы нарушите код других людей.
В общем, если вы не разрабатываете для наследования, вы должны запретить его.
Ну, личное ключевое слово было предназначено с определенной целью. Если вы не хотите, чтобы переменные загромождали ваши унаследованные классы (или вы не хотите, чтобы люди играли с ними в унаследованных классах), то почему вы даже думаете о том, чтобы защитить их?
Не позволяйте людям прикасаться к вашим частям:)
Как сказано, если вы собираетесь продлить класс позже, вы всегда сможете его изменить.
Но если вы можете избежать использования наследования, вы должны. Лучше использовать другие шаблоны при проектировании, если это возможно.
В основном, что делать, это поддержка композиции над наследованием и программных интерфейсов, а не реализаций.
Если вы разрешаете классам иметь одну четко определенную цель, вы можете компоновать объекты, а не позволять им наследовать друг друга. Если вы используете интерфейсы, а не наследование, вы, скорее всего, определите малые и эффективные интерфейсы. Затем вы увидите, что наследование уменьшится, и, следовательно, необходимость защиты уменьшится.
Interface sound { public function makeSound(); } class bark implements sound{ public function makeSound() { return "Bark!!!"; } } class mew implements sound{ public function makeSound() { return "Mewmew!!!"; } } class forLeggedAnimal { private $sound; public function forLeggedAnimal($sound){ $this->sound = $sound; } public function eat(){ echo $this->sound->makeSound(); } } $cat = new forLeggedAnimal(new mew()); $dog = new forLeggedAnimal(new bark());
Я знаю, что это далеко не прекрасный пример. Но это иллюстрирует технику, и вы можете использовать ее разными способами. Например, вы можете комбинировать это с различными шаблонами создания для создания кошек и собак, возможно, не так уж и важно знать, что кошка лает или кончает. Но в любом случае.. она отличается от необходимости делать базовый класс, а затем расширяться это с кошкой и собакой, и поэтому они должны сделать метод "звука" защищенным или переопределяющим метод общественного питания.
Если реализованная вами функция относится к классу и не должна использоваться вне контекста этого класса, не позволяйте ей наследоваться. Например, если бы у нас была иерархия животных, и у одного из животных было что-то невероятно уникальное для них, скажем, "layEggsInSand()", как черепаха. Это может быть совершенно уникальным для черепахи (черепаха, что бы ни было!) Поэтому не должно быть унаследовано каким-либо другим животным. В этом контексте мы бы сказали, что это личное. С другой стороны, если функция "walk()", то она не уникальна, поэтому она должна быть наследуемой.
Вначале кажется довольно нечетким, потому что в большинстве случаев вещи должны быть унаследованы, но есть более редкие случаи, когда они не должны наследоваться, поскольку они уникальны для этого типа.
Обычно я использую private в очень специфическом случае, когда метод/переменная является очень внутренним и не должен быть прочитан или написан каким-либо другим подклассом (так почти никогда не бывает). Единственный случай, когда я использую приватную переменную, - это пример:
Final public function init():void { if(!_initialized) { _init(); _initialized = true; } } protected function _init():void { // specific code. }
В большинстве других случаев методы и переменная должны быть полезны для наследования, по крайней мере, как функция чтения. Поскольку большую часть времени, когда я использую код, сделанный кем-то другим, и когда этот код использует личные вещи, он всегда и с большим количеством проблем:
если он защищен (или если я его изменяю как защищенный), то я не могу переработать код (также добавив поведения между буксировкой других команд, потому что часть этого кода использует частные методы или переменные...
На концах вы почти меняете весь аксессор на защищенный, чтобы получить возможность расширения класса!
Таким образом, если вы считаете, что этот класс может быть расширен, предпочтительнее защищать все, кроме особо конкретного случая (если вы считаете, что конкретный метод следует использовать, но не изменять, используйте final protected).
Если вы считаете, что этот класс не должен быть расширен в любом случае: используйте private.
Независимо от того, готовитесь ли вы к экзамену, пытаетесь выучить иностранный язык или просто надеетесь удержать в памяти то, чему научились на занятиях, запомнить пройденный материал может быть непросто. В то время как мозг на удивление хорошо сохраняет информацию, которую вы изучали на протяжении длительного времени, ее не всегда легко вспомнить, когда это требуется. Используйте несколько приемов для запоминания, чтобы быстрее воспроизводить в памяти необходимые детали. Сделайте мозг более восприимчивым к поглощению новой информации, заботясь о своем разуме и теле, а также работая в подходящей обстановке.
Разбейте материал на небольшие отрывки. Информацию легче обрабатывать и запоминать, если вы разбиваете ее на крохотные кусочки. Вместо того чтобы пытаться запомнить всю главу учебника, сосредоточьтесь на одном коротком разделе или ключевой информации за раз.
Переключайтесь между разными темами. Чтобы мозг эффективнее упорядочивал информацию, будет полезно переключаться между изучением разных предметов. Чередование тем, которые сильно отличаются друг от друга, поможет мозгу не застопориться в попытках запомнить слишком много информации по одному предмету (или по двум очень похожим предметам) за раз. Кроме того, переключение между темами не позволит вам “перегреться” при работе над одной из них.
Делайте заметки. Когда вы слушаете лекцию или читаете текст, записывайте важные отрывки информации. Не пишите каждое слово, которое слышите или читаете. Лучше конспектируйте основные понятия. Это заставит мозг обрабатывать информацию и сжимать ее до наиболее важных элементов.
Проверяйте себя. Изучая каждый раздел материала, делайте перерывы, чтобы проверить себя. Для этого можно создавать дидактические карточки, составлять вопросы или выполнять проверочные упражнения или задания, которые прописаны в учебнике. Если вы учитесь с другом, можно спрашивать друг друга.
Повторяйте материал через определенные промежутки времени. Когда вы пытаетесь что-то запомнить, важно многократно это повторять. Этот метод лучше всего работает, если вы даете себе достаточно времени между повторами, чтобы не начать забывать то, что вы выучили. Повторение информации спустя небольшой промежуток времени напрягает "мускулы" памяти и помогает углубиться в материал.
Придумайте сигналы для памяти, так называемые мнемонические приемы. Одним из самых простых способов доступа к памяти является создание ассоциаций, которые провоцируют воспоминания. Для этого можно использовать аббревиатуры (например, КГБ наоборот для запоминания флага Российской Федерации: красный - голубой - белый, только наоборот), каламбуры или игру слов, а также рисовать в уме отличительные образы.
Объясните материал кому-нибудь еще. Когда вы пытаетесь обучать кого-то, это помогает вам самому лучше понять учебный материал. Чтобы вы смогли что-то объяснить, вы должны сами понимать это. Вы должны кратко охарактеризовать и изложить материал таким образом, чтобы он был ясным и понятным для другого человека. Это поможет вам лучше впитать и усвоить информацию.
“Переспите” с этой инорфмацией. Большинству людей необходимо каждую ночь спать 7–9 часов, чтобы оставаться в хорошей форме. Достаточное количества сна не только придает энергии и помогает сосредоточиться, но также помогает учиться и запоминать. Ваш мозг обрабатывает новую информацию во время сна, поэтому вы можете обнаружить, что лучше понимаете сложные понятия после того, как вздремнете или хорошенько выспитесь. Извлеките максимум из своего сна, соблюдая хорошую “гигиену сна”:
Хорошо питайтесь. Если вы будете питаться здоровой пищей, то сможете получить энергию, необходимую для концентрации и удержания информации в голове. Ешьте большое количество “постных” белков (рыбу, мясо без жира и листовую зелень), цельные злаки, фрукты и овощи, а также продукты со здоровыми жирами (например растительное масло, рыбу и орехи). Пейте достаточное количество воды в течение дня.
Делайте перерывы. Если вы попытаетесь заставить себя учиться слишком долго за один присест, вскоре вы начнете клевать носом или же ваши мысли начнут блуждать. Чтобы сделать занятия более сносными и эффективным, попробуйте учиться один час за раз. Делайте перерывы по 5–15 минут между сеансами, чтобы перекусить, вытянуть ноги или опустить голову и быстро вздремнуть.
Ребята, мы вкладываем душу в сайт. Cпасибо за то,
что открываете эту
красоту. Спасибо за вдохновение и мурашки.
Присоединяйтесь к нам в Facebook
и ВКонтакте
Все мы любим откладывать дела на потом. Кто в меньшей степени, ну а кто и в большей. Избежать этого и перестать терять драгоценное время, начать работать полноценно и продуктивно может помочь техника управления временем, придуманная итальянцем Франческо Чирилло (Francesco Cirillo) и звучно названная им «Метод помидора» в честь кухонного таймера в виде этого овоща, которым он и измерял свое время.
сайт составил для вас небольшую шпаргалку обо всем, что нужно знать об этом простом и действенном способе борьбы с прокрастинацией.
«Метод помидора» помогает нам снизить страх перед важной задачей: проще начать - значит проще закончить. И в результате сосредоточенной работы без дерганий и стрессов качество и количество нашей работы повышается.
