原文：
www.kdnuggets.com/2019/12/ultralearn-data-science-distractions-focus-part2.html
评论
由 Ben thecoder 编写，开发者、作家、机器学习和人工智能爱好者。
1. 谷歌网络安全证书 - 快速进入网络安全职业的快车道。
2. 谷歌数据分析专业证书 - 提升您的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持您的组织的 IT 工作
照片由 Jakob Owens 提供，来源于 Unsplash。
在 第一部分 中，你了解了极致学习的介绍和实施元学习的有效策略。有了这些，你可以开始你的极致学习数据科学的旅程。
但在你过于兴奋之前，你必须首先了解世界充满了干扰。我们生活在一个我们的注意力被廉价出售的时代，注意力经济 的概念将我们的注意力视为一种宝贵的货币。
“注意力是一种资源——一个人的注意力有限。” — 马修·克劳福德
正如所说，本文将主要关注你猜到的主题，专注。现代生活充满了干扰，从手机上的不断通知到倾向于刷 YouTube 和 Netflix，我们的注意力持续时间显著减少。
这些干扰对一个人的健康和高效工作能力可能是有害的。在这个充满干扰和分散注意力的世界里找到你的专注，就像在大海捞针一样困难。
然而，有一些简单的技巧可以帮助你克服这些寻找专注的障碍，实现你的极致学习目标！
1. 动力
找到你的专注的初步挑战肯定是首先让自己集中注意力。
有很多方法可以做到这一点，因为我们都有自己的方法来欺骗自己坐下来开始从事个人项目或撰写文章。
一个例子是设置一个五分钟的计时器。首先，你承诺自己在这五分钟后可以停止工作。这个由承诺带来的短时间内停止的动力通常会让人继续工作下去。
这种自我欺骗的策略与著名的番茄钟技巧类似：设置一个timer为 25 分钟，并在没有任何干扰的情况下工作，不中断。当计时器响起时，休息五分钟。然后，再继续工作 25 分钟。
自创的紧迫感和在专注工作间隙奖励自己休息是特别有效的，且被证明非常高效。随着专注工作的时间增加，休息的时长也会成比例增加（从五分钟到 10/15 分钟）。
相反，有些人更愿意在 25 分钟的专注工作后继续工作，因为它已经给了你继续工作的动力，然后在一个小时后再休息。
这种替代方案叫做52/17 技巧。它最近变得非常流行，甚至被称为理想的生产力计划。因此，根据你的喜好和能力，你可以调整这种番茄钟技巧，开始获得专注。
2. 维持专注
在找到你的专注点后，接下来的挑战是维持它。这是专注工作中最难的部分之一，因为我们人类已经被互联网和社交媒体训练成短时间内注意力不集中。
这些外部干扰会消耗你的专注力。为了控制环境而不是让环境控制你，你必须主动消除这些干扰。
一些例子包括：
-
将手机设置为飞行模式。
-
关闭你的 Wi-Fi。
-
开启“勿扰”模式。
-
将你的智能手机颜色设置为灰度模式。
-
关闭通知。
其他帮助你保持专注的提示包括：
-
拥有一个专门的深度工作区域，在那里你能够发挥最佳表现。这有助于让你的大脑在下一次准备好，因为你想再次集中精力。
-
如果在外面，选择一个嘈杂的咖啡店，因为背景噪音有助于你专注（或者对那些喜欢安静的人来说，去图书馆）。
-
听古典音乐或任何你不熟悉的音乐。
-
准备好食物，并在旁边放一杯水。
-
找一个伙伴参加配对编程的数据科学项目。
3. 交替学习
你可能会认为挑战已经结束，你已经征服了专注的高峰。但试炼并没有就此结束。
虽然你可能已经按照 YouTube 上的逐步教程从零开始构建了一个逻辑回归预测模型，并且认为自己学到了很多，但可能你已经进入了自动驾驶模式。
尝试在没有任何视频教程的情况下构建另一个模型，你能做到吗？如果不能，你并没有完全投入到学习过程中，你只是输入了新材料，却没有保留它。
为了对抗自动驾驶模式，应用交替学习——故意在材料和学习模式之间进行交替。
理想情况下，为了确保新概念的记忆，你必须通过在短时间、规律间隔的学习中进行交替学习。例如，如果你每周有 10 小时用来学习 Python，目标应是每周五次两小时的学习，而不是一天十小时的学习。
在每个学习阶段，提前计划你将学习的内容，例如周一的数据可视化，周二的数据清理，周三的统计和概率等等。
此外，规划你将用于学习的资源，并为学习制定结构，从知识构建（书籍和文章）开始，然后才是应用（在 IDE 中编写代码）。
为了有效地实现这种交替学习方法，可以利用时间盒的概念——这是一个来自敏捷软件开发的术语，其中时间盒是一个定义的时间段，在此期间必须完成任务。
使用时间盒（timeboxing），每项任务只有有限的时间（时间盒）来完成，时间结束后，即使之前的任务未完成，你也要继续下一个任务。这确保了高效的工作，避免了个人在某一任务上花费过多时间。
例如，你在为项目调试 Python 代码时遇到困难，你已经在 Stack Overflow、Reddit、YouTube 和 Discord 上花费了几个小时，但仍未解决问题。
最终，你整天所做的只是调试，而且完全忽视了其他计划。为了应对这种情况（编程中常见），给调试代码大约 15-20 分钟的时间。
这样，你可以继续做其他事情，而不是整天都在修复你的代码。
4. 心理能量高峰
最后一步是通过记录你的心理唤起——你的能量和警觉水平，来最大化你的深度工作时间。
我们都有某些时间段能量最集中。为了进行高效的工作，你必须记录下你表现最佳的独特时间。
这可以通过夜猫子和早起鸟的类型来说明，一种人在午夜时分更有创造力和生产力，而另一种人在早晨太阳升起之前效果最好。
找到你心理能量高峰的一种方法是睡前记录你的一天，并记录你在一天中的哪些时刻非常高效。这样做一个月后，回顾一下你生产力高的时间。
完成了！你得到了集中精力的时间间隔。
有了这些，你可以根据你的唤起水平分配任务。
高兴奋度 产生强烈但狭窄的专注——适合重复性任务，如寻找数据科学学习资源并将其整理到 Notion、Trello、GitHub 等应用程序中，或为公司研究解决业务问题。
低兴奋度 产生放松但较宽泛的专注，适合横向思维和形成新的联系，如头脑风暴有趣的数据科学项目或在解决问题时提出正确的问题。
通过将你的任务与兴奋水平匹配，你可以在专注力高涨时执行简单任务，在专注力较低时执行复杂任务——以获得最佳的极限学习效果。
磨练你的专注力将确保你拥有足够的心理耐力来极限学习数据科学。
按照这四个步骤进行：
-
使用时间追踪应用和如 Pomodoro 技术等技巧来获得动力。
-
通过控制环境来维持你的专注力。
-
将你的学习时间分成较小的部分，并使用时间盒的概念规划每个学习会话。
-
找到你的心理能量高峰，并将重复性任务分配到高兴奋度时间，将复杂任务分配到低兴奋度时间。
原文。经许可转载。
相关内容：