自学和非自学的区别

这是个看起来很有趣的问题。可能大多数人会觉得自学那是必须的，不会自学，那就是不会学习。有些惭愧，自学的路，走的实在是太艰辛了 。
从小到大，学习轻松，成绩优异，没有上过英语以外的辅导班，英语辅导也是小学，初中前两年上过一些新概念英语的学习。由于以前生活比较单一，所以开学前拿到新书，在家里一天就看完，或者相当于自学完了，对自己的智商也是相当满意。情况改变是在上大学，学习模式依旧是上课，复习，做作业，考试。区别是没有预习过，一个是大学的课程看起来有些突兀，和之前的课程联系不是很紧密，所以自学起来有些吃力，就放弃了。课余时间，仔细消化数学老师给的定理证明，每一步都仔细推敲，也耗费了不少时间。现在回过头来看，非常的不值得。因为大学期间，会听信误以为，有些专业课很难，挂科很多，其实并没有，都是一些正常范围内的知识。老师也会把epsilon-delta语言的一些证明故意讲的看起来很难，需要仔细琢磨才能理解的样子。时间花在了这些消化和理解上，反而做题，做计算的功夫下的少，考试成绩中上等，不是那种轻轻松松得个98，100那种。有些分析的课程学的很好，可惜后来没有再继续这方面的科研，现在基本闲置作废了。到了研究生又发生了转变，本科期间的专业训练和视野的狭窄从未意识到编程的重要性，研究生期间依旧学习一些理论课程，甚至一些统计，算法这些课都没有学过。直到研究生毕业开始找工作，面试时候被编程题以及各种实际场景的模型解决问题给问到，才真正的意识到知识的内容的狭窄。当然以前也会误以为，研究生期间，年轻时候，学习些深刻的理论，为以后的研究打下基础，将来学习一些简单的课程，自己看看就会啦。

然后就开始自学之路，但是依旧在学校里面做科研，开始看些计算数学的论文，以及深度学习的论文。由于没有任何基础，看论文看的很吃力，而且看到文章里提到的很多东西 ，都要去查，这样子，文献读起来很慢。就这样过了很久，终于开始从所谓的公开课视频开始学起。几分钟的视频，就把算法的构成，应用场景，优缺点说的一清二楚，再回过头来看论文，速度直接翻倍，因为大多数论文，涉及的新理论不多，模型稍做修改，展示下不同数据集，不同指标下的对比，从此走上了稍微轻松的路。
之前的学习和编程也都是基于课程和论文的，大部分不涉及太多类型的数据结构。因此，虽然写程序不太熟练，但也够日常的研究用。等到决定找工作时候，开始刷leetcode, 又是不知所措，最开始还直接开始挑战中等难度，结果，看了题不知道在说啥，看了题解，哈希表，堆，栈，这些完全不知道。好吧，又从头开始，最开始选择了教材阅读，自己啃，大部分顺利，但是遇到一些稍微复杂的，会卡住很久，没法继续学习。这样子，过了一阵，又换了学习方式，看书和看网上视频结合，由于我是先看的书，所以再看起视频来，感觉很轻松，就是加深和回忆的过程，有些章节没有看过书，直接看视频也当作是一种放松，会跟着思考，感觉就是同样的内容，看书要比看视频花费更多的时间，然而学习效果还没有看视频好，同样，看书只动了眼睛，看完后还需要自己回过来，思考整理，看视频就不是了，调动了听觉，视觉上也有动画的变化，对理解和记忆有很大的帮助，视频一般也在最后有总结。
但是通常情况下，并不是只是看书和看视频这两件事情就能解决的。我很希望在做科研，找工作之前能把必备的知识和技能都学习了，可惜，这些都是在自己的经验教训下，自己摸索出来的，对时间和身心都是种折磨。除了这种学习方式上的不同，以及学习内容上的不舒适，自我学习，没有团队，没有人指导，也算是一种比较难熬的体验吧。首先是自制力和驱动力，这一点，计划列多了经常会自我放弃，只好列上小目标给自己点鼓励和信心。然后是信息沟通，自己容易在某些问题卡住，通常，就只能通过谷歌的方式来解决了。这个过程既痛苦也有收获感，只是收获感很低。毕竟时间有限，能在有限的时间，以最优的方式去完成，为什么非要走一条难走的路。至今维持着这种模式，还在继续着自我学习。能力上未必有多强大，但是内心强大了很多。一个从未接触过的新的任务项目来了，不会头疼，会扎实的走下去，从0到变成一个伪专家。工作如此，生活亦如此，这样的态度也让我对生活的方方面面充满了更多的好奇和探索。也让我花更多的时间精力去研究如何过好每一天，如何尽最大的可能享受生活。
如果是你，你会怎么看？