Learning How to Learn

Learning How to Learn на данный момент один из топовых курсов.
Он достаточно короткий, рассчитан на 4 недели, но вполне можно прослушать за 2-3 вечера. Пару лет назад читал книгу Барбары Оакли "Думай как математик", собственно материал книги и курса почти полностью совпадают, несколько отличается подача. Добавлены интервью, часть их которых на мой взгляд сомнительные. Терренса Сеновски совсем немного рассказывает про работу нейронов и нейромедиаторов.
Курс отличный, некоторые сложные вещи объясняются популярно и полностью с практической точки зрения. Наверно в 16-23 года такой курс дал был хороший буст. Сейчас конечно понимания многих идей от туда пришло со временем. Но структурировать такие знания всегда хорошо.
Course Certificate
На эту же тему неплохая книга Кэл Ньюпорт "В работу с головой". В общем то те же идеи, но иногда под другим углом или более развернутые.
Не люблю в большинстве своем всякие книги по саморазвитию, это как правило всякий треш, где перемешено все на свете, и очень часто или не доказанное или заведомо ложное. Но эта книжка пошла достаточно быстро и приятно, до самого конца.
На близкую с этим тему, идеи Михай Чиксентмихайи про "поток" очень интересны.
Поток. Психология оптимального переживания
В поисках потока. Психология включенности в повседневность

Комментарии

Отправить комментарий

Популярные сообщения из этого блога

Асинхронное выполнение процедур или триггера в MS SQL Server

После изменений данных иногда требуется дополнительно произвести какие то действия, это может быть пересчет каких то агрегаций, отправка сообщения и пр. Процессу вносившему изменения как правило важно знать только результат транзакции и не очень интересно ожидать выполнения дополнительных операций. Асинхронный вызов можно организовать через очередь. В следующий раз напишу как это сделать через обычную таблицу и job, а сегодня о компоненте Service Broker. У Service Broker много возможностей, он позволяет взаимодействовать и между сервера, но местами не так удобен и гибок, в итоге часто эффективней выносить такую логику за СУБД. Но для простых и понятных задач вполне годная штука. 1. Создаем БД IF DB_ID (N 'DB_001' ) IS NOT NULL DROP DATABASE DB_001; GO CREATE DATABASE DB_001 2. Включаем Service Broker ALTER DATABASE [DB_001] SET ENABLE_BROKER with rollback IMMEDIATE ; 3. Создаем два типа сообщений CREATE MESSAGE TYPE [AsyncRequest] VA
Далее...

Рекурсивные SQL запросы

Изображение
CTE(обобщенное табличное выражение) может ссылаться на себя, создавая рекурсивное CTE. Рекурсивное CTE многократно выполняется, чтобы возвращать подмножество данных до тех пор, пока не получится конечный результирующий набор. Обычно рекурсивные запросы используются для возвращения иерархических данных, например: отображение сотрудников в структуре организации или генерация последовательности. Структура рекурсивного CTE WITH cte_name ( column_name [,...n] ) AS ( CTE_query_definition –- Anchor member is defined. UNION ALL CTE_query_definition –- Recursive member is defined referencing cte_name. ) -- Statement using the CTE SELECT * FROM cte_name CTE разбивается на закрепленный и рекурсивный элементы. Запускается закрепленный элемент с созданием первого вызова. Рекурсивный элемент ссылается на закрепленный и вызывается пока не вернет пустой набор. Классический пример с сотрудниками DECLARE @Employees TABLE ( ID int NOT NULL, [Name] nvarchar(200) NOT NULL, Manag
Далее...

Кратко про SQLAlchemy Core

SQLAlchemy Engine это слой абстракции над DB-API. Он содержит DB-API драйвера для разных СУБД, их можно указать в строке подключения. Engine.execute() и Engine.connect() два основных метода. Так же у него есть свой пул соединений. create_engine() - фабричная функция для создания Engine. Metadata это логическая структура базы данных. Она содержит список таблиц(Table), их отношения и другие объекты. Table абстракция таблицы. Содержит колонки(Column) и другие свойства. Таким образом можно иметь одновременно несколько engine с разными драйверами и коннектами, разные metadata, и совместно их использовать. примеры на github from sqlalchemy import MetaData, Table , Column , Integer , Numeric , String, DateTime from datetime import datetime metadata = MetaData() users = Table ( 'users' , metadata, Column ( 'user_id' , Integer (), primary_key = True ), Column ( 'username' , String( 15 ), nullable = False , unique = True ),
Далее...