系统思维训练指南

     
  • 如何从头开始开发算法 | 培养算法思维

    132

    算法是用于解决问题的分步指令。发展算法思维有助于将复杂问题分解为更小的问题,然后解决更小的问题并将它们组合起来为该复杂问题提供解决方案。通过解决难题来发展算法思维: 解决谜题和脑筋急转弯有助于增强逻辑.

  • 什么是检察官的谬误?

    288

    检察官谬误是贝叶法则的一个非常著名但被忽视的应用。想象一下,你因谋杀罪被捕。你知道自己是无辜的,但犯罪现场的物证与你的描述相符。检察官认为你有罪,因为在你无罪的情况下找到这些证据的几率太小,陪审团应该.

  • 超越代码:通过TLA+ 实现形式抽象表达

    305 3K

    抽象是避免分心的有力工具。抽象一词的词源来自拉丁语,意思是“剪切”和“绘制”。通过抽象,您可以从复杂的系统中分离出协议,省略不必要的细节,并将复杂的系统简化为有用的模型。例如,如果您对分布式系统的一致.

  • 直觉和分析思维不同之处

    303 1 3K

    下面是一道相对简单的数学题:一根球棒和一个球的总价是 1.10 美元。球棒比球贵 1 美元。球的价格是多少?(我会在下面给出答案)。丹尼尔-卡尼曼(Daniel Kahneman)在《思考,快与慢》(.

  • 顺序记忆是一种独特的人类特征

    194

    新的研究揭示了一种可能是人类独有的识别和记忆顺序信息的能力。尽管倭黑猩猩是我们的近亲,但它们却很难像人类一样能学习并记忆刺激物的顺序。这一发现有助于理解人类与其他动物在认知上的区别,解释了为什么只有人.

  • ​​​​​​​双重过程理论

    722 2K

    双过程理论描述了直觉思维和深思熟虑思维之间的相互作用。理解这两种推理模式可以提供帮助改善我们决策的线索。目前,越来越多的研究表明,人们通常在没有意识到的情况下利用两种不同类型的思维过程来推理问题。乔纳.

  • 为什么工程经理更应该有系统思维?

    332

    什么是系统思维以及为什么它在软件开发中至关重要?什么是系统思维?系统思维是一个广泛的知识领域,通过理解所有部分如何相互联系和影响来解决问题。这个理论并不新鲜,不同行业已经应用了数十年。一个很好的例子是.

  • 生活“全是虚拟现实”

    382 2K

    关于现实本质的理论通常分为两类:二元论者假设有两个基本事物:物质和精神、肉体和精神、身体和灵魂。一元论假设其中只有一个是真正基础的,另一个只是最基本的派生。二元论似乎更符合常识。但是根据奥卡姆剃刀原则.

  • 把面对失败作为一项核心生活技能 - buildinghealthier

    301 2K

    五颜六色的菜肴摆在我面前。面包、腌肉、烤蔬菜、香草。新鲜椰子应有尽有。这是我在越南第一周的最后一天,在过去的几天里,我在山上骑山地自行车,在湖边跑步。现在的生活与我一年前的生活形成了鲜明的对比。12 .

  • 机器学习中“First-Explore先探索”元学习是什么?

    267

    人类是探索的大师。与机器强化学习RL不同的是:我们不是像RL那样通过尝试最大化奖励来探索,而是通过探索来获取信息!这是标准RL机器学习速度比人类慢得多的主要原因。我们提出了一个新的元RL框架(Firs.

  • '演绎Deduction' vs. '归纳Induction' vs. '溯因Abduction'

    978

    演绎Deduction:演绎通常被定义为“通过推理得出结论”。演绎推理总是必然地从一般或普遍的前提得出特殊结论。归纳Induction:归纳法是一种推理方法涉及概率元素。归纳推理是从特定事例中推论出一.

  • 什么是设计思维?

    704

    设计思维是一种以客户为中心,从客户的需求、问题、习惯和实践出发,解决问题和设计产品的方法。对于业务分析师而言,设计思维可以证明是一种有价值的分析和设计方法,可通过以下实践开发创新解决方案: 了解用户需.

  • 什么是习得性无助(躺平)?

    1204

    习得性无助(Learned Helplessness,中国网络用语:躺平):在动物中,当动物反复受到无法逃避的厌恶刺激时,就会发生习得性无助。最终,动物将不再试图回避刺激,表现得好像它完全无助于改变这.

  • 什么是 Pro-Con-Fix 列表?

    711

    在进行讨论时进行可视化非常重要。信息需要以简单的格式可视化。我想开始与您分享这些可视化效果,以防您也在寻找更好的会议方式。Pro-Con-Fix 列表是在会议期间可视化决策或讨论的简单结构之一。我发现.

  • 什么是发散式思维?

    2222

    发散性思维(Divergent Thinking)是以一种自发的(头脑风暴)、自由流动的方式发生的,想法是以一种随机的、无组织的方式产生的,这反过来又会导致更多的想法。它在许多创造性工作中起着关键作用.

  • 什么是5 Whys?

    1211

    五个为什么(5 Whys):为了找到根本原因,你需要问多少问题就问多少问题:五个问题只是一个数字。然后,当一个对策变得明显时,你就贯彻执行,防止问题再次发生。“速战速决”看似方便,但往往只能解决表面问.

  • 认知偏差:什么是间隔效应?

    1280 2

    间隔效应(Spacing Effect)是一种现象,即在一段时间内分散学习,而不是在一次学习中学习相同数量的内容,学习效果更好。它应该为你的刻意练习提供参考。间隔效应描述了这样一个有力的发现:当学习事.

  • 认知偏差:什么是P值(P-value)?

    3533

    P值是在统计假设检验中的一种衡量边际显著性水平的指标,代表了一个特定事件的概率。p值或概率值告诉您数据在原假设下发生的可能性有多大: 小于 0.05 的 p 值通常被认为具有统计显着性,在这种情况下应.

  • 在 2022 年学到的 10 个最佳创意 - by Gurwinder

    893 2K

    从我今年了解到的数百个想法中,我选出了 10 个最发人深省的想法。它们在下面展示,连同进一步阅读的链接(只需单击标题)。1.所罗门悖论:我们更擅长解决别人的问题而不是自己的问题,因为疏离产生客观性。但.

  • 物质欲望与形而上欲望 - 勒内·吉拉德

    1578 3 2K

    现代人的童年就像一个传送带:每个孩子都以同样的速度进步,无论他们学到多少东西。跟着传送带走,你就会成功。高中进入大学,大学进入研究生院,研究生院进入一个著名的职业。每当我遇到一个大学生,我都会问:"你.

  • Mel Conway:同理心和系统思维

    1126

    为什么深具同理心共情的人性(情商)和系统思维(智商)很难在同一个人身上共存?我把这部分归因于教育系统:文理分科造成的两种文化:科学和人文科学已经分裂为“两种文化”,这种分裂是解决世界问题的主要障碍。“.

  • 软件工程师第一性原理思考 - AddyOsmani

    1547 1 3K

    第一性原理思维有助于解决复杂问题,因为它可以让您将问题分解为核心元素,然后从中系统地构建解决方案。与尝试使用先入为主的概念或根据您过去的经验对问题做出假设相比,这可能是一种更有效的方法。它用于计算机科.

  • 线性思考、设计思考和系统思考三者权衡

    1539 2
    线性思考者、设计思考者和系统思考者走进一家酒吧……他们谈论未来的房子。 线性思考者绘制平面图。他详细介绍了卧室、厨房、浴室、休息室等。他确保每个房间都有充足的光线、暖气、正确数量的插头等。​设计思考家.
  • 二十条有用的认知偏差

    1707 2K

    1.鸵鸟效应我们经常试图避免那些我们担心会给我们带来压力的信息。因此,账单和工作邮件仍然没有被打开,银行余额仍然没有被检查。这是适得其反的,因为忽视一个问题并不能消除问题或你的焦虑,它只会延长它们。2.

  • 文明通天塔:思维工具与计算机的关系 - magg

    1076 1 9K

    在过去的几年里,思想工具已经成为一个新的凝聚点。那些原本可能围绕着个人知识管理(PKM)、笔记、网络化思维、计算机支持的协同工作(CSCW)、知识图谱或人机交互(HCI)等关键词的人们,正在重新规划他.

  • 为什么很少有组织采用系统思维? - ackoff

    2051 2 4K

    我经常向一些管理人员讲述系统思考的性质及其对管理的根本影响,在此过程中,我使用了几个涉及美国知名企业的案例研究。在演讲结束时,我几乎总是被问到:"如果这种思维方式像你说的那样好,为什么没有更多的组织使.

  • 解决问题的两种方式:阻击手和将军 | Jose

    1102

    现在我们有两种方法来解决同一个问题:一种是可以逐一消除可能的根源的狙击手方法,另一种是喜欢从大局出发,发挥分化和征服敌人的策略的将军方法。猜测和狙击策略:工程师充当狙击手,选择一个目标(猜测),然后将.

  • 解决问题的三条规则 | Yonatan Zunger

    2826 1

    如何在广泛的领域内解决问题?有什么工具?这三条规则可能是我最常重复的。我经常称它们为 "设计 "规则,但实际上这些是解决任何类型问题的工具--从机器到人。这三条规则按重要性降序排列。如果你想去某个地方.

  • 学习的十种心智模型 - Young

    2394 2 5K

    心智模型是一个一般性的概念,可以用来解释许多不同的现象。经济学中的供给和需求、生物学中的自然选择、计算机科学中的递归、数学中的归纳证明--只要你知道去寻找,这些模型就无处不在。就像理解供给和需求有助于.