1樓：語憶情感研究所
基於之前所了解到的，提高技能與能力的最有效的方法（不光是程式開發領域）來回答一下這個問題吧。其實這也是學習任何知識、技術的一攬子解決方案。
我們先來介紹下「Deliberate Practice」（刻意練習）這個概念，它最早由美國心理學家安德斯艾利克森博士提出：
1. 刻意練習，是「一萬小時定律」的加強版本。我始終深深記得，我進入職場的第乙個boss跟我說的一句話——「你要明白你工作兩年後，你是有了兩年的工作經驗，還是乙個經驗學了兩年。」
事實上，變成高手與你練習這門手藝時間上的花費並不是完全正相關，不是說你時間花的越多，越接近高手。當然時間有一定的作用，但是訓練的方法更是尤為重要。
2. 但是上面我所說的並不是不需要花時間練習這門手藝了。練習的目的就是將完成乙個動作（也可以是做某一種工作）的較長腦迴路變成乙個更短的腦迴路。
用現在流行的機器學習中的概念比喻就是，通過不斷的訓練資料的輸入，優化出神經元個數更少，模型複雜度更低，而不影響模型正確率的新模型。用大腦的執行機制解釋就是，將冷認知（好比你剛學會投籃，投籃時還要回憶各種技術動作），轉化成熱認知（好比NBA球員投籃的時候，不經過思考就出手了）。
接下來是重點：
3. 在做一件事情，或者完成乙個工作，或者學習乙個技能時，我們都可能處在「舒適區」、「恐慌區」以及「學習區」其中之一 （你回憶一下是不是這樣 ：P）
舒適區：這件事我經常做，十分熟練，很難失手恐慌區：從未幹過這件事，俗話說的懵逼臉，不知從何下手學習區：介於上兩者之間，不是完全沒有頭緒，但是要經過一系列探索才能完成
4. 在舒適區乾再多活，對你這項技術的提公升幫助很有限，因為熱認知已經形成（用機器學習的概念就是，模型都收斂了，你再喂資料也沒什麼卵用）
而在恐慌區練習，第一容易摧毀自己的信心，感覺自己做啥啥不行，幹啥啥不會；最關鍵的還是無法形成有效反饋，去修正自己具體的技術細節（用機器學習的概念就是，步長太大，永遠無法收斂了）
5.所以結論得出了，我們需要在學習區中不斷練習，也就是刻意練習——不斷在學習區for迴圈（得到反饋，修正技術動作），才能讓自己某方面的技術，快速提公升。
根據題主的情況，結合我個人經驗，給題主提供如下建議：
俗話說的好：大部分的自律都是不同形式的他律自己主動跨出舒適區到學習區是會有些許不適，所以我建議被動跨出這一步當公司有新專案，或者新任務，主動承擔下來，讓公司逼你走出第一步，被動的在學習區也是一種選擇。
如果沒有這種機會，可以給自己設立一些，與公司專案相關的，優化公司專案的課題，邊學邊做；這樣不但可能幫助公司優化專案，更能幫助自己停留在學習區，反饋進步~
希望這些對你有用！
軟體開發過程中如何控制需求變更？
新星軟體造價諮詢 需求澄清階段 讓業主派遣懂軟體技術的人員參與，盡可能把問題在這個階段爆出。軟體開發階段 如果需求變更不可避免，說清楚變更後對專案交付是否有影響，或者對其他需求是否會有影響，讓業主自己判斷唄。 阿斯特軟體 專案開發之前一定要做原型和效果圖，客戶確認沒有問題簽合同再進入開發流程。如果是...
敏捷開發過程中測試團隊的職責和產出是什麼？
Zoe a 關於測試，如果是自己設計自己執行一張紙的測試文件或腦圖都可以，簡單省事。如果是多人協作的話，還是要規範用例的描述，還是推薦用工具，能避免遺漏且能沉澱資料。關於敏捷和迭代式開發，這兩種還是有區別的，迭代式開發適合那些需求資訊不明確的專案 而敏捷開發是緊緊圍繞使用者需求，以使用者為導向。以上...
在量化策略開發過程中，你都用到了哪些知識？
guobz 作為乙個純理科出身做alpha的我來說，優勢點在於數理統計，所以主要用到了數學統計知識，而計算機 金融知識其次，總結如下 數學統計方面 凸優化 多元線性模型 顯著性統計檢驗 方差分析 建模分析 線性代數 計算機方面 主要是程式設計，語言來說Matlab R Python都可以，只是工具，...