写给新读者的文章导航（3）：编程与技术

未来时代，科学、工程与人文三者兼具能力日益重要。人文是明白自己身在何处；工程是有改造世界的能力；科学是能理性解决问题，具备文献追溯与创新的能力。在第三篇文章导航中，这里的工程能力更多侧重编程与数据科学这类软件工程，偶尔涉及到开源硬件这类硬件工程。先让我们从关于编程的元思考谈起。

## 关于编程的元思考

在我看来，成为杰出专家，应以十年为判断标准，前四年，是培养技能复利的年头。设计、编程、思维训练，均会导致【能力翻倍】效应。所以，按照我的习惯，先从编程的【元思考】说起。这些编程的好习惯与路径，能够导致我们养成更好的习惯与更高效率的学习。

### 文章1：[如何学习一门新的编程语言？](http://www./tech/learn-program-psychology.html)

刚开始编程，常心不从心，怎么办？当你开始编程，的确很难，你需要同时掌握语言与逻辑，大脑并不擅长同时处理两件事。所以，我们需要借助一些巧妙的小工具与方法论。这篇文章整理了它们。虽然写于2011年，并没过时，但有几个小提醒：

* 第一个需要特别提醒的是，【刻意练习】并非万灵丹，严格遵循刻意练习方法，大约能解释国际象棋冠军等卓越专家的成绩的百分之三十，而非被大量所谓专家错误科普，学术上并不存在的【一万小时定律】鼓吹的百分之百。
* 另一个需要提醒的是，希望更多了解执行意图，可以参考我后来写的文章与好友小镇的演讲：

* [心智工具箱（4）：执行意图](http://www.douban.com/note/256480522/)
* @小镇一个关于执行意图的趣味演讲。http:///zjOiLR7

### 文章2：[如何高效利用GitHub](http://www./tech/github.html)\

这一篇老文，技术社区广为流传。以致几年过去了，用Google检索github，还是这篇文章位居前列。文章中提及的具体链接会过时，但是不会过时的是其中反映出来的思维方法论。尤其是以下几点：

1）对Github文化的分析：强调敏捷开发与快速原型，而又的确成功的创业团队，常具备一个重要气质：有自己的文化风格。
2）认知学徒制：你要学习编程，就应该在github里学习，因为你以后编程就是通过Github。
3）与牛人在一起：参见成为黑客那个链接与集体智慧部分；
4）减少选择：人生不易，满意即可。

## Mac效率手册

我当然是Mac粉，晒晒我的Mac Pro。是不是太像垃圾桶？^-^

在我诱惑下，用Mac的朋友越来越多了。将老文汇集在一起，成为一本不断在线更新的《Mac效率手册》供各位参考：

* [Mac效率手册 - 阳志平的网志](http://www./tech/mac.html)

### 文章3：[如何提高创作型任务的效率？（Mac版）](http://www./psy/mac.html)

Mac是苹果公司设计开发的一款广受好评的操作系统。如果尝试总结Mac与Windows最大的差异，或许关键字在于：注意力。Mac OSX以简洁的设计取胜，甚至强迫用户将注意力聚焦在当前工作之上。Windows系列操作系统设计，相对而言，缺少一个统一并且强硬执行下去的注意力法则。

这篇文章写得极早，奇迹的是，时隔多年，里面的软件都还没过时。

### 文章4：[Mac开发者2013年新机设置参考 ](http://www./tech/mac-dev.html)

这篇文章是Mac到手之后，可以照着一步一步演练的装机指南。装机之后，同时可以参考我写的Mac入门七篇，网址是：

* [Mac效率手册 - 阳志平的网志](http://www./tech/mac.html)

涉及到Mac新手所需要的方方面面技巧。为了节省时间，重点阅读以下三篇即可：

* [Mac入门笔记（1）：开机ABC - 阳志平的网志](http://www./tech/mac1.html)
* [Mac入门笔记（4）：文本输入](http://www./tech/mac4.html)
* [Mac入门笔记（5）：远程协作](http://www./tech/mac5.html)

## 关于开源技术的布道

前几年，对开源世界做了很多推广工作，Google搜索iterm2、markdown、pandoc、github、jekyll、cask，前几篇都是我的文章。随着近两年步入自己的创作高峰期，以后再也没这心力。这些散落的文字，可以参考这里：

* [开源玩家 - 阳志平的网志](http://www./tech/open.html)

以及这个豆瓣小组：

* [Github优秀开源项目小组](http://www.douban.com/group/460530/)

其中，最常用、最容易改变新读者的使用习惯的是Markdown与iTerm2。建议从此阅读开始。

### 文章5：[Markdown写作浅谈](http://www./tech/r-markdown-knitr.html)

高效的写作工具，本质是个思想引擎。这个引擎一要快，最快速度帮助你将头脑中混乱的、零碎的想法转为文章；二要智能，自动版本管理，不再让你担心写废与删稿、文风检查；三要恰当好处，进行内容与表现形式的分离。

为了快速入门，可以搭配小容写的在线教程：

* [Markdown在线写作速成](http:///lesson/10/)

入门之后，则可以阅读：

* [Markdown小技巧集合](http:///8sG2Sdb)

### 文章6：[iTerm2新手应知特色功能](http://www./tech/iterm2.html)

基础，无语多言。

## 认知科学、数据科学与网络科学

总看到读者在我的技术博客后这种评论：【不说还以为是IT从业人员，怎想是专业心理师】。我从不做心理咨询，不是心理师。编程是认知科学传统。还有用lisp写ACT-R，现在深度学习大牛hinton、贝叶斯大牛Josh都是心理系出身，从事认知科学。大家别把心理学等同于心理咨询，虽然它很重要，但还有更广阔的天地。

文章可以参阅这里：

* [数据掘金 - 阳志平的网志](http://www./tech/data.html)

部分书单可以参阅这里：

* [技术派心理学](http://book.douban.com/doulist/1222833/)

### 文章8：[心理学工作者学什么编程语言？(http://www./tech/psychologist-language.html)

心理学工作者学什么编程语言？我的选择标准是：1）开源，社区友善；2）易入门；3）在特定问题领域，拥有大量最佳实践与外部库，避免重复劳动；4）容易产品化，好卖钱，并且销售基于该程序语言开发的产品不侵犯第三方知识产权。5）不仅学术界，工业界也大量使用,因此好就业好创业。

这篇帖子2011年写的，有些早。建议：

1）侧重数据科学与心理测量，从R入手；
2）侧重人工智能、认知机器人与Web开发，从Python入手；
3）开源硬件，从Arudino入手。

学R可从这里入手：http:///8FBRgC5 学Python从这里入手：http:///8FK6nVa

### 文章9：[R in Psychology学习目录](http://www./tech/R-in-Psychology.html)

这是前几年整理的一个，给认知科学、心理科学及相关学科的朋友，学习R语言的目录。这一篇文章还可以搭配以下两篇文章阅读：

* [数据处理常用Unix命令](http://www./tech/datashell.html)
* [Github上的优质数据资源](http://www./tech/gihut-data.html)

在处理数据与学习数据科学的时候，最好还订阅以下博客与新闻周刊：

* 其一：老朋友xccds的博客【数据科学与R语言】：http:///8kvRqBh 精彩，值得收藏。
* 其二：数据科学周报（Data Science Weekly）：http:///8s3TEbE，存档在：http:///8s3TgNP ；数据科学资源整理在：http:///8s3TgNv

### 文章10：[《社会网络分析：方法与实践》译者序](http://www./psy/snabook.html)

这一篇文章是我给组织翻译的《社会网络分析：方法与实践》写的序言。全书以基于Python的网络分析包NetworkX作为社会网络分析工具,但并不是一本NetworkX使用手册。作者将重点放在如何从庞大的社会网络分析学术积累中，挑选最精要与最实用的知识点，以帮助读者形成关于社会网络分析的知识谱系图。

从社会网络分析，既可以走向更偏社会科学的计算社会科学，也可以走向更偏神经科学的大脑复杂网络研究；还可以走向更偏计算机科学与物理学的网络科学研究。这本书适合新读者与新手，可以作为一个初步了解图论、网络科学的起点。

同时还可以搭配这一篇文章阅读：

* [社会网络分析入门书目导读 - 阳志平的网志](http://www./tech/sna-book.html)