机器学习的算法、SDS和FP的课程（每天耗时2h*3）都被压在了一周的时间内，外加还要保持健身的频率。结果就是哪个都顾不了，每个都囫囵吞枣，应对不暇。过去十年中，这样的情况是重复出现的。能重复出现的原因还在于没有估算实际负荷的量，停留在感性无畏认知的阶段。在心里还是想认为自己可以承担很多事情，而不愿意量化实际的量；一旦量化，就没有办法自我欺骗，现实总是残酷的。可以理解为是眼高手低的一种现实场景。
过度忙碌之后就是彻底的松懈，工作时间处于状态外，连续了好多天，这可以从每天ONENOTE记录的事件中看到。这是我一直吐槽着的低效率。低效率的问题可以转变成状态或者情绪的调整，又进而转变成精力的调整，在什么精力状态下去做什么事情。全身心/精力投入的事情当前有3件，直觉上不合时宜。如果每天全身心投入的精力只能维持4小时，那怎样可以解决我当前需要解决的问题。一种减少内容；一种让自己适应这种负荷。于我，后一种是更想讨论的。
自我欺骗，变成一件事情，对应成事情的不同阶段。事实上这3件事情是可以当做一件事情的。机器学习可以基于SDS、FP课程，SDS又是FP的基础。这么想的话倒是可以轻松一下。这就变成了SDS->FP->ML。一次解决一个事情。我是挺佩服那些可以并行处理很多事情的人的(我在很多小事上也可以并行)。这样投入很多精力的学习并不能开任何的小差。当着眼于当下的时候产生心流，反而轻松了。
着眼于问题的解决，而不是完成了什么任务。比如SDS、FP的课程，是源自概率统计如何应用现实，有哪些方法，利弊是什么，这些问题的。学习的时候就要带着这些问题。如果只是数学公式的背诵解题就没有了意义，毕竟不是在学校。每看到一些什么都要思考解决了我当初的什么问题，以此来克制不自觉地一味接受而不思考。
集中时间解决问题，放弃碎片时间的应用。有很多次花地铁上碎片时间学点儿什么，后来发现这些重要内容都会重新再来一遍，第一遍在地铁上的内容在脑子里的印象就是“看过”。碎片时间于我只能消化已有经验知识或者浅显的信息。想要深度内容的学习，没有效率，不适合。
让每次心流的持续时间增长，让心流与心流之间的时间间隔稍长，保持学习的愉悦。前两天和朋友交流私教的事情，都认为私教的必要，觉得一对一效率高，但是容易引起逆反情绪，去几次就不想去了，结果反而不如二对一、多对一好。那种健了身又能偷懒的小愉悦，适合我和她这种本身就有偷懒小情绪的人。
一个礼拜之后再验证方法的实用价值，到时候就是可以负荷的计划了。
