1 以問題爲導向
所有的學習過程如果不是爲了解決該問題而學，那便沒有必要。因爲學了就會忘記，我們對於知識最深的感觸就是它解決了什麼問題，只有用它解決了某個問題。才能學到它，不用則不學。
2 理解任何知識的萬能推導公式（笛卡爾）
- 自明律
除非自明，否則絕不承認任何東西爲真。
舉個例子：比如1+1=2，這種顯然的東西，否則都不承認爲真。
- 分析律
把問題分析的越細越好(數學分析）
舉個例子：
- 比如對你的問題的綜述，就類似於分析，它把這個問題來龍去脈說的特別細。
- 越細小越是博士越要加油的地方，比如提一個大問題下的小問題，然後自己解決它。
- 綜合律
由最簡單、最容易的知識一步步的推出最複雜的知識。
舉個例子：
- 比如概率圖模型的理論基礎
- 泊松分佈的理論基礎，就是概率論的概率空間
- 一切從最簡單的，也就是數學建模中假設非常強。
- 樸素貝葉斯模型的理論基礎（每個變量都獨立）
- 枚舉律
分類討論，對每種情況都細細的檢查。（分類討論）
舉個例子：
- 我所研究方向的波利亞罐子模型，對所有隨機生成樹上的分類討論。一種算法，多種應用場景，分類討論
- 傳播是圖還是樹
3 數學思想
3.1 整理思想
選擇什麼規則整理獲取新信息。
3.2 函數思想
定量變量的之間聯繫。
3.3 分類討論
都某個變量發生變化，結果可能有根本性不同。
3.4 轉化思想
複雜簡單化、一般特殊化、未知變爲已知，就是抽象。
3.5 具體化
一般特殊化(比如賦極限值）
3.6 逆向思想
反證法。