我自己很喜歡同時讀多本書。
來學習每個作者編排內容的方式。
例如機器學習就有很多的書都在教，
而且裡面的內容也可以差異很大。
有的書可能整本都是理論，
有的書整本都是程式碼，
而理論仔細去比較，
有的又更側重其計算複雜度，
有的又更側重統計收斂速度。
而程式碼的書仔細去比較，
有的著重做多個小專案，
有的又更著重在讓機器學習能在大系統中高效率執行。
那怎麼都是機器學習的書，講的內容會差很多呢？
原因就在寫書的人，他的獨特背景，
看出了機器學習獨特的一面。
所以，當你收集了多本書，
很重要的步驟，
就是去認識書的內容，
如何與作者的背景搭配。
一但有深刻認識後，
下一步就是去收集與比較不同作者，
對同一個話題能提供的觀點。
這些觀點會被我收集進一種稱為「索引筆記」(黃色良品)的筆記。
這種筆記的主要功能，是紀錄一個話題，
在不同書中被描述的方式與觀點。
例如「線性模型」是足夠基本的話題，
但在不同的書中，
會看到不同作者以不同角度在詮釋線性模型。
這就是我們要特別注意的地方！
透過平行比較不同作者對線性模型的詮釋，
你能全面學習相關的內容，
快速成為專家！