高数、线代应该成为计算机专业学习的重心吗?

机器学习算法与Python实战

共 2133字,需浏览 5分钟

 ·

2021-10-09 04:40


点击关注公众号,干货及时送达

来源 | 知乎    报道 | 新智元   编辑 | 小匀


【导读】数学的重要性不言而喻,那么对于从事IT行业的人来说,像高数、线代这种基础数学课程,应该被视为重中之重吗?
 
作为一名计算机专业的学生,你觉得求学期间哪门课程最重要?
 
你又将哪门课程作为学习的重中之重呢?

总有人推荐计算机学生把重点放在高数和线代?
 

你觉得呢?

   考研党的心声:该学还得学
 
众所周知,计算机是一个非常宽泛的学科,学生毕业后所从事的领域也五花八门,例如有操作系统,编译,数据库,逆向工程,信息安全,甚至还有软件工程等等。


那么,这些领域都需要,或者说很需要高数与线代吗?
 
想必本专业的学生,此时脑中蹦出了四个大字:离、散、数、学。


包括非ML的传统算法在内,CS的大部分方向依赖的是数理逻辑和图论之类的数学分支,具体到大学本科课程对应的也是离散数学,而不是高数。
 
但是,作为计算机本科生,这是大家放弃高数和线代的理由吗?
 
或许一个更为庞大的群体:考研党,会给出不一样的答案。
 
在刚刚过去的2020年,计算机硕士继续呈现「爆炸」增长。以如今计算机的缺口,本科毕业生根本无法填充,再加上计算机的就业路比较宽,半路出家考研的也大有人在。所以,作为考研必考科目的高数与线代,当然也是非学不可。


除了应试,我们还要关注作为数学基础,它们有着培养数学思维的作用。
 
数学思维对计算机行业,或者说一切理工科都有着无与伦比的重要性。
 
如今各种软件,都与数学有必然的联系,例如在游戏、图形软件开发中引用了线性代数中大量的坐标变换,矩阵运算。而对开发游戏引擎,人工智能算法来说,数学更是根基,不但开发引擎需要数学知识,开发游戏逻辑也需要,所需知识就基本覆盖了大学里《高等数学》、《线性代数》、《概率与数理统计》等课程。

 
   岗位上用到高数多少?

但也有人认为,聚焦数学固然重要,但不要过分夸大高数与线代的重要性。
 
因为像人工智能岗位、游戏引擎开发岗位等等,还并不能代表程序员群体的全部。


还是回到应用更为广泛的离散数学身上,计算机本身的存储结构是离散的。
 
所以很多时候,没必要过分强调「基础论」,因为从计算机系统的角度讲,大都依赖的是离散结构的数学,而非微分方程。
 
不是学习C/C++方向和考研,没有太大的必要把学习精力重点放在高数和线代上面。你更应该学好计算机网络、操作系统、数据库、数据结构与算法等等计算机科学相关内容,和编程语言以及用编程语言开发出具体的项目上。

 
罗杰·培根曾说,「数学是科学的大门和关键。」


当提到数学时,大多数人通常会想到需要数字并且专注于计算某种值:
  • 算术
  • 几何
  • 代数
  • 结石
  • 线性代数
  • 傅立叶变换
  • 常微分方程
  • 偏微分方程等等

但是,要认识到,数学涉及的不止是数字,它还涵盖了广泛的主题:
  • 逻辑
  • 演算法
  • 基本定理
  • 数学证明和模型
  • 离散数学
  • 计算理论
  • 信息论
  • 组合学
  • 集合论
  • 图论
  • 抽象代数等等

而且很明显的是,在一个程序员不了解某些数学理论的情况下,他的编程内容极有可能受限。

IT部门需要大量程序员来创建可自动化或简化业务逻辑的应用程序。这些是业务线应用程序,它们为公司用户提供了更有效地完成工作所需的信息。这项工作大部分围绕大型数据库进行,并将数据集缩减为用户所需的相关信息。

机器和尖端技术的软件工程通常确实需要高级数学知识。在过去的20年中,已发展并成为主流的所有无线技术都严重依赖于信号处理算法。信号处理本身可以涵盖波形合成和分析,压缩,加密,前向纠错和调制/解调。

现在考虑人工智能,计算机视觉,图像处理,自然语言处理,模拟,机器人技术,通用GPU编程,分布式计算,并且每年都在继续增长。除了机器人技术,智能手机也在某种程度上取决于上述技术,所有这些技术都需要具备高级数学知识才能很好地完成。

大多数网站不会收到大量无法通过增加硬件解决问题的流量。但是,即使如今硬件的商品价格上涨,更多的硬件也不永远是最好的,甚至也不是简单的解决方案。


具有强大的批判性思维和推理能力的经验丰富的开发人员,才是最重要的。例如,对于像Facebook这样的公司来说,随着全球不断发生的数亿次互动,就更需要高度专业化的算法来尽可能高效地运营网站。

最后引用一句知乎网友的话,让我们回到现实:



参考知乎网友回答:
https://www.zhihu.com/question/403076697?utm_source=wechat_session&utm_medium=social&utm_oi=91028414010295500
8&utm_content=group3_supplementQuestions&utm_campaign=shareopn


推荐阅读

(点击标题可跳转阅读)

JupyterLab 终于出了 Windows 桌面版

李沐大神新作:用梯度下降来优化人生

反对李沐大佬:反向用随机梯度下降来优化人生

神经网络的5种常见求导,附详细的公式过程

老铁,三连支持一下,好吗?↓↓↓ 

浏览 20
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报