Math 计算机科学数学
关于这个话题,我已经读了好几个答案,但我还有一些问题。。 数学课很多,我不知道该先上哪一门。 每个计算机科学家都应该上哪些数学课?什么课应该是第一节课,为什么 ,,,,等等。既然您指定了“计算机科学家”,我们将采取艰难的路线:Math 计算机科学数学,math,computer-science,Math,Computer Science,关于这个话题,我已经读了好几个答案,但我还有一些问题。。 数学课很多,我不知道该先上哪一门。 每个计算机科学家都应该上哪些数学课?什么课应该是第一节课,为什么 ,,,,等等。既然您指定了“计算机科学家”,我们将采取艰难的路线: 算法分析依赖于微积分、微分方程和离散数学。(许多人认为算法分析是计算机科学和软件工程程序之间的主要区别) 计算机图形学/科学可视化需要工程分析类背景:数值方法、线性代数等 计算几何 函数逼近 集合论,逻辑/一阶微积分 概率/统计 名单如下:) 非常好而且重要的问题!对每一
非常好而且重要的问题!对每一位计算机科学家来说,良好的数学理解是必不可少的,数学要求也开始变得更加多样化
- 是计算机科学最重要和最基本的课程,因此,它通常在计算机科学系而不是数学系开设。这门课将巩固你的算法入门课,教你如何用数学证明事物,并为你提供分析数据结构和算法的基础知识
- ,虽然不是直接用于入门级的计算机科学课程,但通常是你所在大学为提高你的数学技能而开设的一系列课程。然而,当你开始学习数字编程和机器学习时,它将被证明是非常有用的。这也是高级概率/统计课程的要求
- 通常在离散数学课上会有一定程度的介绍,但你会想上一门关于连续概率分布的课,可能是在数学和统计系。这将使您更好地理解如何进行数值计算和模拟,这对于计算机科学最重要的应用之一是必不可少的
- 是一个你会发现主要对机器学习和(高级)算法类有用的类,但它在计算机视觉、计算机图形学、机器学习和其他定量子学科中的重要性至关重要
- ,包括你会发现,如果你学习概率和微积分足够长的时间,它们会再次收敛。当您开始使用涉及数字的算法时,分析通常是一件有用的事情
- ,包括、等。在许多情况下,“学习”机器学习模型基本上可以归结为优化目标函数,而该函数的属性(如它是否凸)对优化的容易程度有很大影响 有些人不认为这是一个数学类,但是在把算法和理论翻译成浮点数学的不完美表示时,有许多实际问题需要解决。比如,
- 对于那些将在“数据科学”和相关领域工作的人来说,先进的统计数据尤其重要。有很多事情需要知道,主要是因为访问大量数据对新手来说很有诱惑力