计算机er如何高效学习数学课程？

写在前面

对于计算机er来说，掌握一定的数学知识是很必要的，这不仅是为了增强自己的知识储备，对专业课的学习也有很大帮助，而且也能让同学们在今后的工作与科研中大展身手。今天岛主就来讲一讲计算机er如何高效地学习数学~

01、学好数学的必要性

首先，数学是理工科专业的基础课程之一。对于计算机专业来说，当下流行的人工智能、大数据等都需要学习大量的数学知识，譬如机器学习中的统计学和矩阵理论、计算机图形学中的图论、密码学里的抽象代数和代数几何等等，都与数学紧密关联，需要我们从相关的数学课程中寻找答案。

同时，做算法要求具备一定的逻辑思维能力，后续在学习算法时也需要提前掌握相关数学知识，而学习数学可以很好地锻炼自己的逻辑思维。计算机专业本科生基本上都要经历高等数学、微积分、线性代数等数学课程的“洗礼”，这也正是为了后续培养数理逻辑能力和编程能力奠定基础。

岛主认为，学好数学百利而无一害。数学能力强的计算机er可以在更广阔的科研领域内大展拳脚，在就业上也能有更强的竞争力和更多的机会。因此，计算机er掌握一定的数学知识很有必要哦~

02、学那些？怎么学？

数学方面，计算机专业可学习的课程是比较丰富的，岛主这里主要介绍几门应用性较广泛的课程~

抽象代数&几何学

首先是抽象代数和几何学。由于密码学大多数是群论域相关的知识，视觉效果大多为三维矩阵，人工智能需要统计和张量分析，面向函数的编程一般需要对范畴论有初步了解…因此抽象代数与几何学在计算机科学领域的主要应用包括密码学、图形学、计算机程序设计理论和函数式语言、自动机理论等。偏向于在这些方向深造的同学可以学一下这两门课程。

抽象代数里有很多思维跨越的地方，在学习的过程中需要注重对代数结构的理解。可以先从群、环、域、模等基本定义及相关定理着手，同时需要掌握足够的例子并适当做一些习题。学习本门课程最重要的是要明白每个定义的含义，以及对相关定理的理解，最后再看定理的证明过程。而对于几何学，则需要多建立空间观念，掌握好基础的概念与图形，充分运用“转化”思想。

概率论与数理统计

然后是概率论与数理统计等偏统计的课程。

当下流行的大数据技术，其实是指对大量数据进行处理分析，也和数学息息相关，大多需要用到的正是概率论和数理统计方面的知识。

概率论与数理统计程序严格，能够为计算机数据处理提供基本算法与程序，提升计算机数据计算的精确性。除此之外，它还是许多前沿学科（如控制论、信息论、人工智能等）的基础，与生活实践和科学试验联系紧密。

在学习本课程的过程中需要注重对概念的引入和背景的理解，对于定义的内涵和相互之间的联系与差异需要仔细推敲，最好做一个思维导图构建出自己的知识体系，并在书中找几个典型例题加深一下理解。

小波分析&代数编码

最后是小波分析理论、代数编码理论等课程。这类课程在信息安全、信号处理领域的数据压缩与还原中有很广泛的应用。

在学习小波分析的过程中可以先从时频分析、傅里叶变换、短时傅里叶变换等相关内容着手，然后过渡到小波变换。此外在学习时，原理也很重要，需要多加思考与理解。

对于初学者来说，如果觉得学习存在一定难度，可以先学泛函分析，在具备泛函分析方面的基础以后再学这些课程就更容易理解了。而对于代数编码理论，主要涉及到群环域的概念，在学习时可以做分类总结哦~

03

 其他学习途径

除了学习相关课程，

还有哪些其他的学习途径

来提升数学方面的能力呢？

参加数学建模比赛。数学建模其实就是把数学知识与计算机相结合，共同解决某一实际问题。在参加数模比赛的过程中，通常需要先构建出适当的数学模型，也就是对实际问题进行抽象、简化，确定变量与参数，最终通过把模型进行上机编程，解决实际问题。因此构建数学模型能很大程度地提升自己对数学理论的应用实践能力。

参加实践项目。在完成项目的过程中通常需要采用一些算法、构建一些模型，这其中可能会涉及到一些数学理论，譬如离散数学、运筹学、图论、组合数学这些课程都在算法中有很广泛的应用。因此在参加实践项目的同时也能学到很多数学知识，提高逻辑思维。

对于计算机er来说，学好数学是件很必要的事情，这对自己将来的工作和科研都会有很大的帮助。同学们可以根据自己的兴趣或研究方向选择相应的数学类课程学习，也可以通过参加一些数学建模、实践项目等来增强自己的数学实践能力，如果平时学习的过程中遇到困惑，可以和老师同学多交流，多多碰撞出思维的火花！