本文探讨了大数据技术的数学基础，重点介绍了概率论与数理统计、线性代数、最优化方法和离散数学在大数据建模、分析中的应用。概率论中的条件概率、随机过程和Bayes理论对大数据建模至关重要，线性代数中的矩阵分解在特征提取中广泛使用，最优化方法用于模型参数求解，离散数学则是计算机科学的基础。同时，指出在不同层次的大数据技术研发中，所需的数学知识有所不同。
由于工作关系，在我的周围存在这两类人，一是正在学校学习的大学生，二是在IT公司从事研发设计的工程师。他们在数学学习和应用方面出现了两个极端。在校大学生，特别是大一、大二的学生每学期都有一些诸如数学分析、线性代数、数论之类数学课程，尽管在课堂上可以听到莱布尼茨和牛顿的纠葛故事、笛卡尔的爱情故事，但是他们往往感到很迷茫，因为不知道所学的数学知识到底有什么用。对于IT公司的研发人员来说，他们在进入大数据相关岗位前，总是觉得要先学点数学，但是茫茫的数学世界，哪里才是大数据技术的尽头？
在这里我还是要推荐下我自己建的大数据学习交流qq裙： 957205962， 裙 里都是学大数据开发的，如果你正在学习大数据 ，小编欢迎你加入，大家都是软件开发党，不定期分享干货（只有大数据开发相关的），包括我自己整理的一份2018最新的大数据进阶资料和高级开发教程，欢迎进阶中和进想深入大数据的小伙伴
一谈到大数据技术，很多人首先想到的是数学，大概是因为数字在数学体系中稳固的位置吧，这也是理所当然的。本文对大数据技术的数学基础这个问题进行一些探讨。
我们知道数学的三大分支，即代数、几何与分析，每个分支随着研究的发展延伸出来很多小分支。在这个数学体系中，与大数据技术有密切关系的数学基础
最低0.47元/天 解锁文章
5007
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
