哈佛大学教授：拒绝「调参侠」从学好数学开始！

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

如果你近年来观察计算机科学（CS）领域的演变，确切地说，是大学CS专业的课程设置，有一个明显的趋势是显而易见的： 

和数学相关的内容越来越多了。 

实际上，许多CS专业的学生如果要进一步深耕理论，实际上必须要好好修几门数学。 

哈佛大学的Boaz Barak教授在Twitter上发文说：「每年我教CS理论时，我发现越来越不需要为有这么多数学内容而道歉了。」他表示，CS的实践正变得越来越数学化。 

此外，他还问道，学生是想学习阅读理论文章，还是直接学编程，以及数学的应用方面。 

他引用斯坦福大学研究人员的一篇论文，说「这个本科生介绍课程，确实在教他们一个中心观点：不要害怕数学。」  

Barak在研究论文中指出了理论上的数学的重要性。他说，随着时间的推移，能够消化新的数学知识，在计算机科学中越来越具有实际意义。

但是，真的是这样吗？也有人有不同意见。 

哈佛大学教授Yannai A. Gonczarowski表示异议。 

 

他说，虽然他热爱数学，但是将非数学圈定为 「在HTML中交换图标」，属于是犯了两个方向上的错误。 

首先，是将人机交互（HCI）和大规模软件工程/设计等领域视为微不足道。其次，这样会让学生认为，某些领域比其他领域优越和高级。 

另外他还表示，Barak的观点反过来说也能成立：比如，非常抽象的 「外在」数学与可能为无数不同能力的用户打开前所未见的领域的大门。 

他还说，如果真的要比较，就在一个领域内比较，跨领域的比较一般都不靠谱。

 Barak澄清说，他没有把人机交互比作「在HTML下交换图标」，他认为，人机交互的意义远不止于此。「我对学生说的是，不惧怕数学的能力，将为他们提供许多选择。」 

纽约大学副教授朱利安·托格里斯也加入讨论，他认为，确实可以在对数学领域「几乎一无所知」的情况下，在CS领域取得成功，包括在机器学习。 

「看看我吧，我几乎没有通过那些必要的理论课程，仍然获得了成功。」他说。 

 

然而，Barak并不同意。他建议，有些知识懂总比不懂好。 

「所以，即使我们的学生对编程要求学理论数学有抱怨。我还是支持多学数学」。 

另外，他在谈到深度学习时说，从论文成果，到产品落地，这个时间间隔正在缩小，所以说阅读论文的能力变得更加重要。 

在进一步的讨论中，Oskar Ojala阐述了数学在解决现实生活问题中的实际应用，同时举了一个Facebook的成功例子。 

Alex Eisenmann不同意Oskar的观点，他说，缺少数学的CS可以给你带来Facebook，但有了数学的CS，可能产生AI、机器学习、量子计算和区块链等。 

这对一些数据科学家来说确实如此，有人从头开始写复杂的算法，但也有人使用Python等框架中预先存在的库，当当「调包侠」也能弄出能用的模型 。

不知各位搞CS的同学，对数学怎么看？各位觉得学CS，入坑AI，数学要学到什么程度呢？

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~