数学学习感悟

前言

  最近因为疫情爆发，我利用这段时间学习了之前下载的数学资料，有一些感想，也有一些资料和经验分享。

学习过程

  从大四的角度来看，计算机学院乃至很多工科专业在本科阶段的数学教育是不够的，当然，它们毕竟不是数学学院，不能像它们一样学的那么深入，而且很多人并没有继续深造的打算，所以也只能做到如此，但是，对于很多要继续深造的同学，特别是从事和数据相关研究的同学来说，本科阶段的数学是肯定不够用了，为了提高自身的水平，我到网上，特别是知乎上查了很多相关的资料，也下载了很多数学相关的资料，希望尽可能地完善自身的数学水平。
  其实一开始我也是跟风搞机器学习，但是也只停留在搭建简单的神经网络模型的程度，毕竟自身水平有限，连常见的模型也无法全部吃透。做计算机方面的研究需要两个很重要的能力：编程和数学。当时看了GAN模型以后很有兴趣，到github上找了很多相关的论文阅读，也仅仅留于表面，无法深入，尤其是对于Wasserstein GAN这一类模型。为了更好地学习相关的论文和知识，我开始决定先学习数学知识。
  机器学习相关的数学背景很大，包括但不限于：矩阵分析，矩阵论，实变函数论，泛函分析，微分流形，拓扑流形，高等概率论，随机过程等。这些知识都在基本的高数线代概率论上进行了很大的深入，要想完全弄懂，凭个人自学显然不可能。我目前也抱着试试看的心态在学习.
  我计划的学习路线大致如下：实变函数论，泛函分析，高等概率论，随机过程。后三者很大程度上是基于实变函数和测度论的，所以我把实变函数论放在了最前面，学习的过程也是非常的坎坷，一开始我选的是北大的实变函数论（黄书），刚开始看的很懵，很多概念无法理解，看了1/3以后开始在网上寻找其他的教材，最后选择的是实变函数简明教程，它的篇幅较短，网上也有现成的资料。学习数学很考验人的毅力，毕竟国内的数学教材（国外的没怎么看过，听说很好，但是为了加快进度我选的是国内的教材）都是一下子给出一堆概念，新手很容易不明所以，顾此失彼。这一点在我学习泛函分析时也是这样，高等概率论和随机过程打算留到最后学，主要还是高概太依赖于测度论了，为了少点痛苦和折磨只能先学实变函数和测度。

个人经验

  我想把我学习数学的经验分享一下，也是对后面学习的安排

• 找对教材

  教材很多，但是效果因人而异，教材的好坏与篇幅无关。我建议先找一本薄的教材学习，了解大概的内容，吃透相关的知识点，然后可以找比较深入的教材，更加全面地学习。

• 反复体会

  学习的时候一定要了解“为什么”，带着疑问去学习。学数学的时候会遇到很多的概念和定理，一定要及时弄懂这样做的动机和目的，多上网查阅相关概念。学习之后要反复地回忆，有时候过个两三天就会有顿悟的感觉。要有毅力和勇气，数学很难，而且很严谨，要吃透每一个细节。

• 积少成多

  我建议利用闲暇时间学习数学，毕竟数学不是我们的主业，它更在于平时的积累，除非是天才。

相关资料

  我把相关资料整理出来，这是我目前看过的一些资料，也是从网上收集整理而来。数学资料 提取码：ldg9

• 实变函数简明教程

  字面意思，就是很简洁，不到200页的篇幅，涵盖了实变函数的基本内容，适合快速入门。

• 测度论

  这是陶哲轩写的测度论，主要介绍了勒贝格测度和勒贝格积分。多读一些英文版的数学书对于数学学习大有好处，一些数学概念用英文更好理解。

• 变分法基础

  这本书出版的比较早，最新的好像是第三版，但是我没有找到免费的电子版，而且影印版很不清晰，有些模糊的地方建议直接上网查找资料。这本书主要讲解了最基本的变分法，有高数的基础基本就够了。关于变分法的资料很少，因为它比较复杂，历史也很悠久，想要靠一本教材就弄懂是不大可能的。工科专业简单地了解以下就好，掌握基本的欧拉方程基本就够用了。