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