程序员的数学应用地图

 

程序员应该怎么学数学？
首先我们来看最常用的数据结构和编程语句，我想你对它们应该非常熟悉。在我眼里，这些基础的内容，同样富含了数学思维。例如，数组和链表就体现了迭代和递归的思想，判断语句就是使用了逻辑（布尔）代数。

对于架构在这些数据结构和编程语句之上的算法（为了将这些算法和机器学习的算法区分，我称其为通用算法），除了迭代和递归，也体现了排列、组合和动态规划等思想。

对于机器学习的算法而言，我们更需要理解概率统计和线性代数的核心思想，包括什么是概率、贝叶斯定理、数据的统计分布、向量、矩阵、线性方程等等。

整个专栏我基本上都是从数学的角度出发，逐步推进到这些知识在计算机中的应用。不过在绘制这张应用地图的时候，我特意反其道而行之，从计算机编程的角度出发，为你展示程序员应该如何看待编程中的数学知识。

我觉得在开始学习之前，这个地图会给你一个大体的认识，告诉你计算机领域常用的数学思想有哪些。这时，你也许会产生一些疑惑，同时你可以带着自己的思考和问题去逐篇学习。等你学完整个专栏之后，再回头来看看这个地图，应该会有更深的感触。我希望这种双向打通，能够进一步加强你的学习体验。

 

作为转行的从业者来说，当程序员是没什么问题，但能否写出逻辑严密的高质量代码，就是另一说了。数学基础的好坏，会直接决定一个程序员的发展潜力，这一点，做搜索，游戏， 安全，算法，人工智能的程序员一定深有体会。

 

往大了说，数学是一种思维模式，考验的是一个人归纳、总结和抽象的能力，这种能力在程序员的世界就等同于解决问题的能力，可以定义一个程序员的优秀与平庸。往小了说，不管是数据结构与算法，还是程序设计，很多底层原理和编程技巧都源自数学，比如，你熟悉的分页功能，用的就是余数的思想。在大数据和智能化的时代，学好数学更是门槛本身。

 

所以，很多大公司招人时都会优先考虑数学专业的毕业生。数学基础好，编程就更容易上手。早几年，Google在地铁出站口投放的招聘广告就是一道数学题，正确解答才能进入下一轮测试，整个测试过程如同一个数学迷宫，直到你成为Google的一员。

 

黄申，目前在 LinkedIn 从事数据科学的工作，主要负责全球领英的搜索引擎优化，算法和数据架构的搭建。2006年，博士毕业于上海交通大学计算机科学与工程专业，接下来十几年时间里，先后在微软亚洲研究院、IBM研究院、eBay中国研发中心做机器学习方向的研究工作，还负责过大润发飞牛网和1号店这两家互联网公司的核心搜索和推荐项目，在《程序员的数学基础课》中，所有内容我都会从基本的概念入手，结合工作中的实际案例，精讲那些程序员真正用得上的数学知识。

 

 

他在极客时间的专栏《程序员的数学基础课》已经上线，专栏中他以编程的视角，结合自己p十多年的学术经验和工业实践，通过“知识、应用、知识”的讲解路线，总结出一套为程序员量身定制的数学学习方法和知识体系。

 

 

在专栏课程中，所有内容我都会从基本的概念入手，结合工作中的实际案例，精讲那些程序员真正用得上的数学知识。

 

1、基础思想篇。我梳理了编程中最常用的数学概念和思想，比如余数、迭代、排列、组合等，由浅入深精讲数据结构与数学的关系。帮你彻底掌握这些最基础、核心的数学知识，也让你明白数学对编程和算法究竟意味着什么。

 

2、概率统计篇。以概率统计中最核心的贝叶斯公式为圆心，向上讲解随机变量、概率分布这些基础概念，向下讲解朴素贝叶斯，并分析它们在生活和编程中的实际应用。让你真正理解概率统计的本质，跨过概念和应用之间的鸿沟。

 

3、线性代数篇。从线性代数中最核心的概念向量、矩阵、线性方程入手，逐步入分析这些概念是如何与计算机融会贯通，解决实际问题的。比如，线性代数究竟是在讲什么？怎样让计算机理解现实世界？如何过滤冗余的新闻？让你不再害怕新技术中的“旧知识”。

 

4、综合实战篇。将通过缓存系统、搜索引擎、推荐系统中的实际应用，串讲前面讲到的数学知识和概念，帮你加深对知识的理解，学会用数学思维来分析并解决问题，让其成为你的基础能力。

 

 

这样的学习路径，既能让你巩固基础知识，又可以深入理解这些内容对计算机编程和算法，究竟意味着什么。

 

我有充足的信心，通过学习这个专栏，你会从更深的层次理解数学，让其内化为你的基础能力，在分析问题时追本溯源，快、准、稳地找到解决方案。这样，今后在面对系统框架设计、性能优化、准确率提升等难题时，你会从更高更广的角度出发去思考问题，而不只是以“熟练工”的视角增删改查。