数学真的无用吗？

不扯没用的，短小精悍才最好。

认为数学没用的人，其实心里也觉得其他科目也没用。

语文有啥学的？能看手机就行……

别跟我扯英语！我可以用手机翻译……

政治？历史？地理？需要吗？有手机，查一下嘛……

物化生？

算了，不说了……

机器学习和数学建模有区别吗？

【问题解析】机器学习和数学建模是两个不同维度的东西。不同维度一个是思维一个是方法。

首先、简单说说这两个的区别。

数学建模：

官方解释：数学建模就是使用数学方法解决实际应用问题。说人话就是：把一个实际问题抽象成一套可计算模型。这是一套方法论，要解决什么问题？要怎么去解决问题？解决问题的步骤是？用到哪些模型算法？如何构建这些模型？模型构建完毕后是否合理？是否有改进区间？

机器学习：

官方解释：是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。 说人话就是：一种实现人工智能的方法，他是具体的方法。数学建模完毕后，你可以选择使用机器学习去做，也可以采用其他传统的方法。机器学习一般通过大量数据来训练，通过各种算法、数据中来学习如何获得最优解。

深度学习：也是你经常听过的名词，通过多层神经网络来对数据进行特征学习的算法到了这里你晕了没？晕没晕都没关系，马上上硬菜。

硬菜、给你提供一套学习这一块的案例。

我一哥们开源的，算法大牛，语言主要是python。

案例是，GitHub上，2.3K Star的开源项目chineseocr

现在发布了新版

专注于了darknet框架。

个人建议是，照着他的源码先部署，运行，然后去学习里面的代码思想，在部署和思考的过程中进而去学习相关的东西。

谢谢，我是@顾问鑫水大师，专注回答科技相关问题！

数学模型可分为逻辑模型与非逻模型（即非线性模型），它包含了运用一切数理知识体系做出来的模型，运用非常广泛。而算法也是通过统计出来得出的一种模型，简单点理解就是可以通过过去总结的经验就可以得出一个模型，任行业只要需要电脑制作产品都离不开它，好比工厂用的smt芯片贴片机，它就是用神经网络做出来的一个模型。

数学模型包含了机器学习，机器学习其实也有逻辑思维与非逻辑思维的模型之分！机器学习也是通过大量的高精度深层次算法设计出来的！就可以解释为什么现在的算法工程师职位很吃香了。

机器学习是数学建模的自动化实现。虽然严格来讲并非如此。机器学习算法的目的，是为了寻找出输入和输出之间的数学表达关系，这种表达关系即为建模。但是机器学习的性能有限，它只能通过特定的算法寻找特定的表达形式，不能自由地选择表达式的组成。

所以机器学习虽然算是数学建模过程，却和人类建模过程并不相似。另外一点，机器学习毕竟是靠数据说话的，所以可以通过复杂的网络结构，实现十分复杂的网络模型表达。这一点是人力所不能及的，光是那个参数的数量都会让人望而生畏。

大学计算机或软件工程专业，需要偏重数学还是物理基础呢？

早期在没有计算机专业的时期，数学专业的毕业生从事软件研发，物理专业的毕业生从事硬件研发，所以数学和物理两个基础学科对于计算机专业来说是非常重要的，这也是为什么计算机相关专业都要学习数学和物理课程。

虽然现在计算机专业已经有了非常详细的领域划分，但是软件工程、计算机科学与技术、计算机应用等相关专业对数学的要求要更高一些，而物联网、嵌入式、计算机网络、多媒体等领域对于物理的要求相对高一些，因为研究的方向不同，所以需要的知识结构也不相同。

因为计算机软件问题说到底就是个数学问题，而计算机硬件问题说到底就是个物理问题，所以数学和物理在计算机相关专业有密切的关系。随着物联网、大数据、云计算、人工智能的不断发展，软件和硬件的结合趋势越发明显，所以搞软件研发的工程师往往需要懂一些物理知识，而硬件研发的工程师往往也需要懂得一些数学方面的知识。

以大数据专业为例，大数据专业涉及到的岗位有数据采集、整理、存储、分析、呈现和应用，这些环节中，数据采集涉及到物联网知识（需要物理基础），而数据存储涉及到云计算知识（物理和数学都需要），数据分析涉及到数学知识，数据应用涉及到人工智能技术（数学物理相结合）。

在目前火热的人工智能领域，物理和数学知识就应用的更加普遍了，人工智能的研究内容包括自然语言处理、机器学习（深度学习）、自动推理、知识表示、机器人学、计算机视觉等，这些内容都需要扎实的数学基础和物理接触。

所以，数学和物理知识是计算机专业绕不过去的学科。

作者简介：中国科学院大学计算机专业研究生导师，从事IT行业多年，研究方向包括动态软件体系结构、大数据、人工智能相关领域，有多年的一线研发经验。

欢迎关注作者，欢迎咨询计算机相关问题。

参加竞赛时一位老师曾讲：从根儿上说，要学软件学数学，要学硬件学物理。我同意这句话。

就题目而言，我觉得应偏重数学。