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。