TA的每日心情 | 开心
2024-9-19 21:14 |
|---|
签到天数: 757 天 [LV.10]以坛为家III
管理员
 
- 积分
- 1312455
|
程序员的数学基础课 极客时间
极客时间出品的《程序员的数学基础课》由黄申所作，黄申是LinkedIn资深数据科学家。本专栏课程黄申将从编程的视角，结合自己十多年学术经验和工业实践，总结了一套适合程序员的数学学习方法和知识体系。希望通过“知识 – 应用 – 知识”的讲解路线，为你贡献一堂实用、精彩的数学课。
《程序员的数学基础课》课程背景
数学基础的好坏，会直接决定一个程序员的发展潜力。
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。把这个能力放到程序员的世界里，其实就是解决问题的能力。
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，用的其实是余数的思想。所以很多大公司招人时，会优先考虑数学专业的毕业生。数学基础好，学编程也更容易上手。
如果说编程语言是血肉，那数学的思想和知识就是灵魂。它可以帮你选择合适的数据结构和算法、提升系统效率，并且赋予机器智慧。尤其在大数据和智能化的时代，更是如此。
因此，学数学绝不是死背那些艰深晦涩的定理和公式，洞悉技术本质，掌握知识规律，具备数学思维，拥有发现问题、分析问题、解决问题的能力，才是你的终极目标。
那程序员究竟该如何学习数学呢？在这个专栏里将系统地为你讲解。
《程序员的数学基础课》讲师介绍
黄申，LinkedIn 资深数据科学家，博士毕业于上海交通大学计算机科学与工程专业，师从俞勇教授。微软学者，IBM ExtremeBlue 天才计划成员。长期专注于大数据相关的搜索、推荐、自然语言处理、广告以及用户精准化领域。
曾在微软亚洲研究院、IBM 美国研究院、eBay 中国、1 号店和大润发飞牛网担任要职，带队完成了若干公司级的战略项目。同时担任《计算机工程》特邀审稿专家，著有 20 多篇国际论文并拥有 10 多项国际专利。
《程序员的数学基础课》专栏模块
专栏用 51 节，四大模块，精讲那些程序员真正用得上的数学知识。
基础思想篇
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，由浅入深精讲数据结构与数学是如何你中有我，我中有你。帮你彻底掌握这些最基础、最核心的数学知识，同时也能让你明白，数学对编程和算法究竟意味着什么。
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，在应用中反哺概念。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。
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，逐步深入分析，这些概念是如何与计算机互帮互助，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？从概念到应用，再到本质，让你不再害怕新技术中的“旧知识”。
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问题和解决问题，让数学思维成为你的一种基础能力。
《程序员的数学基础课》课程表
程序员应该怎么学数学？
01二进制：不了解计算机的源头，你学什么编程
02余数：原来取余操作本身就是个哈希函数
03迭代法：不用编程语言的自带函数，你会如何计算平方根？
04数学归纳法：如何用数学归纳提升代码的运行效率？
05递归（上）：泛化数学归纳，如何将复杂问题简单化？
06递归（下）：分而治之，从归并排序到MapReduce
07排列：如何让计算机学会“田忌赛马”？
08组合：如何让计算机安排世界杯的赛程？
09动态规划（上）：如何实现基于编辑距离的查询推荐？
10动态规划（下）：如何求得状态转移方程并进行编程实现？
11树的深度优先遍历（上）：如何才能高效率地查字典？
12树的深度优先遍历（下）：如何才能高效率地查字典？
13树的广度优先遍历（上）：人际关系的六度理论是真的吗？
14树的广度优先遍历（下）：为什么双向广度优先搜索的效率更高?
15从树到图：如何让计算机学会看地图？
16时间和空间复杂度（上）：优化性能是否只是“纸上谈兵”？
17时间和空间复杂度（下）：如何使用六个法则进行复杂度分析？
18总结课：数据结构、编程语句和基础算法体现了哪些数学思想？
19概率和统计：编程为什么需要概率和统计？
20概率基础（上）：一篇文章帮你理解随机变量、概率分布和期望值
21概率基础（下）：一篇文章帮你理解常用概率公式
22朴素贝叶斯：如何让计算机学会分类？
23文本分类：如何区分特定类型的新闻？
24语言模型：如何使用链式法则和马尔科夫假设简化概率模型？
25马尔科夫链：从PageRank到语音识别，背后是什么模型在支撑？
26信息熵：如何通过几个问题，测出你对应的武侠人物？
27决策树：信息增益、信息比率和基尼指数的运用
28熵、信息增益和卡方：如何通过信息学寻找关键特征？
29归一化和标准化：各科成绩如何综合才是最合理的？
30统计意义（上）：！《何判断你的A/B测试结果是不是巧合？
31统计意义（下）：如何判断你的A/B测试结果是不是巧合？
32概率统计篇答疑和总结：为什么会有欠拟合和过拟合？
33线性代数：线性代数到底是在讲什么？
34向量空间模型：如何让计算机理解现实事物之间的关系？
35文本检索：怎样让计算机理解自然语言？
36文本聚类：如何过滤冗余的新闻？
37矩阵（上）：如何使用矩阵操作进行PageRank计算？
38矩阵（下）：如何使用矩阵操作进行协同过滤推荐？
39线性回归（上）：如何使用高斯消元法求解线性方程组？
40线性回归（中）：如何使用最小二乘法进行直线拟合？
41线性回归（下）：如何使用最小二乘法进行效果验证？
42PCA主成分分析（上）：如何利用协方差矩阵来降维？
43PCA主成分分析（下）：为什么要计算特征值和特征向量？
44奇异值分解：如何挖掘潜在的语义关系？
45线性代数篇答疑和总结：矩阵乘法的几何意义是什么？
46缓存系统：如何通过哈希表和队列实现高效访问？
47搜索引擎（上）：如何打造一个简单的搜索引擎？
48搜索引擎（下）：如何通过分类查询，让你的搜索结果更相关？
49推荐系统（上）：如何实现基于相似度的协同过滤？
50推荐系统（下）：如何通过SVD分析用户和物品的矩阵？
51综合应用篇答疑和总结：如何进行个性化用户画像的设计？
|
|
发表于 2020-5-17 12:06:28
发表于 2022-9-23 00:54:11
