- 已编辑
谢邀。
我觉得你的 “希望不要因为数学知识的短板,增加学习专业知识的困难” 这句话就可以作为问题的回答了。具体到不同的学科而言,用到的数学知识都是不尽相同的。 对于非数学专业而言,数学也只是解决实际问题的工具,我倾向于在大致了解大框架之后深挖专业相关的细分领域常用数学工具。而实际操作中对具体方向上的建议那得去请教有积累的人。研究生导师不就是干这个的嘛。至于数学该学到什么程度,我觉得学数学总不会是一劳永逸的嘛,大学阶段的概率论+微积分+线性代数三个基本功夯实了,后面都够用。
具体到数据科学这个专业的话,据我推上关注的几个数据科学方面的大佬分享的经验,支持向量机PCA神经网络深度学习各种模型眼花缭乱,用到的也没有啥高深的数学嘛。只要是概率微积分线代基础扎实的理工科生,即使从没接触过机器学习想要上手也很容易。不过,更大可能是实际从事数据科学工作时基本不到数学知识,只是写写SQL代码清理清理数据而已( 暴论 )
最后分享一下我在中科大七年学习攒的一点点经验:虽然我学的是生物,但至今很感激学校排课头两年十分重视数理化基础课,让我现在科研工作中感觉打下的基础很够用。另外,现在实际科研搬砖时发现研究课题中的问题基本都需要用到多个学科的知识,而不只是数学。举个例子,最近做的一个东西是做RNA多序列比对的新工具,用的是用马尔科夫随机场模型 ,涉及知识有
- 物理学中热力学的波尔兹曼分布,Ising 模型
- 信息论的信息熵,KL散度
- 概率论的条件概率联合概率,
- 图论中的概率图模型
- 计算机科学中的优化问题(包括L1 L2 regularization也是第一次知道哈哈),动态规划算法
这么多"前置技能"在做课题之前哪都会啊,还不是边学边做的。
希望我上面一点点粗浅的经验有点用。