※ 引述《StubbornLin (Victor)》之铭言： : ※ 引述《nvfp (nvfp)》之铭言： : : 像我第一篇会议就是搭 模糊集合 离群值分析 和内插法 : : 第二篇期刊则是模糊推论搭一些统计 : : 大概差不多是这样子吧, 程式 资结 演算法 : : 除非是要去算效能什麽的 或要做演算法复杂度上的改进 : : 不然一般的数学不太会用到 大部份比较是拿来当工具用 作理论资讯科学的，演算法分析是一门很困难的 subject， Knuth 的门生 Sedgewick写了一本 "An Introduction to the Analysis of Algorithms" 有兴趣可以看看 ... : : 熊熊又想到 离散的汉米尔顿路径/回圈之类的 : : 可以用在网路结构的设计 有位老师做这方面的 : : 好像还有出一本书叫 没有数字的数学 : 其实数学不好，写一般普通的应用程式都没什麽问题 : 但如果是比较深入的技术开发之类的东西 : 很多都需要数学的底子，否则真的是完全看不懂 : 我就有买过密码学的书，和类神经网路的 这两者需要的数学背景不大一样，密码学以代数为主， 而且有些 topics 如椭圆曲线需要代数曲线（用到一些代数几何的东西）。 : 光是符号就看不太懂了 : 而至於物理也是一样，游戏的物理模拟没有物理加数学的底子 : 要自己去生出引擎来真的很困难，会扯到一些误差 : 逼近法有的没有的，泰勒展开式、尤拉什麽鸟的....#$%$^% 以上这些其实都已经有点古老了，现在先进的估计方法有很多 大量应用泛函分析的技术 ... : 刚体运动还会扯到角动惯量之类的东西，这时微分积分就跑不掉了 囧 古典力学跟代数的群论相当有关喔... :pp : (抱怨一下= = 我们微积分老师是个老婆婆...不知道在教什麽鬼 orz : 还有期中考要到了 线代 普物也跑不掉阿 orz...) : 所以应该是看走向吧? 我个人是这样觉得 : 写普通的应用程式，只是会用的话，例如资料库之类的，高中的数学就够了 : 但如果是比较专业且深入的应用，就很可能需要大学以上的数学 专业且深入的应用 ...我想研究所的数学应该差不多 :p 像讯号处理弄到一定的程度後，得学会随机过程， 但是这门领域需要会些什麽呢？机率当然是必备，还有很纯数学的 实分析其中包括测度论。然而像 DSP 的 Z-Transform 本质上 是复分析理论的应用（Laurent series）。 影像处理也要看走哪一方面，当然 fourier analysis 必备。 随便举几个例子大概就这样 @"@ --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 125.229.166.45