大家好，在學習code的過程中，發現常常會提到數學概念，因為我本身是文組學生，對數學有點不熟…目前主要是學習網站/APP開發，以及Python共學中，想請問有推薦的數學課程，並且與這些主題做連結的嗎？好作進一步參考加強，謝謝。
1個讚
提供我個人的看法，就我自己認知，我覺得基礎數學其實對一般 coding 已經足夠，如有特殊的運算，再針對個別的需求去學習，比方說你想用於股票的預測，或許你就得去了解 k線圖是如何得出來的，但這其中，如真要說很重要的數學觀念，我覺得應該要推演算法，知道與不知道，會使得你解題的邏輯，有不同思維，而我本身也沒學過演算法，也是買了一些書在邊學邊實作，因為我也不是資訊科班的，有一本演算法學習相關的，我先前也有買，而且蠻淺顯的入門書可以推薦，就是演算法圖鑑，這本書以圖為主，再配合一些文字解說，幫助我建立一些演算法的邏輯概念，或許對你也能提供一些幫助，書本的介紹，可以參考這個連結：演算法圖鑑【全新增訂版】線上看,實用書線上看 | BOOK☆WALKER 台灣漫讀 / 電子書平台
2個讚
舉個有點有趣的實例，前一陣子跟一些好同學共學 Python，才上過 Lru Cache 概念(關於 Lru 概念可參考這篇說明)，結果工作上(我本質是 C# 碼農)，遇到同事刁難既要馬跑，又要馬不吃草，想要加一堆檢核，卻又想要程式的反應速度不受影響，正好那陣子共學上過 Python 版的 Lru Cache，因此依照相同概念，立馬複刻了 C# 版的 Lru Cache Class 出來，真的是做到了，在最低影響下，利用快取概念，來加速程式執行，當下也對 Lru Cache 這個機制更加的了解，試想，如果我們沒有學過這類演算法概念，那麼就不會想要用這樣的方式來解決問題，結果有可能，本來可以很快解決的，就得繞遠路找別的方法解，相關的故事，其實還很多，推個我很喜歡的網路程式部落客 - 暗黑執行緒的文章，比方說這篇: 演算法作業好朋友 - BigInteger，從這些例子來看，你就會知道，懂不懂演算法，對程式開發的人的影響有多大，學好演算法，你的程式人生才會是彩色的，呵呵~
2個讚
幾個之前論壇相關主題的文章請參考：
謝謝sky大，這裡的學習資源真是太豐富啦！！數學真是博大精深的學問，可能性太多了，看來還是得先自己想清楚想往哪個方向發展，要培養哪些技能樹才好。
謝謝Chris大，很有意思的例子！有時跨域的連結，就能激發出不同的概念方案。不同的程式目的，學習需求也會不同，所以我可能得先搞清楚自己的方向。不過，為了程式人生是彩色的，也要多多認識一下演算法了哈哈～（先把書本準備起來了！
可以參考一下資工系的看法：
演算法的部分其實Chris兄都講得差不多了，一般開發人員需要的大概就演算法相關的知識，因為這會直接影響到寫出來的程式的性能。
如果要往AI方向發展，雖然不需要太多數學也有機會過得好好的（畢竟現在工具多的是，用不到數學的開發工作應該還是很多），但作為一個應數系出來的學生，我始終認為在這領域，懂數學的人在工作時的上限會比不懂的人高上很多，畢竟不懂數學的話，就算是玩套件也很容易像瞎子摸象一樣在那亂試。至於AI領域主要需要的數學大概就微積分、線性代數、機率與統計這三科，課程的部分可以參考這篇投票裡第一項所提供的連結（機率與統計的課程尚未發布） 2024 資料科學課程共學的候選清單與共學意願調查（可投票） 。
但上面的共學主要還是針對機器學習和深度學習領域的基礎數學，如果是單純的數據分析，可能要把重心放在機率與統計，然後再加上一點微積分的基礎。但我不是統計專業的無法提供太多專業建議。去年我是因為出於對貝氏統計的好奇心開了一個貝氏統計的共學 【共筆】貝氏統計：進度、筆記和錄影 ，裡面的一些資源也可以參考
3個讚
這樣看起來，可以先從演算法和機率統計著手。我自己是對資料分析和AI有興趣，但也是要花時間從基礎慢慢練，尤其是邏輯概念清楚，真的影響很大。（從來沒想過高中畢業後，還要再接觸數學哈哈哈）修行的路還很長遠啊，一步一步來！
數學其實就是個當你需要用到它的時候才會發現多有用的科目。我讀應數系的前面2.5年比較混，也不知道學這些到底可以幹嘛，但等接觸到機器學習後才後悔以前沒認真學數學，讓我直到現在都還要持續花時間去複習。不過對現在的我而言已經能去享受學習數學的過程了，畢竟在AI領域打滾到一定程度，就比較能把數學當作一種語言或是藝術來看待。
1個讚