学习
实践
活动
工具
TVP
写文章

为什么我选择了数学

从当初录取结果出来开始,就不断有人问我:为什么你没有去学计算机,而是选择了数学?

我从小对科学技术很感兴趣:小学时虽然只是瞎搞,但还是尝试过学习c语言;上了初中,一次编程选修课,我用vb写了个计算器,老师给同学们讲了一个学期;从那时候开始,我在技术的道路上越走越远,从c++,到raspberry pi 、arduino,接触的越多,我越感受到了技术的无穷的魅力。那时的我想,我大学一定会学习计算机科学,cs成为了我当时的目标。

改变开始在高一,当我更加深入地去学习这些技术的时候,我开始认识到了这些技术背后的数理基础的重要性,举一个例子:我开始学习神经网络的时候,推导梯度下降相关公式的时候,由于初三学过求导相关知识,并没有什么障碍,然而到无监督学习的相关知识的时候,贝叶斯背后的概率论相关知识让我无从下手。这之后我开始认真恶补数学相关知识,而且,相关的数学知识的确是帮助我在机器学习这条道路上越走越远。

当我在机器学习领域深入钻研时,我意识到,很多的机器学习论文,更多的是提出一种新的设计,而这种设计,的确如搭积木一般,只不过显得更加高端一点而已,一篇经典论文《Network In Network》的背后,我所看到的只是更加暴力的积木搭建方式,而无法做出一种更具有可解释性,或者说可以用一种更加严谨的方式证明这种改动带来的优势的模型。

当年一篇集成学习的论文是我比较佩服的,那篇文章证明的是一个公式:

即集成后的分类器的误差等于原基分类器的误差的平均减去基分类器的平均分歧,该公式显示出集成学习的优势和瓶颈所在之处:由于不同的训练数据/初始化权值带来的基分类器的平均分歧。

这便是一数学在机器学习中应用的例子,当然这样的例子我还可以举出很多,也不仅限于机器学习领域。在各种方向,我们会发现,我们都离不开数学,离不开数学的思想和方法,还用理论。

然而数学并不是完美无缺的,它虽然已经跨越千年,但前人所留下的东西还不足以让我们去发展其他的学科,很多学科,就比如深度学习,它现在的可解释性的瓶颈,很多人认为就在数学上。数学还不够完善,还有很多等着我辈去补充,而它的进步,的确推动着各学科的发展。

所以我选择了数学,因为它的美丽,同样也因为它能够带领我们走向一个更为明晰的科技世界。

今天,就让我们用数学去铺就一个更加美好的未来!

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180831G20BAY00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券