学过三大数学基础课，为什么看不懂论文？ 举报 理由 举报 取消 本人CS专业，大学时学过线代，高数，概统，为什么研究生阶段看机器学习/数据挖掘论文还是很困难？问题出在哪里？感觉数学学不完。 2017年12月21日 10 条回复 1471 次浏览 学习,数学,数据挖掘,机器,研究生,计算机科学
回复 ( 10 )
你学的都是砖，但是学校没有教你如何用砖建房子。多看论文，多动手推公式，多写代码，慢慢就懂了。
这些房子都是哥特式的，现代的，后现代的，都是一些大师花必胜精力设计的，然后其他建筑小工也在上面添砖加瓦，你现在基本上算是懂什么是砖的游客，必然无法理解大师。你自己多建几个破房子，后来就能理解大师了，自己建的房子也就更好了。
问题出在你以为自己不用学数学了
—–ML对数学理论要求不高，都是技术性东西，多看论文多拿笔推公式。
学了这三门，你就有了学习你专业需要的数学的基础了，( ╯□╰ )
识字了，就能看荷塘月色了？多看多用谷歌和维基百科，自然就懂了。
我最近也在看ML的论文，不过是偏应用方向的。我觉得在看应用方向的论文之前，不妨做几个project加深对学过算法的理解，这样看论文时心里会就有个大概的框架。如果你看的是偏理论的论文，那恐怕这三门课还远远不够。
1. 你说的那几门课只是基础中的基础，只能保证你能看懂数学符号，除此之外，信息论、优化、矩阵分析、统计之类的课也往往是非常必要的。这些课会告诉你那些数学工具都能怎么用。
2. 除此之外，如果还有数学层面的知识不懂，就要看这些东西是不是作者原创的目标函数或者是基于前人的工作。
3. 另外你看看stanford, CMU这样的美国名校的课程设置，往往机器学习相关的会有很多门课，叫“机器学习”的这门课往往只是个门槛，根据你要看的论文内容，还要去了解对应课程的知识。
那是因为你还有很多东西没有深入学习。高数、线代和概率论与数理统计只是进一步学习数学的基础。
要想看懂大部分ML论文，至少你还得学习下矩阵分析，最优化理论，贝叶斯统计学。当然因为你有了高数、线代和概率论的基础，看这些会快很多。
现代数学处于这种状态，你需要先读完硕士，然后花八年研究，最后你才能知道到底数学哪块还有自己挖掘得空间。
这三门根本不是数学课，别说基础了，启蒙课都算不上。。。
学过统计推断、回归分析、数值分析、实变函数、概率论、随机过程、微分方程、抽象代数、组合数学、材料力学、弹性力学、有限元分析，
为什么还是看不懂断裂力学的前沿论文？
因为没有把自己代入到写作者的位置，自然不知道他为什么要做这样的事情。
——-
但我一直觉得这些都他妈应该是先修要求呀。。
要不是我没修过PDE，还在修泛函分析、微分几何我非得也写上去不可。