那些数学不好的程序员？最后都如何了（文末送书）

机器学习初学者

共 3050字，需浏览 7分钟

· 2021-01-22

不能说每个深耕机器学习的人都学过吴恩达的《机器学习》课程，但他的这门课确是目前让机器学习初学者能够快速对整个体系知识点有比较整体的认识，便于快速入门的首选及最热课程。

根据2019年Freecodecamp的统计，这门课是所有在线Machine Learning课程中最受到大家好评的课程。

Coursera上评分4.9，现已有有超15万个评分及近4万条评论

不过，凡事见仁见智，有好评，同时也就会有质疑。

例如，不少网友在知乎上讨论，“说好的是入门级课程，怎么听着很费解啊？”

真的是这个入门级经典课程太难吗？

究其原因，真的是这个入门级经典课程太难吗？

不是的！说这门课难的发言里，看得出来，大多卡在了“数学”上。

甚至这类学习者本人并没有意识到原因：“我觉得对有点点基础的人，不必刻意学习数学，看ML的教材时候不懂的再去查，重心应该放在实战上。”

所以，学吴恩达的课程真的不需要“刻意学习数学”吗？再深究一下，机器学习真的不需要数学基础吗？

我们先来回答前一个问题。

吴恩达的机器学习课程笼统主要指这两门，一门是Cousera上的课程Machine Learning | Coursera，一门是斯坦福大学的课程CS229:Machine Learning，国内讨论较多的是前者。

有人在Github开源了吴恩达MachineLearning个人笔记，用Python复现了课程作业，星数超2万，下载超100万次。

面对这份干货满满的笔记，制作者收到反馈：“很多同学说看不懂公式。”

是不是感觉这个配方很熟悉！说白了，还是数学底子不够啊。

“我增加了数学基础作为附件放在笔记里。”在最新一个版本里，制作者针对大家的问题，增加了数学基础笔记。

此外，吴恩达在斯坦福大学开设的CS229课程，他在第一次课上便讲到了先修要求：他假定上课的人都是有一定数学基础的。

可见，不是入门级经典课程太难，而是这个课程真的是需要大家有一定的数学基础。

机器学习需要数学基础吗？

我们再来探究第二个问题：机器学习需要数学基础吗？

答案和上一个问题一样，需要。

数学在机器学习中非常重要，不论是在算法上理解模型代码，还是在工程上构建系统，数学都必不可少。

尽管机器学习的普及已经促使 Python 和 R 产生了许多易于使用并得到广泛支持的库，它们提供了某种机器学习的捷径，似乎绕过了这类操作所需算法背后的数学。然而，机器学习背后的数学原理基本不变。

宾夕法尼亚大学计算机系教授Jean Gallier主编了一本机器学习的“数学全书”， Algebra,Topology, Differential Calculus, and Optimization Theory For Computer Scienceand Engineering，中文名为《计算机科学和机器学习相关代数、拓扑学、微分学和最优化理论》，用了1900余页来阐述机器学习所需的数学知识。