拉勾教育程序员的数学课

拉勾教育程序员的数学课介绍

对于程序员来说，大而全地学习数学理论是没有必要的，精简程序员用得上的数学知识，将数学原理反哺实践，培养数学思维，提高解决问题的能力，是这个专栏的核心目标。

本专栏共 23 讲，通过以下 4 个模块的讲解，让你成为懂数学的一流程序员：

① 养成无处不在的数学思维。这一模块通过数制转化、数学逻辑、经典公式等原理与业务代码示例，讲解数学思维是如何运用在日常编程工作中的，让你重新审视数学思维在工作中的作用。

② 程序员必备的数学原理：代数与统计。精简的数学知识，比如求极值、向量与导数，这些应用于实际工作哪些方面：如何找到复杂业务最优解，如何完成海量高维度数据计算。这一模块将带你认识数学原理的实际应用，更为你打好理论基础。

③ 打好编程基本功：算法与数据结构。这一模块会讲到二分法、动态规划、递归等通用算法和重要思想，从数学角度找到算法背后的规律，还会结合实战场景，如：利用指数爆炸优化程序，将数学原理、算法与实战结合，事半功倍地夯实开发基本功。

④ AI 与机器学习，热门领域的核心技术。AI 与机器学习的技术核心其实是数学问题，这一模块将通过几个常用技术点，逻辑回归、决策树等，带你入门 AI 建模，从数学角度理解当前热门领域。

拉勾教育程序员的数学课目录

01 从计数开始，程序员必知必会的数制转换法.mp4

02 逻辑与沟通，怎样才能讲出有逻辑的话？.mp4

03 用数学决策，如何规划好投入、转化和产出？.mp4

04 万物可数学，经典公式是如何在生活中应用的？.mp4

05 求极值：如何找到复杂业务的最优解？.mp4

06 向量及其导数：计算机如何完成对海量高维度数据计算？.mp4

07 线性回归：如何在离散点中寻找数据规律？.mp4

08 加乘法则：如何计算复杂事件发生的概率？.mp4

09 似然估计：如何利用 MLE 对参数进行估计？.mp4

10 信息熵：事件的不确定性如何计算？.mp4

11 灰度实验：如何设计灰度实验并计算实验的收益？.mp4

12 统计学方法：如何证明灰度实验效果不是偶然得到的？.mp4

13 复杂度：如何利用数学推导对程序进行优化？.mp4

14 程序的循环：如何利用数学归纳法进行程序开发？.mp4

15 递归：如何计算汉诺塔问题的移动步数？.mp4

16 二分法：如何利用指数爆炸优化程序？.mp4

17 动态规划：如何利用最优子结构解决问题？.mp4

18 AI 入门：利用 3 个公式搭建最简 AI 框架.mp4

19 逻辑回归：如何让计算机做出二值化决策？.mp4

20 决策树：如何对 NP 难复杂问题进行启发式求解？.mp4

21 神经网络与深度学习：计算机是如何理解图像、文本和语音的？.mp4

22 面试中那些坑了无数人的算法题.mp4

23 站在生活的十字路口，如何用数学抉择？.mp4

结束语数学底子好，学啥都快.mp4

开篇词数学，编程能力的营养根基.mp4

课程列表信息.txt

文档

01 从计数开始，程序员必知必会的数制转换法.md

02 逻辑与沟通，怎样才能讲出有逻辑的话？.md

03 用数学决策，如何规划好投入、转化和产出？.md

04 万物可数学，经典公式是如何在生活中应用的？.md

05 求极值：如何找到复杂业务的最优解？.md

06 向量及其导数：计算机如何完成对海量高维度数据计算？.md

07 线性回归：如何在离散点中寻找数据规律？.md

08 加乘法则：如何计算复杂事件发生的概率？.md

09 似然估计：如何利用 MLE 对参数进行估计？.md

10 信息熵：事件的不确定性如何计算？.md

11 灰度实验：如何设计灰度实验并计算实验的收益？.md

12 统计学方法：如何证明灰度实验效果不是偶然得到的？.md

13 复杂度：如何利用数学推导对程序进行优化？.md

14 程序的循环：如何利用数学归纳法进行程序开发？.md

15 递归：如何计算汉诺塔问题的移动步数？.md

16 二分法：如何利用指数爆炸优化程序？.md

17 动态规划：如何利用最优子结构解决问题？.md

18 AI 入门：利用 3 个公式搭建最简 AI 框架.md

19 逻辑回归：如何让计算机做出二值化决策？.md

20 决策树：如何对 NP 难复杂问题进行启发式求解？.md

21 神经网络与深度学习：计算机是如何理解图像、文本和语音的？.md

22 面试中那些坑了无数人的算法题.md

23 站在生活的十字路口，如何用数学抉择？.md

结束语数学底子好，学啥都快.md

开篇词数学，编程能力的营养根基.md

猜你喜欢

评论0