知乎用户，春暖花开，知乎有你，滴- 阅读原文 就我个人看来，科技公司对于数学人才的追求是非常恰当的。毫不夸张的说，整个计算机科学可以说都是基于数学之上的。最早的计算机大神，大多是数学系出身，冯诺依曼是布达佩斯大学数学博士，图灵早在剑桥大学国王学院求学期间就获得过史密斯数学奖。无论是过去，现在，还是未来，基于计算机科学的科技公司对于数学的追求，都是永无止境的。最好的科技公司，同时一定是有最多数学人才的科技公司。 看过一些论调，说科技公司注重的数学，根本不是基础数学，乃至于把所有的东西都“应用数学化”。但就我浅薄的了解来看，基础数学中的矢量矩阵计算，可以算是不折不扣的基础数学了——但深度学习的算法，正是直接对矩阵和向量计算的应用。所以我一直觉得，应用基础数学，切不可轻易简化成应用数学——老婆饼可不是老婆。 所以下文，就不过多对数学的种类进行详细分类了。 有人会说，现在框架那么多，计算机人才只需要专注工程技术就可以了。可是，那些框架是从何而来？工程人员的数学素养，直接导致了能力上的天壤之别，也就是我们常说的码农和大神的区别。 为什么这么说？ 首先，数学方法促进了计算机编程语言的成熟和发展。 无论是JAVA， C#，Python还是各种形形色色，无计其数的计算机语言，他们并不是凭空出现的，他们是基于严谨的，科学的数学基础的，任何存活并发展壮大的语言，都是来源于数学。我们都学过计算机数学，也就是离散数学，在日常工作当中，我们可以看到，有很多计算机大神来自于数学系，物理系，扎实的数学基础，理性化的数学思维方式，让他们能很容易抓住编程语言的本质，对语言的理解和应用，远非机械背诵指令的人可比。 其次，在二十一世纪的今天，真正让科技公司狂热地追求数学人才的原因，是大数据和人工智能。 现在大数据的输入端已经几乎解决了，海量的数据每天从世界各地各处汇集到各种科技公司，旅游公司，电商公司，外卖公司，视频网站，各种各样的科技巨头每天收集的数据数以亿计。然而数据的使用和分析效率和结果却千差万别，这些数据数据量极其庞大，数据质量参差不齐，无法依靠简单的软件或者人工处理，这正是IBM提出的大数据5个V的特点：：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。 丘成桐先生曾经说过，大数据的处理，本质上还是数学当中的统计学。 这句话直击重点。对于大数据的处理和使用，一个好算法和一个不好的算法，在数据处理时间上可能是几千乃至于几百万倍的不同。现在的大数据处理，更多的仍然是基于经验，尚未充分应用数学理论来指导，这带来了极大的人力和计算成本。意识到这一点以后，各大科技公司都在焦急地寻找数学人才。这很容易理解，数学人才学习计算机工程是非常迅速且简单，相比起工程人员精进数学来说，成本和收益可以说是非常高的。 科技公司对于数学人才的渴求，也来自于深度学习。 年纪大的一点技术人员可能还记得，最早的人工智能理论，叫做专家系统。这是一种工程化方法，把所有问题的答案都预先记录下来并回答，形成一位计算机专家，这样就能解决所有问题，在十几年前，这个方法是人工智能的主要方向。然后，随着问题的逐渐复杂化，我们看到，人工智能客服，曾经变成只会回答关键词的人工智障客服。后来深度学习横空出世。深度学习这一个目前炙手可热的概念，事实上正是数学的胜利：线性代数。 通过将事物抽象化成为高维向量，进行矩阵运算计算出特征来模拟人类大脑对于事物的思考方式，这正是深度学习击败专家系统成为各大科技公司首先的原因。 可能会有人说，这样的数学人才，是最顶尖的少数人。其实不然，各大科技公司需要大量的拥有足够数学素养的工程人员来把它实现出来，转化为真实的生产力，或者进行科研。在深度学习落地这个方面，各大科技公司极其缺乏同时拥有工程能力和数学素养的复合型人才。 对于计算机科学这个世界来说，无论是科技公司还是工程人员本身，数学素养永远都是一剂火箭助推燃料。 阿里巴巴设立了“全球数学竞赛”，谷歌通过topcoder公司举行数学大赛，IBM赞助大学生数学建模竞赛，MathWork公司在数学建模竞赛当中特设Matlab奖，等等等等，各大科技公司都已经赤膊下场，全球“海淘”数学人才。 更不要忘了，数学本身是多么优美的知识，亚里士多德曾经说过：虽然数学没有明显地提到 善和美，但善和美也不能和数学完全分离。因为美的主要形式家是“秩序、匀称和确定性”，这些正是数学研究的原则。学习一门又优美，又热门的知识，对任何人来说，都是致命的诱惑，不是吗？ 阅读原文
