① 數學對計算機專業重要嗎
為計算機專業的本科生。個人認為,對非理論向(P=NP之類,combinatorics壓根就是數學)的計算機專業本身而言,《具體數學》+一些圖論就很足夠了,足以支撐本科基礎階段的知識體系(而且也不需要深究,比如圖論不需要像數學系那樣會做證明)。我是指,用來理解計算機架構,緩存優化,演算法,數據結構這些基礎的純粹的計算機知識。
不少人答案中指出的:在實踐中數學無處不在。其實是一種無意義的事實。這些數學都不是每個計算機專業學生必備的知識。
理由是,計算機已經深入到各個領域了,而在每個領域的應用中,自然要學會,並且懂得那個領域的知識,這些知識便包括了數學(數學本來就無處不在啊)。
先說專業外的應用,我做工程模擬,那我自然要會卷積,拉普拉斯變換;而我做社交網路分析,圖論就顯得更重要了。而這些與計算機本身是無關的,是與實踐領域相關的。PHP程序員大概就不需要這些數學,但他們也是屬於計算機專業的。
再說被分到計算機內的學科,有人說機器學習需要大量的數學。沒錯,機器學習(我碰巧想走這個方向)是需要大量數學,並且它也可以被認為是計算機學科的分支。但是,光應用走向的話,其實是不需要學measure theory,functional analysis之類的。退一步說,即便是機器學習的科研工作者,用這些工具的,也大都是數學出身的,愛做分析性質研究的傢伙。工程師學好線代和統計就差不多了,而這類工程師,其實可以被看作是做特殊應用的。更誇張地推一步,量子計算機也算是計算機專業的一個邊緣分支。難道可以因此說:學好量子力學對計算機專業很重要嗎?(其實有人多例子:分子計算機,DNA計算機,計算物理學,計算神經學,計算化學,計算金融學…………)
然而,學好數學是沒有壞處的。學好數學不是每個計算機專業的必須要求,但是學好數學的學生可以在更廣闊的領域內大展拳腳。希望成為研究人員的話,那數學確實是要盡可能多地學。
很多和計算機掛鉤的領域確實用到大量數學,尤其是研究向。但是如果各個領域的人都出來秀一把虐過自己的數學,那恐怕是會嚇走不少想學計算機,但數學不是很強的人。而實際上計算機專業大部分人是用不到多少數學的。而且就業方面的信息顯示,全球范圍內計算機專業學生還是供應不足的。
② 計算機數學
計算機和數學是密切相關的.
計算機有很多分支,程序設計、網路技術、信息技術、硬體技術、資料庫設計、信息安全等。
基本上以上的都需要有一定的數學功底。
而程序設計、網路技術、資料庫對數學功底的要求還要高些。
其實,老實說,個人認為數學學不好的,學計算機是相當相當難。主要需要的不是高深的數學理論知識,高等數學的理論知識用到的情況不多,但高中程度的數學理論用得也比較多,且在你學習時也需要對高中數學熟練掌握和應用,此外,最主要的是邏輯思維、計算能力和獨立運用自己知識解決問題的能力。這些能力主要是以前進行數學學習和訓練中取得的副作用。
在程序設計上,無論是匯編語言還是高級語言,在編寫時都需要編寫者的強大的邏輯思維和計算能力作為支柱,而這些思維和能力都是在以前的數學訓練中獲得的副作用。網路技術也一樣,網路編程、組網技術等都需要一些運算,學習時需要一定算術基礎,如子網的劃分,IP地址的原理學習等,例如各進制的轉換。這些演算法其實不難,但需要快而准,否則對著部機想半天也搞不出,這樣就沒效率了。要知道程序都是數學家發明的。資料庫也一樣,資料庫技術是參考集合論的,集合的演算法(如最常見的交並補)的。
再者,高校中,計算機專業都要求學生有扎實的數學功底。在你學習時,如果高中階段的數學學得不好,或許會跟不上。甚至有些人說,計算機系的學生的數學功底是僅次於數學系的。
我總結一下數學與計算機的關系。
我個人認為,計算機與數學理論關系是明顯的,但相關的數學知識的推論大多數都不算高深,所以一般的計算機學者或從業人員不需要過份高深的數學理論支持。
但計算機學者或從業人員必須要具備較強的邏輯思維和解決問題的能力,這些能力是通過學習數學時取得的,而且取得量和質量也是和學習和訓練的數學知識的高深程序成正相關,例如學習過高數且學得好的人和只學過高中數學的人的思維能力是不同的,基本上前者強後者.
通常喜歡計算機科學的人,都非常喜歡數學的。
③ 如何區分普通計算器和科學計算器
具備函數計算功能,應該就是科學計算器。
也可以測試一下:
輸入3+4*2=,若顯示14,說明不是科學計算器,若顯示得數為11,說明是科學計算器。(用其它數也可)
④ 數學與計算機有什麼聯系
在接觸計算機前,就被N多人告知,計算機和數學關系很大;在網上和MM聊天時,當我自稱是學計算機的學生時,對方直接曰:那你數學很強咯~~~ 我只能....汗....
因為當時我剛大一,只學了c語言和高數,我實在看不出c語言和高數有什麼關系~~
相信這也是很多剛剛學習計算機、編程的同學的問題
在此我給大家說說我的理解,並不一定正確,但相信一定值得你借鑒
首先要說,計算機不等於編程
如果你學過數據結構和計算機組成原理,你就一定明白,編程,只是計算機行業里的一個小分支,你為什麼能編寫程序?是因為有人已經把更低端的語言直至硬體系統都做好了而要完成後者,就必須懂數學,因為硬體如何有效地形成系統等一系列底層計算機問題,都是通過一個方法來解決的:抽象成數學模型
既然咱這是c++吧,這就不多說了
再次要說,編程是什麼
既然學c++了,就一定聽過演算法這個詞,演算法是什麼,就是每個等待要被計算機解決的問題的方法,我們編程的過程,永遠是先看到問題,然後想出辦法(即演算法),最後由某種語言來在計算機上實現
由此可以看出,語言固然重要,它是把問題計算機化的唯一手段,但演算法才是精髓
你編程語言再NB,如果你不懂演算法,那麼你永遠是計算機行業的藍領
那些懂演算法的人甚至可以不懂任何一門編程語言(據說美國有些計算機教授真的不懂任何一門編程語言,他們都是研究數學然後轉到了計算機方向),他們把演算法用偽碼寫好,而你的任務此刻更像是個機器----把人家給你的偽碼實現
所以如果你學編程只是玩玩,那沒關系,只學語言就好而如果你想真正學計算機,哪怕你只是學直接和代碼打交道的專業,那有個很重要的工作你必須去做,就是學計算機專業的數學和演算法
對於計算機專業的數學,有最基本的這幾門:離散數學、線性代數、概率統計
尤其是第一門,和演算法、網路聯系相當緊密,同時它又是訓練邏輯思維的最佳選擇!單純的編程確實可以鍛煉邏輯思維,有助於計算機學習,但如果你想系統地、大幅度地提升你的邏輯思維能力,請去學:離散數學!!
學了這幾門課後,如果你有任意一門高級語言的基礎,那就可以學數據結構和演算法了
把以上的都學了,才算是完成了計算機的基礎學習(請注意在此過程中編程語言的用處和地位)
當然我絕對不是在說大家都別學c++了,因為只有你懂一門語言,才能把你的邏輯能力實例化,才能進行數據結構和演算法的學習
我只是想說,既然學c++,相信大家的智商都不是問題,既然學了c++,就應該以此為基礎,去學習更多的東西~~~~
其實我所說的,就是每個大學計算機專業的大一大二的課程安排....
咱吧不是有個帖子是《學習c++的50條忠告》么,就如此貼中說的,不要浮躁,腳踏實地地學習才是王道!不要迷戀最新技術,好好把c、c++(不是那些把什麼都封裝好的語言譬如java)學好了,就足夠你去學別的課程了
⑤ 計算機與數學的關系是什麼
計算機科學和數學的關系有點奇怪。二三十年以前,計算機科學基本上還是數學的一個分
支。而現在,計算機科學擁有廣泛的研究領域和眾多的研究人員,在很多方面反過來推動
數學發展,從某種意義上可以說是孩子長得比媽媽還高了。
但不管怎麼樣,這個孩子身上始終流著母親的血液。這血液是the mathematical underpi
nning of computer science(計算機科學的數學基礎),-- 也就是理論計算機科學。
現代計算機科學和數學的另一個交叉是計算數學/數值分析/科學計算,傳統上不包含在理
論計算機科學以內。所以本文對計算數學全部予以忽略。
最常和理論計算機科學放在一起的一個詞是什麼?答:離散數學。這兩者的關系是如此密
切,以至於它們在不少場合下成為同義詞。
傳統上,數學是以分析為中心的。數學系的同學要學習三四個學期的數學分析,然後是復
變,實變,泛函等等。實變和泛函被很多人認為是現代數學的入門。在物理,化學,工程
上應用的,也以分析為主。
隨著計算機科學的出現,一些以前不太受到重視的數學分支突然重要起來。人們發現,這
些分支處理的數學對象與傳統的分析有明顯的區別:分析研究的對象是連續的,因而微分
,積分成為基本的運算;而這些分支研究的對象是離散的,因而很少有機會進行此類的計
算。人們從而稱這些分支為「離散數學」。「離散數學」的名字越來越響亮,最後導致以
分析為中心的傳統數學分支被相對稱為「連續數學」。
離散數學經過幾十年發展,基本上穩定下來。一般認為,離散數學包含以下學科:
1) 集合論,數理邏輯與元數學。這是整個數學的基礎,也是計算機科學的基礎。
2) 圖論,演算法圖論;組合數學,組合演算法。計算機科學,尤其是理論計算機科學的核心是
演算法,而大量的演算法建立在圖和組合的基礎上。
3) 抽象代數。代數是無所不在的,本來在數學中就非常重要。在計算機科學中,人們驚訝
地發現代數竟然有如此之多的應用。
但是,理論計算機科學僅僅就是在數學的上面加上「離散」的帽子這么簡單嗎?一直到大
約十幾年前,終於有一位大師告訴我們:不是。D.E.Knuth(他有多偉大,我想不用我廢話了)在Stanford開設了一門全新的課程Concrete Mathematics。 Concrete這個詞在這里有兩層含義:
第一,針對abstract而言。Knuth認為,傳統數學研究的對象過於抽象,導致對具體的問題
關心不夠。他抱怨說,在研究中他需要的數學往往並不存在,所以他只能自己去創造一些
數學。為了直接面向應用的需要,他要提倡「具體」的數學。在這里我做一點簡單的解釋。例如在集合論中,數學家關心的都是最根本的問題--公理系統的各種性質之類。而一些具體集合的性質,各種常見集合,關系,映射都是什麼樣的,數學家覺得並不重要。然而,在計算機科學中應用的,恰恰就是這些具體的東西。Knuth能夠首先看到這一點,不愧為當世計算機第一人。
第二,Concrete是Continuous(連續)加上discrete(離散)。不管連續數學還是離散數學,
都是有用的數學!
前面主要是從數學角度來看的。從計算機角度來看,理論計算機科學目前主要的研究領域
包括:可計算性理論,演算法設計與復雜性分析,密碼學與信息安全,分布式計算理論,並
行計算理論,網路理論,生物信息計算,計算幾何學,程序語言理論等等。這些領域互相
交叉,而且新的課題在不斷提出,所以很難理出一個頭緒來。
下面隨便舉一些例子。
由於應用需求的推動,密碼學現在成為研究的熱點。密碼學建立在數論(尤其是計算數論)
,代數,資訊理論,概率論和隨機過程的基礎上,有時也用到圖論和組合學等。
很多人以為密碼學就是加密解密,而加密就是用一個函數把數據打亂。這就大錯特錯了。
現代密碼學至少包含以下層次的內容:
第一,密碼學的基礎。例如,分解一個大數真的很困難嗎?能否有一般的工具證明協議正
確?
第二,密碼學的基本課題。例如,比以前更好的單向函數,簽名協議等。
第三,密碼學的高級問題。例如,零知識證明的長度,秘密分享的方法。
第四,密碼學的新應用。例如,數字現金,叛徒追蹤等。
⑥ 數學對計算機專業重要嗎
別說計算機了,理工科哪個離得開數學?某些社會學科的也離不開啊!
⑦ 數學與計算機
學計算機的,其數學修養很重要,計算機專業課程中最難的幾門課程莫過於離散數學、編譯原理、數據結構等,很多自認為資料庫學得很好的學生在範式、函數依賴、傳遞依賴等數學性比較強的概念面前感到力不從心,這些都是因為數學基礎或者說數學知識的缺乏所造成的。
數學是計算機的基礎,這也是為什麼考計算機專業研究生數學都採用最難試題(數學一)的原因。許多天才程序員本身就是數學尖子,很多數學基礎很好的人,一旦熟悉了某種計算機語言,他可以很快地理解一些演算法的精髓,使之能夠運用自如,並可能寫出時間與空間復雜度都有明顯改善的演算法。
計算機科學實際上是數學的一個分支。計算機理論其實是很多數學知識的融合,軟體工程需要圖論,密碼學需要數論,軟體測試需要組合數學,計算機程序的編制更需要很多的數學知識,如集合論、排隊論、離散數學、統計學,當然還有微積分。計算機科學一個最大的特徵是信息與知識更新速度很快,隨著數學知識與計算機理論的進一步結合,很多分支科學得到了迅速發展。嚴格的說,一個數學基礎不扎實的程序不能算一個合格的程序員,很多介紹計算機演算法的書籍本身也就是數學知識的應用與計算機實現手冊。
數學專業考計算機研究生的話,在數學方面相比其他專業,還是有很大優勢的,而且數學在考研中占的比重也大,外語和政治就不用多說了,主要就是專業課了。
計算機核心課程有數據結構,組成原理,離散數學,操作系統,編譯原理,系統結構,軟體工程,OOP,圖形學,網路,C/C++/Pascal/Asm編程語言等,而考研的科目,一般為前面的五到六科(不同學校選擇的科目會有不同)。
第一次上來答題,希望能對你有幫助!
⑧ 計算機與數學關系 是什麼
計算機科學和數學的關系有點奇怪。二三十年以前,計算機科學基本上還是數學的一個分
支。而現在,計算機科學擁有廣泛的研究領域和眾多的研究人員,在很多方面反過來推動
數學發展,從某種意義上可以說是孩子長得比媽媽還高了。
但不管怎麼樣,這個孩子身上始終流著母親的血液。這血液是the mathematical underpi
nning of computer science(計算機科學的數學基礎),-- 也就是理論計算機科學。
現代計算機科學和數學的另一個交叉是計算數學/數值分析/科學計算,傳統上不包含在理
論計算機科學以內。所以本文對計算數學全部予以忽略。
最常和理論計算機科學放在一起的一個詞是什麼?答:離散數學。這兩者的關系是如此密
切,以至於它們在不少場合下成為同義詞。
傳統上,數學是以分析為中心的。數學系的同學要學習三四個學期的數學分析,然後是復
變,實變,泛函等等。實變和泛函被很多人認為是現代數學的入門。在物理,化學,工程
上應用的,也以分析為主。
隨著計算機科學的出現,一些以前不太受到重視的數學分支突然重要起來。人們發現,這
些分支處理的數學對象與傳統的分析有明顯的區別:分析研究的對象是連續的,因而微分
,積分成為基本的運算;而這些分支研究的對象是離散的,因而很少有機會進行此類的計
算。人們從而稱這些分支為「離散數學」。「離散數學」的名字越來越響亮,最後導致以
分析為中心的傳統數學分支被相對稱為「連續數學」。
離散數學經過幾十年發展,基本上穩定下來。一般認為,離散數學包含以下學科:
1) 集合論,數理邏輯與元數學。這是整個數學的基礎,也是計算機科學的基礎。
2) 圖論,演算法圖論;組合數學,組合演算法。計算機科學,尤其是理論計算機科學的核心是
演算法,而大量的演算法建立在圖和組合的基礎上。
3) 抽象代數。代數是無所不在的,本來在數學中就非常重要。在計算機科學中,人們驚訝
地發現代數竟然有如此之多的應用。
但是,理論計算機科學僅僅就是在數學的上面加上「離散」的帽子這么簡單嗎?一直到大
約十幾年前,終於有一位大師告訴我們:不是。D.E.Knuth(他有多偉大,我想不用我廢話了)在Stanford開設了一門全新的課程Concrete Mathematics。 Concrete這個詞在這里有兩層含義:
第一,針對abstract而言。Knuth認為,傳統數學研究的對象過於抽象,導致對具體的問題
關心不夠。他抱怨說,在研究中他需要的數學往往並不存在,所以他只能自己去創造一些
數學。為了直接面向應用的需要,他要提倡「具體」的數學。在這里我做一點簡單的解釋。例如在集合論中,數學家關心的都是最根本的問題--公理系統的各種性質之類。而一些具體集合的性質,各種常見集合,關系,映射都是什麼樣的,數學家覺得並不重要。然而,在計算機科學中應用的,恰恰就是這些具體的東西。Knuth能夠首先看到這一點,不愧為當世計算機第一人。
第二,Concrete是Continuous(連續)加上discrete(離散)。不管連續數學還是離散數學,
都是有用的數學!
前面主要是從數學角度來看的。從計算機角度來看,理論計算機科學目前主要的研究領域
包括:可計算性理論,演算法設計與復雜性分析,密碼學與信息安全,分布式計算理論,並
行計算理論,網路理論,生物信息計算,計算幾何學,程序語言理論等等。這些領域互相
交叉,而且新的課題在不斷提出,所以很難理出一個頭緒來。
下面隨便舉一些例子。
由於應用需求的推動,密碼學現在成為研究的熱點。密碼學建立在數論(尤其是計算數論)
,代數,資訊理論,概率論和隨機過程的基礎上,有時也用到圖論和組合學等。
很多人以為密碼學就是加密解密,而加密就是用一個函數把數據打亂。這就大錯特錯了。
現代密碼學至少包含以下層次的內容:
第一,密碼學的基礎。例如,分解一個大數真的很困難嗎?能否有一般的工具證明協議正
確?
第二,密碼學的基本課題。例如,比以前更好的單向函數,簽名協議等。
第三,密碼學的高級問題。例如,零知識證明的長度,秘密分享的方法。
第四,密碼學的新應用。例如,數字現金,叛徒追蹤等。
計算機的核心是計算,其本質是數學。計算機的生命是靠程序延續,演算法是程序的靈魂
摘自網路
⑨ 數學計算機怎麼按
如果是計算機上的計算器,
把計算器打開,
在計算器上面的菜單選項里,選「科學計算」.
[一般計算器是「標准計算」]
計算器左邊多了很多按鈕,
最中間,有一個 "x^y" 按鈕就是用來計算次方運算的.
比如,要算 2的3次方.
先按2,再按 "x^y" 按鈕,再按3,按 「=」 按鈕.就出來答案 8 了.
在"x^y" 按鈕右邊,有「log」 按鈕,這個按鈕是用來計算以10為底的對數的.
比如,要算2的以10為底的對數.
先按2,再按 "log" 按鈕,再按 「=」 按鈕.
就出來答案0.3010...了.
還有3個按鈕要用到,
"MS" 把顯示的結果保存起來,用於以後的計算.
"MR" 把保存的數據調出來,參加現在的運算.
"MC」 把保存的數據清除掉.
就這道題,
如果是
13(1.006)^x = 14
要求x.
(1.006)^x = 14/13
那麼
x = [log(14/13)] / [log(1.006)]
在計算器上,
[第一步,清空計算器]
按 "CE" 按鈕
"C" 按鈕
"MC"按鈕
[計算器清空]
[第二步,計算log(1.006)並保存結果]
按 數字 1.006
按 "log"按鈕
[結果顯示 0.]
按"MS" 按鈕.
[把顯示的結果保存起來,用於以後的計算.]
[第三步,計算log(14/13)]
按 數字 14
按 "/" 按鈕
按 數字 13
按 "=" 按鈕
按 "log"按鈕
[顯示結果0.]
[第四步,計算log(14/13)/log(1.006)]
按 "/" 按鈕
按 "MR"按鈕
[把保存的log(1.006)調出來,參加現在的運算.]
按 "=" 按鈕
出現結果
12.
如果不在需要log(1.006)了.
按"MC」按鈕
[把保存的數據清除掉]
關閉計算器.[完]
⑩ 數學和計算機到底有什麼關系嗎
計算機科學是研究信息處理的科學。計算機科學分為理論計算機科學和實驗計算機科學兩個部分。在數學文獻中所說的計算機科學,一般是指理論計算機科學。實驗計算機科學還包括有關開辟計算機新的應用領域的研究計算數學也叫做數值計算方法或數值分析。主要內容包括代數方程、線性代數方程組、微分方程的數值解法,函數的數值逼近問題,矩陣特徵值的求法,最優化計算問題,概率統計計算問題等等,還包括解的存在性、唯一性、收斂性和誤差分析等理論問題。有聯系,但也不是太明顯