① 数学对计算机专业重要吗
为计算机专业的本科生。个人认为,对非理论向(P=NP之类,combinatorics压根就是数学)的计算机专业本身而言,《具体数学》+一些图论就很足够了,足以支撑本科基础阶段的知识体系(而且也不需要深究,比如图论不需要像数学系那样会做证明)。我是指,用来理解计算机架构,缓存优化,算法,数据结构这些基础的纯粹的计算机知识。
不少人答案中指出的:在实践中数学无处不在。其实是一种无意义的事实。这些数学都不是每个计算机专业学生必备的知识。
理由是,计算机已经深入到各个领域了,而在每个领域的应用中,自然要学会,并且懂得那个领域的知识,这些知识便包括了数学(数学本来就无处不在啊)。
先说专业外的应用,我做工程模拟,那我自然要会卷积,拉普拉斯变换;而我做社交网络分析,图论就显得更重要了。而这些与计算机本身是无关的,是与实践领域相关的。PHP程序员大概就不需要这些数学,但他们也是属于计算机专业的。
再说被分到计算机内的学科,有人说机器学习需要大量的数学。没错,机器学习(我碰巧想走这个方向)是需要大量数学,并且它也可以被认为是计算机学科的分支。但是,光应用走向的话,其实是不需要学measure theory,functional analysis之类的。退一步说,即便是机器学习的科研工作者,用这些工具的,也大都是数学出身的,爱做分析性质研究的家伙。工程师学好线代和统计就差不多了,而这类工程师,其实可以被看作是做特殊应用的。更夸张地推一步,量子计算机也算是计算机专业的一个边缘分支。难道可以因此说:学好量子力学对计算机专业很重要吗?(其实有人多例子:分子计算机,DNA计算机,计算物理学,计算神经学,计算化学,计算金融学…………)
然而,学好数学是没有坏处的。学好数学不是每个计算机专业的必须要求,但是学好数学的学生可以在更广阔的领域内大展拳脚。希望成为研究人员的话,那数学确实是要尽可能多地学。
很多和计算机挂钩的领域确实用到大量数学,尤其是研究向。但是如果各个领域的人都出来秀一把虐过自己的数学,那恐怕是会吓走不少想学计算机,但数学不是很强的人。而实际上计算机专业大部分人是用不到多少数学的。而且就业方面的信息显示,全球范围内计算机专业学生还是供应不足的。
② 计算机数学
计算机和数学是密切相关的.
计算机有很多分支,程序设计、网络技术、信息技术、硬件技术、数据库设计、信息安全等。
基本上以上的都需要有一定的数学功底。
而程序设计、网络技术、数据库对数学功底的要求还要高些。
其实,老实说,个人认为数学学不好的,学计算机是相当相当难。主要需要的不是高深的数学理论知识,高等数学的理论知识用到的情况不多,但高中程度的数学理论用得也比较多,且在你学习时也需要对高中数学熟练掌握和应用,此外,最主要的是逻辑思维、计算能力和独立运用自己知识解决问题的能力。这些能力主要是以前进行数学学习和训练中取得的副作用。
在程序设计上,无论是汇编语言还是高级语言,在编写时都需要编写者的强大的逻辑思维和计算能力作为支柱,而这些思维和能力都是在以前的数学训练中获得的副作用。网络技术也一样,网络编程、组网技术等都需要一些运算,学习时需要一定算术基础,如子网的划分,IP地址的原理学习等,例如各进制的转换。这些算法其实不难,但需要快而准,否则对着部机想半天也搞不出,这样就没效率了。要知道程序都是数学家发明的。数据库也一样,数据库技术是参考集合论的,集合的算法(如最常见的交并补)的。
再者,高校中,计算机专业都要求学生有扎实的数学功底。在你学习时,如果高中阶段的数学学得不好,或许会跟不上。甚至有些人说,计算机系的学生的数学功底是仅次于数学系的。
我总结一下数学与计算机的关系。
我个人认为,计算机与数学理论关系是明显的,但相关的数学知识的推论大多数都不算高深,所以一般的计算机学者或从业人员不需要过份高深的数学理论支持。
但计算机学者或从业人员必须要具备较强的逻辑思维和解决问题的能力,这些能力是通过学习数学时取得的,而且取得量和质量也是和学习和训练的数学知识的高深程序成正相关,例如学习过高数且学得好的人和只学过高中数学的人的思维能力是不同的,基本上前者强后者.
通常喜欢计算机科学的人,都非常喜欢数学的。
③ 如何区分普通计算器和科学计算器
具备函数计算功能,应该就是科学计算器。
也可以测试一下:
输入3+4*2=,若显示14,说明不是科学计算器,若显示得数为11,说明是科学计算器。(用其它数也可)
④ 数学与计算机有什么联系
在接触计算机前,就被N多人告知,计算机和数学关系很大;在网上和MM聊天时,当我自称是学计算机的学生时,对方直接曰:那你数学很强咯~~~ 我只能....汗....
因为当时我刚大一,只学了c语言和高数,我实在看不出c语言和高数有什么关系~~
相信这也是很多刚刚学习计算机、编程的同学的问题
在此我给大家说说我的理解,并不一定正确,但相信一定值得你借鉴
首先要说,计算机不等于编程
如果你学过数据结构和计算机组成原理,你就一定明白,编程,只是计算机行业里的一个小分支,你为什么能编写程序?是因为有人已经把更低端的语言直至硬件系统都做好了而要完成后者,就必须懂数学,因为硬件如何有效地形成系统等一系列底层计算机问题,都是通过一个方法来解决的:抽象成数学模型
既然咱这是c++吧,这就不多说了
再次要说,编程是什么
既然学c++了,就一定听过算法这个词,算法是什么,就是每个等待要被计算机解决的问题的方法,我们编程的过程,永远是先看到问题,然后想出办法(即算法),最后由某种语言来在计算机上实现
由此可以看出,语言固然重要,它是把问题计算机化的唯一手段,但算法才是精髓
你编程语言再NB,如果你不懂算法,那么你永远是计算机行业的蓝领
那些懂算法的人甚至可以不懂任何一门编程语言(据说美国有些计算机教授真的不懂任何一门编程语言,他们都是研究数学然后转到了计算机方向),他们把算法用伪码写好,而你的任务此刻更像是个机器----把人家给你的伪码实现
所以如果你学编程只是玩玩,那没关系,只学语言就好而如果你想真正学计算机,哪怕你只是学直接和代码打交道的专业,那有个很重要的工作你必须去做,就是学计算机专业的数学和算法
对于计算机专业的数学,有最基本的这几门:离散数学、线性代数、概率统计
尤其是第一门,和算法、网络联系相当紧密,同时它又是训练逻辑思维的最佳选择!单纯的编程确实可以锻炼逻辑思维,有助于计算机学习,但如果你想系统地、大幅度地提升你的逻辑思维能力,请去学:离散数学!!
学了这几门课后,如果你有任意一门高级语言的基础,那就可以学数据结构和算法了
把以上的都学了,才算是完成了计算机的基础学习(请注意在此过程中编程语言的用处和地位)
当然我绝对不是在说大家都别学c++了,因为只有你懂一门语言,才能把你的逻辑能力实例化,才能进行数据结构和算法的学习
我只是想说,既然学c++,相信大家的智商都不是问题,既然学了c++,就应该以此为基础,去学习更多的东西~~~~
其实我所说的,就是每个大学计算机专业的大一大二的课程安排....
咱吧不是有个帖子是《学习c++的50条忠告》么,就如此贴中说的,不要浮躁,脚踏实地地学习才是王道!不要迷恋最新技术,好好把c、c++(不是那些把什么都封装好的语言譬如java)学好了,就足够你去学别的课程了
⑤ 计算机与数学的关系是什么
计算机科学和数学的关系有点奇怪。二三十年以前,计算机科学基本上还是数学的一个分
支。而现在,计算机科学拥有广泛的研究领域和众多的研究人员,在很多方面反过来推动
数学发展,从某种意义上可以说是孩子长得比妈妈还高了。
但不管怎么样,这个孩子身上始终流着母亲的血液。这血液是the mathematical underpi
nning of computer science(计算机科学的数学基础),-- 也就是理论计算机科学。
现代计算机科学和数学的另一个交叉是计算数学/数值分析/科学计算,传统上不包含在理
论计算机科学以内。所以本文对计算数学全部予以忽略。
最常和理论计算机科学放在一起的一个词是什么?答:离散数学。这两者的关系是如此密
切,以至于它们在不少场合下成为同义词。
传统上,数学是以分析为中心的。数学系的同学要学习三四个学期的数学分析,然后是复
变,实变,泛函等等。实变和泛函被很多人认为是现代数学的入门。在物理,化学,工程
上应用的,也以分析为主。
随着计算机科学的出现,一些以前不太受到重视的数学分支突然重要起来。人们发现,这
些分支处理的数学对象与传统的分析有明显的区别:分析研究的对象是连续的,因而微分
,积分成为基本的运算;而这些分支研究的对象是离散的,因而很少有机会进行此类的计
算。人们从而称这些分支为“离散数学”。“离散数学”的名字越来越响亮,最后导致以
分析为中心的传统数学分支被相对称为“连续数学”。
离散数学经过几十年发展,基本上稳定下来。一般认为,离散数学包含以下学科:
1) 集合论,数理逻辑与元数学。这是整个数学的基础,也是计算机科学的基础。
2) 图论,算法图论;组合数学,组合算法。计算机科学,尤其是理论计算机科学的核心是
算法,而大量的算法建立在图和组合的基础上。
3) 抽象代数。代数是无所不在的,本来在数学中就非常重要。在计算机科学中,人们惊讶
地发现代数竟然有如此之多的应用。
但是,理论计算机科学仅仅就是在数学的上面加上“离散”的帽子这么简单吗?一直到大
约十几年前,终于有一位大师告诉我们:不是。D.E.Knuth(他有多伟大,我想不用我废话了)在Stanford开设了一门全新的课程Concrete Mathematics。 Concrete这个词在这里有两层含义:
第一,针对abstract而言。Knuth认为,传统数学研究的对象过于抽象,导致对具体的问题
关心不够。他抱怨说,在研究中他需要的数学往往并不存在,所以他只能自己去创造一些
数学。为了直接面向应用的需要,他要提倡“具体”的数学。在这里我做一点简单的解释。例如在集合论中,数学家关心的都是最根本的问题--公理系统的各种性质之类。而一些具体集合的性质,各种常见集合,关系,映射都是什么样的,数学家觉得并不重要。然而,在计算机科学中应用的,恰恰就是这些具体的东西。Knuth能够首先看到这一点,不愧为当世计算机第一人。
第二,Concrete是Continuous(连续)加上discrete(离散)。不管连续数学还是离散数学,
都是有用的数学!
前面主要是从数学角度来看的。从计算机角度来看,理论计算机科学目前主要的研究领域
包括:可计算性理论,算法设计与复杂性分析,密码学与信息安全,分布式计算理论,并
行计算理论,网络理论,生物信息计算,计算几何学,程序语言理论等等。这些领域互相
交叉,而且新的课题在不断提出,所以很难理出一个头绪来。
下面随便举一些例子。
由于应用需求的推动,密码学现在成为研究的热点。密码学建立在数论(尤其是计算数论)
,代数,信息论,概率论和随机过程的基础上,有时也用到图论和组合学等。
很多人以为密码学就是加密解密,而加密就是用一个函数把数据打乱。这就大错特错了。
现代密码学至少包含以下层次的内容:
第一,密码学的基础。例如,分解一个大数真的很困难吗?能否有一般的工具证明协议正
确?
第二,密码学的基本课题。例如,比以前更好的单向函数,签名协议等。
第三,密码学的高级问题。例如,零知识证明的长度,秘密分享的方法。
第四,密码学的新应用。例如,数字现金,叛徒追踪等。
⑥ 数学对计算机专业重要吗
别说计算机了,理工科哪个离得开数学?某些社会学科的也离不开啊!
⑦ 数学与计算机
学计算机的,其数学修养很重要,计算机专业课程中最难的几门课程莫过于离散数学、编译原理、数据结构等,很多自认为数据库学得很好的学生在范式、函数依赖、传递依赖等数学性比较强的概念面前感到力不从心,这些都是因为数学基础或者说数学知识的缺乏所造成的。
数学是计算机的基础,这也是为什么考计算机专业研究生数学都采用最难试题(数学一)的原因。许多天才程序员本身就是数学尖子,很多数学基础很好的人,一旦熟悉了某种计算机语言,他可以很快地理解一些算法的精髓,使之能够运用自如,并可能写出时间与空间复杂度都有明显改善的算法。
计算机科学实际上是数学的一个分支。计算机理论其实是很多数学知识的融合,软件工程需要图论,密码学需要数论,软件测试需要组合数学,计算机程序的编制更需要很多的数学知识,如集合论、排队论、离散数学、统计学,当然还有微积分。计算机科学一个最大的特征是信息与知识更新速度很快,随着数学知识与计算机理论的进一步结合,很多分支科学得到了迅速发展。严格的说,一个数学基础不扎实的程序不能算一个合格的程序员,很多介绍计算机算法的书籍本身也就是数学知识的应用与计算机实现手册。
数学专业考计算机研究生的话,在数学方面相比其他专业,还是有很大优势的,而且数学在考研中占的比重也大,外语和政治就不用多说了,主要就是专业课了。
计算机核心课程有数据结构,组成原理,离散数学,操作系统,编译原理,系统结构,软件工程,OOP,图形学,网络,C/C++/Pascal/Asm编程语言等,而考研的科目,一般为前面的五到六科(不同学校选择的科目会有不同)。
第一次上来答题,希望能对你有帮助!
⑧ 计算机与数学关系 是什么
计算机科学和数学的关系有点奇怪。二三十年以前,计算机科学基本上还是数学的一个分
支。而现在,计算机科学拥有广泛的研究领域和众多的研究人员,在很多方面反过来推动
数学发展,从某种意义上可以说是孩子长得比妈妈还高了。
但不管怎么样,这个孩子身上始终流着母亲的血液。这血液是the mathematical underpi
nning of computer science(计算机科学的数学基础),-- 也就是理论计算机科学。
现代计算机科学和数学的另一个交叉是计算数学/数值分析/科学计算,传统上不包含在理
论计算机科学以内。所以本文对计算数学全部予以忽略。
最常和理论计算机科学放在一起的一个词是什么?答:离散数学。这两者的关系是如此密
切,以至于它们在不少场合下成为同义词。
传统上,数学是以分析为中心的。数学系的同学要学习三四个学期的数学分析,然后是复
变,实变,泛函等等。实变和泛函被很多人认为是现代数学的入门。在物理,化学,工程
上应用的,也以分析为主。
随着计算机科学的出现,一些以前不太受到重视的数学分支突然重要起来。人们发现,这
些分支处理的数学对象与传统的分析有明显的区别:分析研究的对象是连续的,因而微分
,积分成为基本的运算;而这些分支研究的对象是离散的,因而很少有机会进行此类的计
算。人们从而称这些分支为“离散数学”。“离散数学”的名字越来越响亮,最后导致以
分析为中心的传统数学分支被相对称为“连续数学”。
离散数学经过几十年发展,基本上稳定下来。一般认为,离散数学包含以下学科:
1) 集合论,数理逻辑与元数学。这是整个数学的基础,也是计算机科学的基础。
2) 图论,算法图论;组合数学,组合算法。计算机科学,尤其是理论计算机科学的核心是
算法,而大量的算法建立在图和组合的基础上。
3) 抽象代数。代数是无所不在的,本来在数学中就非常重要。在计算机科学中,人们惊讶
地发现代数竟然有如此之多的应用。
但是,理论计算机科学仅仅就是在数学的上面加上“离散”的帽子这么简单吗?一直到大
约十几年前,终于有一位大师告诉我们:不是。D.E.Knuth(他有多伟大,我想不用我废话了)在Stanford开设了一门全新的课程Concrete Mathematics。 Concrete这个词在这里有两层含义:
第一,针对abstract而言。Knuth认为,传统数学研究的对象过于抽象,导致对具体的问题
关心不够。他抱怨说,在研究中他需要的数学往往并不存在,所以他只能自己去创造一些
数学。为了直接面向应用的需要,他要提倡“具体”的数学。在这里我做一点简单的解释。例如在集合论中,数学家关心的都是最根本的问题--公理系统的各种性质之类。而一些具体集合的性质,各种常见集合,关系,映射都是什么样的,数学家觉得并不重要。然而,在计算机科学中应用的,恰恰就是这些具体的东西。Knuth能够首先看到这一点,不愧为当世计算机第一人。
第二,Concrete是Continuous(连续)加上discrete(离散)。不管连续数学还是离散数学,
都是有用的数学!
前面主要是从数学角度来看的。从计算机角度来看,理论计算机科学目前主要的研究领域
包括:可计算性理论,算法设计与复杂性分析,密码学与信息安全,分布式计算理论,并
行计算理论,网络理论,生物信息计算,计算几何学,程序语言理论等等。这些领域互相
交叉,而且新的课题在不断提出,所以很难理出一个头绪来。
下面随便举一些例子。
由于应用需求的推动,密码学现在成为研究的热点。密码学建立在数论(尤其是计算数论)
,代数,信息论,概率论和随机过程的基础上,有时也用到图论和组合学等。
很多人以为密码学就是加密解密,而加密就是用一个函数把数据打乱。这就大错特错了。
现代密码学至少包含以下层次的内容:
第一,密码学的基础。例如,分解一个大数真的很困难吗?能否有一般的工具证明协议正
确?
第二,密码学的基本课题。例如,比以前更好的单向函数,签名协议等。
第三,密码学的高级问题。例如,零知识证明的长度,秘密分享的方法。
第四,密码学的新应用。例如,数字现金,叛徒追踪等。
计算机的核心是计算,其本质是数学。计算机的生命是靠程序延续,算法是程序的灵魂
摘自网络
⑨ 数学计算机怎么按
如果是计算机上的计算器,
把计算器打开,
在计算器上面的菜单选项里,选“科学计算”.
[一般计算器是“标准计算”]
计算器左边多了很多按钮,
最中间,有一个 "x^y" 按钮就是用来计算次方运算的.
比如,要算 2的3次方.
先按2,再按 "x^y" 按钮,再按3,按 “=” 按钮.就出来答案 8 了.
在"x^y" 按钮右边,有“log” 按钮,这个按钮是用来计算以10为底的对数的.
比如,要算2的以10为底的对数.
先按2,再按 "log" 按钮,再按 “=” 按钮.
就出来答案0.3010...了.
还有3个按钮要用到,
"MS" 把显示的结果保存起来,用于以后的计算.
"MR" 把保存的数据调出来,参加现在的运算.
"MC” 把保存的数据清除掉.
就这道题,
如果是
13(1.006)^x = 14
要求x.
(1.006)^x = 14/13
那么
x = [log(14/13)] / [log(1.006)]
在计算器上,
[第一步,清空计算器]
按 "CE" 按钮
"C" 按钮
"MC"按钮
[计算器清空]
[第二步,计算log(1.006)并保存结果]
按 数字 1.006
按 "log"按钮
[结果显示 0.]
按"MS" 按钮.
[把显示的结果保存起来,用于以后的计算.]
[第三步,计算log(14/13)]
按 数字 14
按 "/" 按钮
按 数字 13
按 "=" 按钮
按 "log"按钮
[显示结果0.]
[第四步,计算log(14/13)/log(1.006)]
按 "/" 按钮
按 "MR"按钮
[把保存的log(1.006)调出来,参加现在的运算.]
按 "=" 按钮
出现结果
12.
如果不在需要log(1.006)了.
按"MC”按钮
[把保存的数据清除掉]
关闭计算器.[完]
⑩ 数学和计算机到底有什么关系吗
计算机科学是研究信息处理的科学。计算机科学分为理论计算机科学和实验计算机科学两个部分。在数学文献中所说的计算机科学,一般是指理论计算机科学。实验计算机科学还包括有关开辟计算机新的应用领域的研究计算数学也叫做数值计算方法或数值分析。主要内容包括代数方程、线性代数方程组、微分方程的数值解法,函数的数值逼近问题,矩阵特征值的求法,最优化计算问题,概率统计计算问题等等,还包括解的存在性、唯一性、收敛性和误差分析等理论问题。有联系,但也不是太明显