大學計算機專業(yè)好學嗎，對數(shù)學要求高嗎？作為IT行業(yè)的從業(yè)者和計算機專業(yè)的研究生導師，讓我來回答這個問題。首先，計算機相關專業(yè)有一定的難度，尤其是大數(shù)據(jù)、人工智能等熱門專業(yè)，對數(shù)學有一定的要求。目前計算

大學計算機專業(yè)好學嗎，對數(shù)學要求高嗎？

作為IT行業(yè)的從業(yè)者和計算機專業(yè)的研究生導師，讓我來回答這個問題。

首先，計算機相關專業(yè)有一定的難度，尤其是大數(shù)據(jù)、人工智能等熱門專業(yè)，對數(shù)學有一定的要求。

目前計算機相關專業(yè)包括計算機科學與技術、軟件工程、計算機網絡、物聯(lián)網工程、多媒體、大數(shù)據(jù)、人工智能等，雖然在具體方向上會有一些差異，但基本內容相對統(tǒng)一，包括基礎學科（高級）數(shù)學、線性代數(shù)、概率論、離散數(shù)學、物理學等）和計算機科學計算機基礎（操作系統(tǒng)體系結構、網絡通信、數(shù)據(jù)庫、編程語言、算法設計、數(shù)據(jù)結構、編譯原理、數(shù)字電子學、模擬電子學等），這些課程通常都很難。

對于大多數(shù)計算機專業(yè)的學生來說，編程是必須掌握的內容。程序設計問題歸根結底是一個數(shù)學問題，因此數(shù)學基礎對計算機專業(yè)的學生來說非常重要。因此，計算機專業(yè)的數(shù)學課程相對較多。如果我們想在未來的計算機技術領域走得更遠，就必須學好數(shù)學相關的課程。

雖然大多數(shù)計算機專業(yè)在學習上有一定的困難，但也有一些方向對數(shù)學要求不高，如計算機網絡工程師方向（運維）、web應用開發(fā)方向、移動終端開發(fā)方向等。對于大多數(shù)應用程序級別的帖子，即使數(shù)學基礎很差，它們也可以勝任。

最后，目前大數(shù)據(jù)和人工智能的普及度比較高，很多教育資源豐富的大學都在本科階段開設了相關專業(yè)。由于這兩個專業(yè)對數(shù)學的要求較高，考生在選擇前必須結合自己的實際情況。對于大數(shù)據(jù)和人工智能專業(yè)的學生來說，今后最好讀一門研究生課程，這將進一步改善他們的知識結構，增強他們的職場競爭力。

網頁設計與數(shù)據(jù)庫哪個難？

學好不容易。這與學習者自身的基礎有很大關系。如果你喜歡理性思維，邏輯和數(shù)學都比較好，你可以學習數(shù)據(jù)庫。如果你更喜歡感性思維，色彩和美感更好，你可以學習網頁設計

哈哈，你只是一個新生，學了一點語言。甚至不是初學者。毫不夸張地說，學習電腦就是拼數(shù)學。光靠學幾門語言你什么都做不了。特別是在編程實現(xiàn)某些函數(shù)時，如果數(shù)學學得不好，就不能設計出合適的算法。數(shù)學建模非常重要。我勸你不要想當然。讓我們來看看傅立葉變換，這是最常見的一個高數(shù)字。利用傅立葉變換設計低通濾波器是圖像處理中最常用的基本功能之一。

同樣，機器語言本身是一個二進制矩陣。圖像的本質也是由像素組成的矩陣。然后你就會知道線性代數(shù)的重要性。然后對各種圖像、信號進行放大和縮小，需要用到各種插值，那么你會后悔離散數(shù)學沒學過。當你學習信息論和通信原理時，你會后悔沒有理解復變函數(shù)和概率。。。。。

即使是大二專業(yè)基礎課使用的數(shù)據(jù)結構，堆棧、列、排序、二叉樹、哈希圖、遞歸等。。。。都是數(shù)學模型。。。

如果你真的想學好編程，你必須徹底地學習數(shù)學。至于編程語言，這完全是語法結構的問題。是一樣的。編程側重于算法。至于用什么語言，是膚淺和膚淺的。就像寫一本書，一部經典，把它翻譯成任何語言。如廁讀物，如果你用八種語言寫的話，也是如廁讀物。

剛上大一，報的計科，學了一年的c和JAVA，都說計算機和數(shù)學關系緊密，可為啥沒有感覺到？感到迷茫？

英語應該可以，數(shù)學不好學，電腦是致命的。

如果你真的對此感興趣，建議先補充數(shù)學?；蛘呖紤]硬件維護等崗位，搞軟件，不懂算法，恐怕不行。

數(shù)學和英語都學不好，可以往計算機方面發(fā)展嗎？

數(shù)學對于計算機算法編程非常重要。我將主要從以下兩個方面來解釋為什么它如此重要

數(shù)學和算法編程需要很強的邏輯思維能力。程序代碼的邏輯結構、連接方式和處理方式需要較強的邏輯思維能力。如果你學好數(shù)學，有很強的邏輯思維能力，你通常會對算法編程有更深的理解。

這應該是為什么數(shù)學和算法編程更相關的一個重要原因。無論是計算機的底層還是底層，數(shù)學知識都處處體現(xiàn)。例如，計算機底層的二進制、機器學習和深度學習的梯度求導、SVD分解、張量分解、PCA特征值、優(yōu)化問題、密碼學的大數(shù)分解、概率圖模型等都與數(shù)學有著密切的關系。我舉兩個例子來實現(xiàn)

代碼實現(xiàn)如下

代碼比（float）（1.0/sqrt（x））快4倍，計算性能有了質的飛躍。為此，專門有一篇論文《快速平方根逆》來解釋這段代碼的數(shù)學原理。感興趣的同學可以找這篇文章學習。

如果不直接使用數(shù)學知識和搜索，時間復雜度為O（n），效率較低，很難按照目前的計算機水平進行計算。如果我們知道Brahmagupta–Fibonacci恒等式、Pollard-Rho分解法、二次同余方程的解、歐氏除法等數(shù)學知識，那么求解這個問題的時間復雜度就大大降低，結果保證在0.2秒之內。

如果工作是算法崗位，數(shù)學更重要，因為機器學習、數(shù)據(jù)挖掘、NLP等方向的基本原理基本上都離不開數(shù)學。