※ 引述《sheila221 (sheila)》之銘言：
: 沒有認識高職專科資訊科系朋友
: 以下只是自己的想像
: 高職專科的資訊科系學生
: 課程並不像高中因為要拼競爭激烈的升學考試
: 所以他們的數學、物理應該不會花很多時間紮好基礎
: 在只會簡單數學和物理，而又沒有自行加強的情形下
: 也許對數、級數、三角函數、微積分、矩陣、力學之類的主題
: 可能都不太熟練
: 這種情形，對他們學習程式設計
: 以及日後邁入職場
: 可能會有什麼障礙啊
我高中時候物理和數學很差,物理自高二開始全部被當掉
數學連續當5學期 高三下及格是因為那一冊在教矩陣...
高中的部分,對數、級數、矩陣沒問題,
三角函數、微積分、力學,三個完全不行 後來也沒有行過
大學以後大一微積分當然也當了,念資訊科學需要的科目,
離散數學很簡單過了,線性代數不太行.從來沒理解過 eigen value.
機率.....前半段排列組合的沒問題,後面連續分布甚麼的,
當然沒理解過,演算法的複雜度order聽得懂,P=NP沒理解過,
NPC問題一直都當成=N!來算,就當成我在數學和物理能力方面低於高中生平均好了
後來學專業科目....
電腦圖學從2D圖學一開始是直觀可以理解的部分,沒有問題
進入到3D圖學正常來說線性代數應該要好一點才能理解.
viewport是甚麼都聽不懂
結果,學校畢業以後一樣去參加GPU driver的開發....
當然這是因為在那幾年GPU從fixed function走向programmable shader,
要做的事情增加了,也會牽涉到很多不直接使用3D圖學理論,而是把這些
工作往下對映到新硬體的部分
想修數位信號處理,課本第二頁的正中央以後就開始看不懂了.
FFT=連續+SIN,DCT=不連續+COS....
至少我還記得DCT和IDCT的工作是對稱的,2^N大小的計算時間nlogn
之後沒有碰過需要使用FFT或者是DCT的,只做過把jpeg裡面的DCT/IDCT
從浮點轉成純整數不用除法的運算,再依照指令特性加快十倍就好這件事情.
(這個有現成的東西,但當時完全自己做),做好後....一個通剛好N個通,mjpeg,mp2,
mp3,mpeg2,h.263裡面的東西都可以抽掉換成一樣的方法......
也曾經選過Pattern Recognition,不過前面說過我連eigen vector都不了解.
為甚麼轉成eigen vector就知道這兩張臉的圖案相不相似啊??
可是大學專題突發神經,找系上開數位信號處理的那位教授做車牌辨識
用自己設計2D filter/找高對比/找連續區塊/看形狀的方式去猜.N年後
我就"自稱"有影像辨識背景,去幫做生物資訊的人分辨蛋白質序列了
數值方法連牛頓法都不太會.但是後來知道有哪些formula equation
可以使用,讓浮點數的精確度不會掉下來就好.
Data Mining修到期中放棄,人工智慧只聽得懂Alpha-Beta法.
粒子碰撞的模擬公式看都沒看過,但是能夠把source-code轉到
SMP或者是GPGPU的環境上有該有的效能就好.
大概想一下跟數學基礎有關的經驗就這些.數學物理不怎麼行,
還是找的到很多相關的事情做啊....就讓行的開發新理論我們
知道怎麼用就好吧?同樣的我方是提供更好的tool給新的理論應用.
不過也不能說我沒有在其它方面努力過,
基本上我念書當時.....
1. 喜歡看書 喜歡買書
Computer Architecture,Hennessy & Pattern 我從第一版買到第五版,
Computer Organization除了H&P的也是每一版買之外,其它人出的也買,
而且也因為Andrew.S Tanaunbaun 和William Stalling是出多種教科書的
作家,決定這兩位的書全買.
想知道指令集最佳化怎麼做,前後買了十一二本compiler的書...
2. 在修課過程中看到甚麼 會很想知道別人是怎麼把它做出來的.
結果就集中在 OS/computer architecture/compiler這幾個方向.
數學基礎和物理基礎我應該是比較差,若是比較好那過程中
走的路以及選的專精領域可能不太一樣就是........但現在來看是沒有
差別,自己做的事情能讓自己開心就好
最後呢.......
數學物理很差,別人想出來的東西只能知道皮毛,那就多了解很多很多皮毛,
裝成一個唬人的標本啊
就像我現實中空間感很差容易迷路,那就把所有錯誤的路走過一次,下次就是
走正確的路了.......
: 例如演算法的了解...
: 例如遊戲的物理環境，力學分析自由落體、碰撞後的變化...
: 這些應該都會面臨理解的障礙吧
: thx