数学基础补课杂感
虽然在南大数学系待了四年半，但基本没怎么好好上过课。第一份工作写了两年代码，数学更是彻底生疏了，到了看到公式就有点犯怵的程度。
数学三门大课，微积分/线性代数/概率统计，算是现代科学素养的基本要求，一点都不懂的话，跟文盲也没什么区别。对我自己来说，蠢是最不能原谅的错。补上这三门课，对工作之初的我来说是重要但不着急的事情。当时很多时间都花在了工作相关的CS知识上，这件事也就先放着了。
工作一年多之后，越来越觉得当时做的ETL没什么意思，加上当时机器学习非常热，产生了一种很急切地转方向的情绪，而数学又是机器学习的基础，所以这事儿马上就变得很急迫了。当时市面上流传着先看算法，再补需要的数学知识的做法，我是很不屑的，数学不是这么学的。也见过一个平安的算法团队负责人，居然连置信区间都没听过，感叹圈内都是些什么傻逼，连阿猫阿狗都说自己在搞机器学习，而我决不能这样。
17年第一次gap之前就开始看微积分了，有些功利，也有些浮躁，挑的书也是简单级别的Thomas Calculus。线性代数看的是Gilbert Strang的Introduction to Linear Algebra，虽也是初级的书，但不少优美的证明，很赞。微积分和线代之前底子还可以，虽是初次看英文的数学教材，适应之后倒也没遇到太多问题。
数理统计挑的是Degroot的这本Probability and Statistics, 其实也不算难的，可能因为之前底子太差，看得很慢。定过一个月内看完的计划，结果证明只是个笑话。那次gap看这本书耗尽了我转方向的气力。数学都没看完，机器学习就更不用提了。
后来找工作有些曲折，去年从零开始做python后端，好好忙了一年多，统计书自然也就搁下了。
虽然机器学习的狂热情绪早已经过去，但这次gap必须要把数理统计看完，这是唯一的硬性任务。再拖下去，可能永远也看不完了。
还好，今天终于看完了，虽然后半部分觉得越来越罗嗦，讲不到重点，没那么认真看了。
终于算是勉强补上了这三门数学基础课。虽然不见得能记得多少东西，但至少知识的框架有了，以后要用到查起来会很快，也不再有公式恐惧症了(程序员里很普遍)。
我费了这么大的精气神，打的这一点数学基础，可能在别人那儿就是很简单的玩意儿，尤其是一些需要天天用到这些的。清醒地知道这点，还挺沮丧的。有些人在泳池都不敢去深水区，而有些人天天没事就带个跟屁虫就横渡湘江/钱塘江，世界就是这样吧。
数学书，我以后还会继续看，但应该会少一点意志力的强迫，多一些兴趣驱动和问题驱动。这辈子接触到的数学知识，估计绝大部分几百年前就弄出来了，偶尔看到个20世纪出来的公式都得烧香拜佛。数学研究的智商门槛太高了。
博而不专，I don't know where this might ends.
