学弱猹：《一个大学生的日常笔记》目录

2017年7月带领厦门大学“知无央”实践队从厦门奔赴北京知乎总部，对知乎市场部与技术部人员进行了长时间的访谈。最后我们所有人达成了一个共识：虽然知乎目前水化现象严重，但知乎仍然是一个优质大学生分享最好的一个平台。因此希望借专栏这么一个平台，吸引更多的同仁们加入进来，同时也能够在这里结交更多相似的小伙伴，或者说，寻找到有趣的灵魂。

我个人是厦门大学计算数学系的2016级学生，其中第一年在计算机系学习，辅修WISE的数理经济双学位并打算在19年毕业，计划20年出国申请数据科学（DS）相关的方向（主要是Professional的分析学，数据科学或者比较business的商业分析等），目前已经申请到了CMU的硕士，但是因为疫情原因，没有前往美国入学，改变了计划，在20年在杉数科技从事了Data Science相关的工作，后来前往滴滴出行从事偏Machine Learning Engineer的算法工程的工作。在开设这个专栏的初期，我的计划是写技术博客。但是因为后期转入了数学系，因此计划变成了写数学笔记。起初是用于自己复习，但是在之后收到的评论和私信让我发现，无论是在学界还是在业界，数学的作用不言而喻。另外，可能对于很多人来说要命的是数学知识的门槛高，我也遇到很多人私信和我说毕业后再补数学的很多专业课知识可以说是难上加难。这也后来成为了这个专栏所背负的最重要的使命：降低数学的知识门槛。换句话说，如果你属于以下几种求学者之一，那么你可能会对这个专栏里的内容非常感兴趣。

1. 主修或辅修为数学相关（主要是纯数，应数，计数和统计）的本科生
2. 需要本科数学知识的其他理工科学生
3. 对本科数学有强烈兴趣的所有朋友

显然任意两个之间的交都不一定为空，哈哈。

想让所有人都学会数学，这一件事情的难度也不言而喻，因为这需要写作者在文章中不断的思考读者可能产生的疑惑和问题。但我显然不可能无限的降低难度（否则所有的分支我都得从头从数分高代开始讲起，那是不现实的），因此我的立足点是理工科学生，也就是说我的目标就是让大部分第二类的同学们对专栏的内容感到满意。幸运的是，专栏诞生的这短时间以来，文章的声誉都还算不错。不过数学是个大坑，我也不可能每一门专业课都写出一系列比教材更易懂的笔记。所以我只会选择很小的一部分我觉得重要性最高，普适性最强的数学系课程进行整理和总结，希望能够对大家有所帮助。

你也许会关注到，我只强调了易懂两个字，并没有强调好，是因为教科书的写作者往往是学科的大家，他们对于学科的理解，往往不是一个一般本科生短时间能够培养出来的。确实，在专栏创建的这一段时间，我收到的最多的疑问是：既然我有了教科书，为什么我还需要在网络上看二手笔记，我为什么不能直接去看教科书？就我看来，笔记是对教科书的一个再整理，它的特点是更接地气，也更加亲民，更容易被广大人所接受。加之教科书现在越来越多，找寻信息开始变得越来越麻烦。如果我能够做一次再整理降低搜索难度，又未尝不可？但是反过来说，笔记的麻烦就是深度往往不够，很多时候不能够回答学科更深层次的问题。这就严重依赖于个人的水平了。我也希望我能够写出读起来简单，然后又能在高观点上很好的解释给读者的那种文章，但也确实是能力受限。所以二者其实不是对立的。用我朋友话说就是，入门，或者回忆知识和技能，那笔记是有优势的。但是如果要去做research什么的，需要更高，更专业的东西，那就需要依赖于笔记背后的教科书了。当然也可以写出更加高级的笔记来辅助research，但可能并不是近期能够做到的事情，我觉得可能需要一群phd（大雾）一起发力才能做到这样的事情。不过事实上每一个系列的笔记都会给出参考的书目，一般都会列在这里或者系列的第一节。所以读者基本上都可以找到笔记背后所参考的教科书。所以各取所需，各得所利。

下面是一个我认为的大学本科中重要的数学的课程列表，其中加粗的内容表示已经在专栏出现。加斜线的内容表示不会在专栏出现，可能是因为太简单，可能是因为普适性（针对理工科和大数据，金融工程等）不高，可能是很多内容会在之后的某些课程中体现，总结起来意义不太大，还有可能是已有的书籍已经足够好，不需要笔记进行补充了。

大一：数学分析，高等代数，解析几何

大二：初等数论，常微分方程，抽象代数，实分析，复分析，拓扑学，概率论，数理统计，数值分析

大三：图论，偏微分方程，微分方程数值解法，泛函分析，微分几何，计算统计，回归分析，非参数统计，多元统计，时间序列，随机过程，运筹学，数值优化

其它：矩阵流形优化，凸优化

需要提一下的是，在我大学毕业（2020.6）后，短时间内就不再会接受数学专业的严格训练，因此我在最近（2019.9）临时起意，开设了第二个专栏GetDataWet，它的目录如下。如果您对大数据相关的内容感兴趣，欢迎关注它。在9102年它可能还只是一个知识的荒原，但如果你见证了这个专栏的成长，我相信你也会对它抱有一些期待。

学弱猹：《GetDataWet》目录zhuanlan.zhihu.com目前专栏要说完成任务还为时尚早，通过上面的列表，你也能看到，我们还有很多空间可以供读者投稿文章。当然，我也希望更多背景的人能够加入专栏的写作。如果能够将上面的所有的课程都加粗，那么专栏所背负的“降低数学的知识门槛”的使命，就算圆满完成了。这些数学的坑能够有更多的人帮我填上，这可是再好不过了。

如果能够将上面的所有的课程都加粗

我个人也很希望我以后回头学习的时候，还能够在我自己的笔记中收获到很多新的东西。因此专栏凭借个人之力，可能难以有比较好的创新。这也一定程度上强调了多背景的人加入的重要性。我的文章每一篇都会有之前同系列的笔记的链接，大家可以通过每一篇文章来索引到文章的上一篇与下一篇。同时有的系列文章会有一些typo，大家可以先在评论区找到可能的修正。当然了，我非常欢迎大家将自己的文章投稿到这里，有些同学发的内容正好是之前我的笔记的一些补充，所以为了大家阅读方便，我将它们的链接调整到了之前对应的主题下，并注明了相应作者的姓名。对于主题暂时还与本专栏关系不大的，我将它们单独放在了目录的最后。所以与过去不同的是，现在很多主题下都有多位作者的文章，我在此表示衷心的感谢，感谢你们为专栏的纯粹性和完备性（什么玩意……）做出的巨大贡献。

关于文章在近一段时间的可能的更新动态，我会单独用一篇文章来总结。虽然它并不完全准确，但仍然具有一定的参考价值。如下

学弱猹：Writing Schedule|2020.3例行总结，未来计划zhuanlan.zhihu.com机器学习与数据挖掘视频上线B站！具体介绍如下：

学弱猹：机器学习与数据挖掘理论|视频合集上线B站！zhuanlan.zhihu.com本篇文章是专栏的目录文章，你们可以通过它查阅到自己感兴趣的部分，它会持续更新下去。

来源简介

随着专栏内投稿数量的增加，专栏所涵盖的主题数量急剧增多，差异性也急剧增大，因此我们删除了之前对于每一个主题的详细介绍。我们知道这会带来一些困扰，但是我们更建议看到这一页的各位伙伴，在阅读系列文章时，关注系列文章的第一篇，至少我自己是会在第一篇注明文章所follow的原始教材/文献。而在阅读专题文章时，则需要更辛苦一些，因为专题文章的主题更窄，更多的是针对一个具体的小问题来写一篇文章提出解决方案。

来源简介

目录

Hi，您需要填写昵称和邮箱！