微信公眾號栩先生，知乎職場郭毕、成長類大v，微信上最會寫毛爺爺?shù)娜四餮ァＳ米罱拥貧獾奈淖窒晨ǎ蜷_你的思維地圖。

首先，無論是哪方面的程序員踊谋，都要大量的投資算法和數(shù)據(jù)結(jié)構(gòu)蝉仇。因為這是你的基本技能，就像棋手需要知道每個棋子的走法一樣殖蚕。在算法學(xué)習(xí)的過程中轿衔，你繞不過的就是衡量算法的效率，也就不可避免的學(xué)習(xí)Big O的知識睦疫。Big O害驹，需要你了解函數(shù)和極限的一些知識，比如說蛤育，f(n) = O(g(n))是這樣定義的宛官，當(dāng)n足夠大的時候葫松，你總可以找到一個常數(shù)c，使得c * f(n) >g(n)底洗。除了效率腋么，還有如何證明算法的正確性。這就要求掌握一些證明方法亥揖，比如反正法珊擂，遞推歸納法。 其次费变，如果你遇到了性能方面的問題摧扇，需要降低延遲，增加吞吐的時候胡控，你很有可能需要去設(shè)計高性能的隊列系統(tǒng)扳剿，這時排隊論的知識就顯得尤為重要了。排隊論要學(xué)好昼激，概率論是基石。隊列在計算機(jī)系統(tǒng)中隨處可見锡搜，操作系統(tǒng)中的進(jìn)程調(diào)度問題橙困，基于隊列解藕生產(chǎn)者消費者的架構(gòu)問題等等。 接下來如果你對離散優(yōu)化問題感興趣耕餐，如說背包問題凡傅，旅行者問題，當(dāng)你需要優(yōu)化一個目標(biāo)函數(shù)的時候肠缔，你往往會用到梯度下降法夏跷，而理解梯度下降法，對微積分要有很好的理解明未。更不用說在人工智能槽华，機(jī)器學(xué)習(xí)領(lǐng)域，到處都得優(yōu)化目標(biāo)函數(shù)趟妥，降低預(yù)測誤差猫态，想走的遠(yuǎn)，是必須要有數(shù)學(xué)基礎(chǔ)的披摄。 然后再說一下亲雪，線性代數(shù)，特別是在人工智能里面疚膊，很多基本的模型都是線性的义辕，你會隨處看到矩陣的用處，單純的只知道矩陣如何相乘是遠(yuǎn)遠(yuǎn)不夠的寓盗，要理解的跟深入灌砖，矩陣是一個函數(shù)夺巩，用來轉(zhuǎn)換矢量，既然是函數(shù)周崭，就會具有很多函數(shù)的特點柳譬。 分布式系統(tǒng)中的鼻祖級論文，Lamport的時間续镇，時鐘美澳，和事件的順序，據(jù)他所說是他從相對論中的時間和空間的關(guān)系中得到的靈感摸航。由此可見制跟，不僅是數(shù)學(xué)，物理也很重要酱虎。

請叫我嘰歪歪

同濟(jì)大學(xué)數(shù)學(xué)系