标签：数学推导 过程 重要 ado sql 推荐系统 大数 用户信息 信号处理
广义, 不负责地说说算法这个东西. (语句不通顺见谅)
要解决一个问题, 首先第一步为定义问题 --> 目标定义;
在广义的信息行业(计算机, 电子, 通信, 自动化, ... ), 要解决问题, 第二步是收集数据 --> 数据获取;
其中包含有: 感知(视觉, 语音, 电磁, ...)/ 大数据(用户信息获取), 数据清洗(对数据进行查错, 补全, 格式一致化, ...)
使用的工具可以有: Python, SQL, SPSS, BI, MATLAB, EXCEL, Hadoop, ...
再之后是针对问题进行分析与建模 --> 分析建模;
在互联网行业一般采用的是统计学的方法建模, 而电子工程/ 通信工程则是根据特定情形建模.
毕竟任务不太一样.
之后是针对模型进行算法设计与数学推导 --> 算法设计;
不是有了模型, 然后随随便便扔给写代码的, 就能解决的, 求解过程中的一大部分其实都是手上的数学推导.
计算机的辅助功能只是用来解决那些需要大量重复, 或者可以数值计算等的计算问题.
统计学用于建模, 这里用于优化和求解, 优化问题主要是运筹学的领域, 求解一般是数值分析的范畴.
然后是根据算法, 判断使用什么方法进行计算 --> 硬软件分配;
根据场景的具体要求, 判断算法的哪部分用通用计算机编程实现, 哪部分用高速的专用硬件(FPGA, ASIC等)实现.
互联网行业一般采用的是大型的服务器, 于是Linux的操作得熟练.
按照电子信息专业的视角, 实现的平台, 无论是软件硬件, 其实都算是数字系统的一部分, 没啥差别.
即分为: 底层(电磁, 材料, 器件, 电路, 系统) --> 数字系统(数字集成电路+操作系统+通信+软件) --> 算法
之后是软硬件上算法的实现 --> 算法实现;
再之后是对结果的展示 --> 结果展示;
数据分析行业是数据可视化, 主要是做图, 做表等, 设计一些商业智能软件(BI工具)的应用,
图像处理, 语音信号处理等等, 主要是科技文档/ 科技论文的形式展示成果,
其它的, 还包括PPT设计, 海报设计等, 这些都是结果的展示, 有的时候比本身工作还重要.
基于结果, 可以拿出一些结论 --> 预测/ 决策
这个可以是传统方向得到结论后, 对现有方法的改进/ 对新的研究方向的思考/ 对曾经某个结果的否定/ ...
也可以是数据挖掘等方向对未来的预测, 对用户的行为的聚类... 这些都可以用于辅助管理层进行更好的决策, 当然, 也是推荐系统的由来.
标签：数学推导 过程 重要 ado sql 推荐系统 大数 用户信息 信号处理
原文地址：https://www.cnblogs.com/chancebeauty/p/14679306.html
