计算机科学。
2020-02-07
计算机可以是一个计算工具，为了实现一个计算而写一行，所以数学系的常用MATLAB进行计算。
计算机本身也是一个机器设计的科学，里面有许多的机制与策略，为了让机器更快更有效率，更稳定，更易用，更易于扩展，更简洁易懂，更开放等等，这些是一种设计的科学和精神。有些代码可以恒久经典，必然有其设计理念的先进。
但目前越深入后发现，数学和计算有趋同融合之势。
数学是基础
绝大多数基于数学的，如概率统计，比如说贝叶斯分类，根据数据类别的分布去推测出新数据更可能属于哪个类别。深度学习则更多的时候是拟合非线性函数，在数学上看都是模型。看了越多论文越觉得一切皆数学，不论工科理科或管科。
运筹优化领域
其实在管科里这个应用十分广泛，毕竟本质是数学。始于线性规划（减少物料使用，减少费用这是目标，各种限制是约束条件），发展于各种决策甚至统计学习（线性回归SVM等优化函数）与深度学习（优化损失函数），更深的数学还有组合优化，多目标优化等等。我在想是否可以考虑一些运筹启发式的策略用于学习呢？比如说模拟退火？考虑一定的概率跳出当前解，重新搜索进行梯度优化？
3，在推荐领域，推荐的根本思想在于销售，销售除了考虑产品的性质，marketing，还有环境等等，联系起来其实数据特征、特征工程还有规则策略其实不就是为了解决这样的问题吗。
4，“最好的问题”就是那些能够均分所有可能性的问题，不论如何排除掉k-1/k种可能性。在搜索排序中，如何划分更小的问题的思路。
2020-04-08
