学数据科学,光会调库不够,还得懂机器怎么处理数据。
2026年刚出的《Discrete Mathematics for Data Science》就讲了这事。它不急着让你用Python跑模型,而是从底层一路往上教。
先拆“数据”到底是什么:书里花大篇幅讲二进制和浮点数。比如为啥0.1+0.2不等于0.3。这是为了让你明白,机器里的数据只是现实的近似。
再补数据结构与算法:现实数据不全是二维表。树和图的结构决定了计算成本。数据一多,选错结构直接就算不完。
最后才碰统计和机器学习:前面铺垫够了,后面学概率回归就很顺。作者甚至特意不用Python教学,免得你只会调包。
工具能替我们算,但不能替我们想。 平时用现成库没问题,但遇到精度或结果异常时,知道下面垫着什么,才能把问题问对。
点击下方,查看原文。
恰饭: