❶ 如果要把計算機學到很牛要掌握那些數學知識
數學在計算機圖形學中的應用 Greg Turk, August 1997 「學習計算機圖形學需要多少的數學？」這 是初學者最經常問的問題。答案取決於你想在計算機圖形學領域鑽研多深。如果僅僅使用周圍唾手可得的圖形軟體，你不需要知道多少數學知識。如果想學習計算機 圖形學的入門知識，我建議你讀一讀下面所寫的前兩章（代數，三角學和線性代數）。如果想成為一名圖形學的研究者，那麼對數學的學習將是活到老，學到老。如 果你並不特別喜歡數學，是否仍有在計算機圖形學領域工作的機會？是的，計算機圖形學的確有一些方面不需要考慮太多的數學問題。你不應該因為數學成績不好而 放棄它。不過，如果學習了更多的數學知識，似乎你將在研究課題上有更多的選擇餘地。對於在計算機圖形學中哪些數學才是重要的還沒有明確的答案。這領域里不 同的方面要求掌握不同的數學知識，也許興趣將會決定了你的方向。以下介紹我認為對於計算機圖形學有用的數學。別以為想成為一名圖形學的研究者就必須精通各 門數學！為了對用於圖形學的數學有一個全面的看法，我特地列出了很多方面。但是許多研究者從不需要考慮下面提到的數學。最後，雖然讀了這篇文章後，你應該 會對數學在計算機圖形學中的應用有所了解，不過這些觀點完全是我自己的。也許你應該閱讀更多的此類文章，或者至少從其他從事計算機圖形學工作的人那裡了解 不同的學習重點。現在開始切入正題。代數和三角學對於計算機圖形學的初學者來說，高中的代數和三角學可能是最重要的數學。日復一日，我從簡單的方程解出一 個或更多的根。我時常還要解決類似求一些幾何圖形邊長的簡單三角學問題。代數和三角學是計算機圖形學的最基礎的知識。那麼高中的幾何學怎麼樣呢？可能讓人 驚訝，不過在多數計算機圖形學里，高中的幾何學並不經常被用到。原因是許多學校教的幾何學實際上是如何建立數學證明的課程。雖然證明題對提高智力顯然是有 效的，但對於計算機圖形學來說，那些與幾何課有關的定理和證明並不常被用到。如果你畢業於數學相關領域（包括計算機圖形學），就會發現雖然你在證明定理， 不過這對開始學習圖形學不是必要的。如果精通代數和三角學，就可以開始讀一本計算機圖形學的入門書了。下一個重要的用於計算機圖形學的數學——線性代數，多數此類書籍至少包含了一個對線性代數的簡要介紹。推薦的參考書: Computer Graphics: Principles and Practice James Foley, Andries van Dam, Steven Feiner, John Hughes Addison-Wesley [雖然厚重，可是我很喜歡] 線性代數線性代數的思想貫穿於計算機圖形學。事實上，只要牽涉到幾何數值表示法,就常常抽象出例如x,y,z坐 標之類的數值，我們稱之為矢量。圖形學自始至終離不開矢量和矩陣。用矢量和矩陣來描述旋轉，平移，或者縮放是再好不過了。高中和大學都有線性代數的課程。 只要想在計算機圖形學領域工作，就應該打下堅實的線性代數基礎。我剛才提到，許多圖形學的書都有關於線性代數的簡要介紹——足夠教給你圖形學的第一門課。推薦的參考書: Linear Algebra and Its Applications Gilbert Strang Academic Press 微積分學 微 積分學是高級計算機圖形學的重要成分。如果打算研究圖形學，我強烈建議你應該對微積分學有初步認識。理由不僅僅是微積分學是一種很有用的工具，還有許多研 究者用微積分學的術語來描述他們的問題和解決辦法。另外，在許多重要的數學領域，微積分學被作為進一步學習的前提。學習了基本代數之後，微積分學又是一種 能為你打開多數計算機圖形學與後繼的數學學習之門的課程。微積分學是我介紹的最後一個中學課程，以下提及的科目幾乎全部是大學的課程。 微分幾何學微分幾何學研究支配光滑曲線，曲面的方程組。如果你要計算出經過某個遠離曲面的點並垂直於曲面的矢量（法向矢量）就會用到微分幾何學。讓一輛汽車以特定速度在曲線上行駛也牽涉到微分幾何學。有一種通用的繪制光滑曲面的圖形學技術，叫做「凹凸帖圖」，這個技術用到了微分幾何學。如果要著手於用曲線和曲面來創造形體（在圖形學里稱之為建模）你至少應該學習微分幾何學的基礎。推薦的參考書: Elementary Differential Geometry Barrett O'Neill Academic Press 數值方法幾乎任何時候，我們在計算機里用近似值代替精確值來表示和操作數值，所以計算過程總是會有誤差。而且對於給定的數值問題，常常有多種解決的方法，一些方法會更塊，更精確或者對內存的需求更少。數值方法研究的對象包括「計算方法」和「科學計算」等等。這是一個很廣闊的領域，而且我將提及的其他幾門數學其實是數值方法的一些分支。這些分支包括抽樣法理論，矩陣方程組，數值微分方程組和最優化。推薦的參考書: Numerical Recipes in C: The Art of Scientific Computing William Press, Saul Teukolsky, William Vetterling and Brian Flannery Cambridge University Press [這本參考書很有價值可是很少作為教材使用] 抽 樣法理論和信號處理在計算機圖形學里我們反復使用儲存在正規二維數組里的數字集合來表示一些對象，例如圖片和曲面。這時，我們就要用抽樣法來表示這些對 象。如果要控制這些對象的品質，抽樣法理論就變得尤為重要。抽樣法應用於圖形學的常見例子是當物體被繪制在屏幕上時，它的輪廓呈現鋸齒狀的邊緣。這鋸齒狀 的邊緣（被認為是「混淆」現象）是非常讓人分散注意力的，用抽樣法中著名的技術例如迴旋，傅立葉變換，空間和頻率的函數表示就能把這個現象減少到最小。這些思想在圖像和音頻處理領域是同樣重要的。推薦的參考書: The Fourier Transform and Its Applications Ronald N. Bracewell McGraw Hill 矩 陣方程組計算機圖形學的許多問題要用到矩陣方程組的數值解法。一些涉及矩陣的問題包括：找出最好的位置與方向以使對象們互相匹配（最小二乘法），創建一個 覆蓋所給點集的曲面，並使皺折程度最小（薄板樣條演算法），還有材質模擬，例如水和衣服等。在圖形學里矩陣表述相當流行，因此在用於圖形學的數學中我對矩陣 方程組的評價是很高的。推薦的參考書: Matrix Computations Gene Golub and Charles Van Loan Johns Hopkins University Press 物 理學物理學顯然不是數學的分支，它是自成一家的學科。但是在計算機圖形學的某些領域，物理學和數學是緊密聯系的。在圖形學里，牽涉物理學的問題包括光與物 體的表面是怎樣互相影響的，人與動物的移動方式，水與空氣的流動。為了模擬這些自然現象，物理學的知識是必不可少的。這和解微分方程緊密聯系，我將會在下 一節提到微分方程。 微 分方程的數值解法我相信對於計算機圖形學來說，解微分方程的技巧是非常重要的。像我們剛才討論的，計算機圖形學致力於模擬源於真實世界的物理系統。波浪是 怎樣在水裡形成的，動物是怎樣在地面上行走的，這就是兩個模擬物理系統的例子。模擬物理系統的問題經常就是怎樣解微分方程的數值解。請注意，微分方程的數 值解法與微分方程的符號解法是有很大差異的。符號解法求出沒有誤差的解，而且時常只用於一些非常簡單的方程。有時大學課程里的「微分方程」只 教符號解法，不過這並不會對多數計算機圖形學的問題有幫助。在對物理系統的模擬中，我們把世界細分為許多表示成矢量的小元素。然後這些元素之間的關系就可 以用矩陣來描述。雖然要處理的矩陣方程組往往沒有很精確的解，但是取而代之的是執行了一系列的計算，這些計算產生一個表示成數列的近似解。這就是微分方程 的數值解法。請注意，矩陣方程的解法與微分方程數值解法的關系是很密切的。 最優化在計算機圖形學里，我們常常為了期望的目標尋求一種合適的描述對象或者對象集的方法。例如安排燈的位置使得房間的照明看起來有種特殊的「感覺」，動畫里的人物要怎樣活動四肢才能實現一個特殊的動作，怎樣排版才不會使頁面混亂。以上這些例子可以歸結為最優化問題。十年前的計算機圖形學幾乎沒有最優化技術的文獻，不過最近這個領域越來越重視最優化理論。我認為在計算機圖形學里，最優化的重要性將會日益增加。 概率論與統計學計算機圖形學的許多領域都要用到概率論與統計學。當研究者涉足人類學科時，他們當然需要統計學來分析數據。圖形學相關領域涉及人類學科，例如虛擬現實和人機交互(HCI)。另外，許多用計算機描繪真實世界的問題牽涉到各種未知事件的概率。兩個例子：一棵成長期的樹,它的樹枝分杈的概率；虛擬的動物如何決定它的行走路線。最後，一些解高難度方程組的技巧用了隨機數來估計方程組的解。重要的例子：蒙特卡羅方法經常用於光如何傳播的問題。以上僅是一部分在計算機圖形學里使用概率論和統計學的方法。 計算幾何學計算幾何學研究如何用計算機高效地表示與操作幾何體。典型問題如，碰撞檢測，把多邊形分解為三角形，找出最靠近某個位置的點，這個學科包括了運演算法則，數據結構和數學。圖形學的研究者，只要涉足創建形體（建模），就要大量用到計算幾何學。推薦的參考書: Computational Geometry in C Joseph O'Rourke Cambridge University Press [大學教材] Computational Geometry: An Introction Franco Preparata and Michael Shamos Springer-Verlag [很經典，不過有點舊了] 總 結：數學應用和數學理論對於圖形學來說，以上提到的許多數學學科都有個共同點：比起這些數學的理論價值，我們更傾向於發掘它們的應用價值。不要驚訝。圖形 學的許多問題和物理學者與工程師們研究的問題是緊密聯系的，並且物理學者與工程師們使用的數學工具正是圖形學研究者們使用的。多數研究純數學理論的學科從 不被用於計算機圖形學。不過這不是絕對的。請注意這些特例：分子生物學正利用節理論來研究DNA分 子動力學，亞原子物理學用到了抽象群論。也許有一天，純數學理論也能推動計算機圖形學的發展，誰知道呢？有些看來重要的數學實際上在計算機圖形學里不常被 用到。可能拓撲學是此類數學中最有意思的。用一句話來形容拓撲學，它研究油炸圈餅與咖啡杯為什麼在本質上是相同的。答案是他們都是只有一個洞的曲面。我們 來討論一下拓撲學的思想。雖然曲面是計算機圖形學的重要成分，不過微分幾何學的課程已經涵蓋了多數對圖形學有用的拓撲學知識。微分幾何學研究曲面的造型， 可是拓撲學研究曲面的相鄰關系。我覺得拓撲學對於圖形學來說幾乎沒用，這是由於拓撲學關心抽象的事物，而且拓撲學遠離了多數圖形學的核心——三維歐氏空間的概念。對於圖形學來說，拓撲學的形式（符號表示法）是表達思想的簡便方法，不過圖形學很少用到抽象拓撲學的實際工具。對圖形學來說，拓撲學像一個好看的花瓶，不過別指望它能立即帶給你回報。有人曾經這么問我，計算機圖形學是否用到了抽象代數（群論，環，等等….）或者數論。我沒怎麼遇到過。和拓撲學一樣，這些學科有很多美好的思想。可是很不幸，這些思想很少用於計算機圖形學。
❷ 學習計算機網路！需要什麼基礎，第一次學，求帶！
計算機網路入門並不需要太多的基礎。如果說你是初三畢業的話只要耐心去認真學，是可以學好的。不知道你是否要高考，如果要高考的話還是專心高考好…
計算機網路你可以去找一些大學計算機教材，都是中文版且0基礎入門的，認真學完一本下來就算是正式入門了，然後建議你去學習思科網路認證的教材，分CCNA/CCNP/CCIE三個等級，有中英文教材，英文考試。有了一定的基礎，看CCNA的內容是很快的，然後再通過查詞典去通讀一下英文教材，有中文的理論基礎再看看英文描述也是不難的。
計算機網路確實不需要太多的數學知識，這個你可以不用擔心。而計算機需要數學就是演算法方面的了，如果你不研究演算法/資料庫方面的話，一般來說對數學要求也不高。但是計算機需要英語是必然的，先進的技術和設備都是美國的，其實英語不難，第一次見查查字典，見多了，就跟中文一樣了，語言是一種工具，用多了只會越來越熟練。我認識有些人，CCNP過了，大學英語四級都過不了，這說明網路方面英語不難。
你喜歡計算機是因為游戲嗎，如果是的話也沒什麼，我當年也是玩游戲玩廢的，不過給與了我極大的興趣，去學這方面的知識。千萬別覺得沒有信心，所謂信心其實就是你有沒有耐心去鑽研，三天打魚兩天曬網肯定學不好。一定一定要耐心去學習，遇到困難，就去查查相應的知識或者問問別人，不要不懂了，就丟下書玩游戲了。
不要寄希望於學校會讓你學會什麼東西，而是自己讓自己學會更多東西，希望掌握在別人手裡的人是可悲的。
❸ 計算機專業一般需要學哪些數學知識/科目
高等數學啊線性代數啊是必備的知識，和認字是一個概念
離散數學是計算機緊密相關的
信息安全方向要學數論，抽代
現在比較熱門的機器學習要好好學概率論
總之這些都是必備工具
❹ 我想知道計算機網路技術和編程有沒有關系，和數學英語要求有多大
我想大多人都會有這樣的疑問，學習英語和數學會對計算機編程有用嗎？我在上大學的也不知道，現在歲數大了，在這里結合我自己的經驗和網上的資料說明下：
數學的重要性：
1.首先作為一個優秀的程序員，數學是十分重要的。數學是自然科學的基礎，計算機科學實際上是數學的一個分支。數學主要能讓人懂得一種分析問題的方法，然後再通過編程去實現它。
2.學習數學是一個潛移默化的過程，並不是說你學習了大學數學等就馬上立竿見影的對編程有幫助了。所以，很多程序員說他們並沒有用到太多的數學知識，就已經是一個很棒的程序員了。（他們是優秀的編程藍領，但他們的成就也就到此為止了，因為開發平台的組件已經幫他封裝好了一切，他只需要調用就可以了）。
3.數學對編程有如蔬菜對肌肉。你說你吃了這盤菜對你身上的哪塊肌肉有好處誰也說不出，但如果你一點蔬菜都不吃，你身上的每塊肌肉都會沒用。
4.當你學會編程後，感覺學習數學好像更容易了。當然，學好數學再編程，編程也會變的很容易了。有了數學知識，你會發現數據結構與演算法原來也是很簡單的。
數學的學習：
1.如果你認為數學沒有用處，那是因為中國的數學教授方法錯了，沒有教給我們需要的知識，而不是數學本身的錯誤。哪怕了解一點點相關的數學知識就能讓你寫出可愛有趣的程序，否則會有些小難度。換句話講,數學是可以慢慢學的,只要你有時間。加油，兄弟們，你能行的。
2.對於程序員來說，什麼是正確的學習數學方法，呵呵，我們不需要知道定理的證明和它們究竟怎麼來的，我們只需要看懂他們，然後靈活運用就可以了。
3.所以，你數學究竟考多少分並不代表你運用數學知識的能力，實際上，很多的數學知識到死你都就不會用到，它們的確也不是為你的編程生涯准備的。我們只需要知道基本思想，基本原理和基本使用方法就可以了。
4.你對編程的興趣將會使你只關注於數學實踐性的部分，在這方面，你將做的和數學系的一樣棒。
什麼數學課程對編程有用呢？
1.高等數學是基礎，對於你理解數據結構和演算法、資料庫等起到無與倫比的作用。
2.做計算機圖像處理方面的話，線性代數必須要好。
3.壓縮演算法、人工智慧都使用微積分的。
4.離散數學和計算機編程聯系最緊密，最有效的離散數學的分支是概率理論.這是你在學校學完基本算術後的緊接著的課.你會問,什麼是概率理論呢?你就數啊,看有多少次出現滿堂彩?或者有多次是同花順.不管你思考什麼問題如果是以"多少種途徑..."或"有多大幾率的...",那就是離散問題.當他發生時,都轉化成"簡單"的計數.拋個硬幣看看...? 毫無疑問在他們教你基本的計算用法後他們會教你概率理論.
5.不要單純為了考試，考研而學習（我從來不認為一個學生的優秀用他的考試成績來衡量，我的衡量標準是看平時），這會讓你「一張白紙走進大學，一腦糨糊走出大學」。沒有動手能力，到了社會，你除了比別人多了張文憑，什麼都不是。
❺ 計算機網路應用要學什麼
專業任選課程：軟體工程、多媒體技術、程序設計方法學、電子商務技術、密鑰學、編譯原理、語言程序設計、分布式計算技術、並行式計算技術等。
計算機應用技術比較偏向軟體方向，培養掌握計算機應用專業必要的基礎理論、常用計算機軟體操作和編程語言，培養目標是具有較強實踐技能的高級計算機應用型人才。專業課主要有：計算機軟硬體技術基礎、Linux操作系統等等，可以看出來，主要是偏向計算機軟體的編程和應用的。
(5)計算機網路中用到的數學知識擴展閱讀：
1、計算機網路技術專業就業范圍比較廣
計算機網路技術專業畢業生可以通過參加公司企業舉報的計算機網路技術人才招聘，從事計算機系統維護、網路管理、程序設計、網站建設、網路設備調試、網路構架工程師、網路集成工程師、網路安全工程師、數據恢復工程師、網路安全分析師等崗位工作。
2、有計算機網路技術專業本科以上文憑的畢業生的其他工作選擇
有計算機網路技術專業本科以上文憑的畢業生可以選擇參加國家公務員考試，參加事業單位編制考試；如果有教師資格證，可以通過中小學教師競聘，到學校做信息技術教師；可以參加國家司法考試；還可以自主創業。
❻ 計算機網路專業數學要學什麼
微積分 、跟計算機 沒啥關系 ，但就要學 。
❼ 計算機網路應用學什麼
摘要 計算機網路應用的課程設置因學校不同而略有區別，大部分學校主要涉及以下課程：
❽ 大學里的計算機網路需要用數學嗎
當然需要。高深的東西要用 傳統上，數學是以分析為中心的。數學系的同學要學習三四個學期的數學分析，然後是復
變，實變，泛函等等。實變和泛函被很多人認為是現代數學的入門。在物理，化學，工程
上應用的，也以分析為主。
隨著計算機科學的出現，一些以前不太受到重視的數學分支突然重要起來。人們發現，這
些分支處理的數學對象與傳統的分析有明顯的區別：分析研究的對象是連續的，因而微分
，積分成為基本的運算；而這些分支研究的對象是離散的，因而很少有機會進行此類的計
算。人們從而稱這些分支為「離散數學」。「離散數學」的名字越來越響亮，最後導致以
分析為中心的傳統數學分支被相對稱為「連續數學」。
離散數學經過幾十年發展，基本上穩定下來。一般認為，離散數學包含以下學科：
1) 集合論，數理邏輯與元數學。這是整個數學的基礎，也是計算機科學的基礎。
2) 圖論，演算法圖論；組合數學，組合演算法。計算機科學，尤其是理論計算機科學的核心是
演算法，而大量的演算法建立在圖和組合的基礎上。
3) 抽象代數。代數是無所不在的，本來在數學中就非常重要。在計算機科學中，人們驚訝
地發現代數竟然有如此之多的應用。
但是，理論計算機科學僅僅就是在數學的上面加上「離散」的帽子這么簡單嗎？一直到大
約十幾年前，終於有一位大師告訴我們：不是。
D.E.Knuth(他有多偉大，我想不用我廢話了)在Stanford開設了一門全新的課程Concrete
Mathematics。 Concrete這個詞在這里有兩層含義：
第一，針對abstract而言。Knuth認為，傳統數學研究的對象過於抽象，導致對具體的問題
關心不夠。他抱怨說，在研究中他需要的數學往往並不存在，所以他只能自己去創造一些
數學。為了直接面向應用的需要，他要提倡「具體」的數學。
在這里我做一點簡單的解釋。例如在集合論中，數學家關心的都是最根本的問題--公理系
統的各種性質之類。而一些具體集合的性質，各種常見集合，關系，映射都是什麼樣的，
數學家覺得並不重要。然而，在計算機科學中應用的，恰恰就是這些具體的東西。Knuth能
夠首先看到這一點，不愧為當世計算機第一人。
第二，Concrete是Continuous(連續)加上discrete(離散)。不管連續數學還是離散數學，
都是有用的數學！
前面主要是從數學角度來看的。從計算機角度來看，理論計算機科學目前主要的研究領域
包括：可計算性理論，演算法設計與復雜性分析，密碼學與信息安全，分布式計算理論，並
行計算理論，網路理論，生物信息計算，計算幾何學，程序語言理論等等。這些領域互相
交叉，而且新的課題在不斷提出，所以很難理出一個頭緒來。
下面隨便舉一些例子。
由於應用需求的推動，密碼學現在成為研究的熱點。密碼學建立在數論(尤其是計算數論)
，代數，資訊理論，概率論和隨機過程的基礎上，有時也用到圖論和組合學等。
很多人以為密碼學就是加密解密，而加密就是用一個函數把數據打亂。這就大錯特錯了。
現代密碼學至少包含以下層次的內容：
第一，密碼學的基礎。例如，分解一個大數真的很困難嗎？能否有一般的工具證明協議正
確？
第二，密碼學的基本課題。例如，比以前更好的單向函數，簽名協議等。
第三，密碼學的高級問題。例如，零知識證明的長度，秘密分享的方法。
第四，密碼學的新應用。例如，數字現金，叛徒追蹤等。
現代社會科學技術高速發展，數學學科的發展也已經到了非常抽象的地步，但是計算機所應用的數學依然是之前的經典東西，怎麼樣學好數學，通過計算機這個平台用好數學，將計算引入世界的每一個角落，無時無可得都在運算，用於提高人類的生活質量，這將是我們計算機學科從業人員的終極目的和追求