對人工智慧方面幫助大些，對一般程式設計其實關係並不太大。計算機思維和計算思維並不一樣，只能說這些數學很好的人一般邏輯思維能力都強，學起來更快。另一方面，對高精尖的計算機技術研究幫助更大些。

數學現在這些年的重要性越來越明顯，隨著各類感測器的發展，演算法已經無處不在，將來的需求還會更多，只會程式語言肯定是不夠的。比如一個指紋識別感測器，需要做影象處理，需要傅立葉變換。一個加速度感測器，需要和陀螺儀磁力做data fusion，kalman filter，安全演算法在普及，非對稱加密都是基於數學，人工智慧，虛擬現實的核心價值都在於演算法。

未來只會程式設計不懂演算法就相當於會計算機專業的文盲。

這是理工類，包括計算機專業的基礎課和必修課吧，不僅僅是知識，還是思維的訓練。

這幾門課，是區分培訓班和科班出身的碼農的主要特徵。

作為一名IT行業的從業者，同時也是一名計算機專業的教育工作者，我來回答一下這個問題。

首先，高等數學等課程對於計算機專業的學生來說還是非常重要的，實際上軟體開發問題說到底就是個數學問題，所以要想在軟體開發領域走得更遠，一定要有一個紮實的數學基礎。

當前大資料和人工智慧是科技領域的重點研究方向，而不論是大資料領域的研發還是人工智慧領域的研發，都離不開數學知識，數學是大資料和人工智慧的重要基礎。從這個角度來看，要想成為計算機領域的創新型人才，一定要有一個紮實的數學基礎。

大資料的核心是資料價值化，從大資料的技術體系結構來看，承擔大資料價值化的核心操作是資料分析，目前資料分析有兩種常見方式，分別是統計學方式和機器學習方式，統計學作為數學的一個重要分支自然不必過多解釋，而機器學習也同樣離不開數學知識。機器學習的步驟涉及到資料收集、演算法設計、演算法實現、演算法訓練、演算法驗證和演算法應用，所以演算法是機器學習的核心，而要想有較強的演算法設計能力，就需要掌握高數、線性代數和機率論等相關數學知識。

從計算機專業的整體知識體系結構來看，本科生階段的演算法設計課程、資料結構課程、資料庫原理課程、計算機網路課程和網路安全課程都涉及到數學相關知識，所以一個紮實的數學基礎，能夠在很大程度上促進計算機相關課程的學習。在計算機專業的研究生學習階段，涉及到機器學習、高階作業系統等課程，而這些課程同樣需要有紮實的數學基礎。

最後，從近些年計算機專業研究生的研究成果來看，很多創新都以演算法設計為基礎，這足以說明數學對於計算機專業學生的重要性。

簡直不能理解!計算機專業的學生居然會提出這樣的問題?!那你為什麼要選擇計算機專業呢?計算機，顧名思義，必定和數學緊密相關。不願意學數學，如何學計算機?所有這些課程，都是最重要，最基本的課程。不學這些課程，計算機是根本無法學下去的。不僅計算機本身需要用到較多的數學，而且計算機的應用也要用到很多的數學。正在崛起的人工智慧就是建立在雄厚的數學基礎之上的。這是計算機的又一個新的應用領域。真誠地奉勸各位，選擇了計算機，就和數學結下了不解之緣。無論你喜歡與否，數學都是離不開的。沉下心來，下大力氣，學好數學，是唯一的出路。

後三門課尤為重要。

作為初學者，你會覺得沒用，因為基本構架你還沒懂，現成的學就行。

但後期需要自己構思的時候，先要表達出來，這些就尤為重要了。核心競爭力

我是計算機專業研究生。如果你只是想做個碼農，寫寫寫程式碼完事，可以不用學。但是如果想要深入研究，必須要有基礎，這裡深度研究不是說java c，而是機器人，深度學習，神經網路。我現在學的機器人課程，深度學習，已經必不可少線性代數，機率論知識和工具了，是直接相關的。。離散更不必說。

我們目前在網際網路上程式設計的程式設計師，多數是拿Java當指令碼語言來寫，沒有自己的演算法(都是拿現成框架，引擎了事)，如此，並不需要高深的數學基礎，只要初中數學即可。但是，你要自己實現演算法，比方說自己實現CAD裡面三維圖形旋轉的功能，那你非用到線性代數里矩陣轉置的內容，如果自己發明貝葉斯演算法，你至少要知道其數學原理。還有photoshop裡各種濾鏡功能，無不透露出數學的美，你既要有美術功底，又要有紮實的大學數學功底(這種人在我國哪裡找，沒有哎)，所以，真正的程式設計師都是演算法高手，需要數學支撐，那才是真程式設計師，而我們現在只是指令碼開發者，是假程式設計師。

得數學者得天下，這個說法可能有點誇張，但並不無道理，因為在我們現下就業情況來看，數學好的同學確實在就業上優勢更大一些，但如果你真的不適合，就不要勉強自己，尤其計算機專業！

學計算機是修電腦的嗎?並不是，學計算機是和程式設計有關係，主要學習：計算機應用基礎、應用文寫作、數學、英語、電工與電子技術、計算機網路技術、C語言、Linux伺服器作業系統、CAD繪圖等等。

大學數學又是比較難的，要學學微積分和高等數學，很多人都掛死在這顆高數上，像c語言這類邏輯性要求很高，這和數學的邏輯思維要求是一樣的。雖然主要學科計算機，但是數學學科為輔助學科，透過對計算機專業資訊理論、科學計算、運籌學等方面的基礎知識的學習，利用數學知識建立相應的數學模型，來組建網路架構。這個專業將數學與計算機專業完美的結合到了一起。

具體地說，計算機類專業屬於工科門類下的一個專業大類。包括14個專業，有計算機科學與技術、軟體工程、網路工程、資訊保安、物聯網工程、數字媒體技術、智慧科學與技術、空間資訊與數字技術、電子與計算機工程、資料科學與大資料技術、網路空間安全、新媒體技術、電影製作、保密技術。

在這些專業中，有些專業和數學關係比較密切，如計算機科學與技術、軟體工程、網路工程、資料科學與大資料技術。這些專業要想學好，必須有紮實的數學知識。

數學是計算機的靈魂。計算機的四大重點課程，資料庫，演算法，作業系統和計算機組成原理，每一樣都需要以數學為基礎，特別是演算法，數學不好你根本就搞不懂那些高深的演算法。

數學成績不好，想學好計算機專業的重點課程肯定有比較大的困難。

很多大學資訊與計算科學專業為理科專業，包括資訊科學與計算數學兩個方面。方向一是以計算機科學方面為主，數學方面為輔；方向二是以數學方面為主，計算機科學方面為輔。

尤其是在計算機大熱的現狀下，各高校的該專業紛紛向計算機靠攏，都想把它辦成第二計算機專業，從課程設定和培養方案來看，這個專業和計算機有著密不可分的關係，幾乎一半課程和計算機相關，這也難怪就業方向和計算機差別不大，崗位也差不多。

主要課程：數學分析、高等代數、解析幾何、機率統計、數學模型、離散數學、模糊數學、實變函式、複變函式、微分方程、物理學、資訊處理、資訊編碼與資訊保安、現代密碼學教程、計算智慧、計算機科學基礎、數值計算方法、資料探勘、最最佳化理論、運籌學、計算機組成原理、計算機網路、計算機圖形學、c/c++語言、java語言、組合語言、演算法與資料結構、資料庫應用技術、軟體系統、作業系統等。

非常多的人說數學的計算機科學的靈魂，還是有一定道理的，尤其是深層次的，如果不想只做個IT民工，屌絲程式設計師，數學是一定要學好的，隨機過程、矩陣論、複變函式、數值分析、離散數學、數學分析，機率論是計算機理論和演算法的基礎，想做一個高階點的計算機工程師，數學是必須要學好的。

首先《高等數學》、《線性代數》、《機率論與數理統計》、《離散數學》這些課程是大學工科專業必學的課程，可以說是工程領域的基礎、輔助工具。

對於一般的計算機工作來說不需要太多的數學，高中數學就可以了。但對於像深度學習、機器學習、計算機視覺這種需要的數學知識要多一些。比如微積分，線性代數，機率論與數理統計。

所以，本科學數學對從事計算機幫助多大要從你所從事的計算機工作的性質而定。越高階的工作，需要用到的數學越多，本科學數學的幫助越大。

我要說非常重要，你可能會說：重要什麼啊！我在平時的程式設計中，根本就沒用到多少。

認為不重要的，那是因為，你是應用層面的軟體開發工程師，如果你認為僅僅想開發一個移動端軟體或者前端web開發，是的，對於這些來講，確實不需要太多的數學知識。因為，應用層級別的軟體開發，很多東西都是現成的，封裝好的，框架也是現成的，你會用就行。

但是，如果你不僅僅想滿足於當一個應用層的開發工程師，你想當演算法工程師，研究演算法，研究大資料，如果你想當架構師，如果你想研究人工智慧，神經網路，那麼上述的課程你不僅應該學好，而且必須得學好，甚至你必須在數學方面進一步深入學習才行。

但是，不管你想從事哪方面，其實數學基礎學好了，對於你來講絕對是都是有好處的，沒有壞處。

所以，上述的數學和機率相關的課程，能學多好，就學多好吧！