可能是因為會涉及到很多演算法吧，這些演算法本身就是基於資料和數學的。現在大資料、人工智慧快速發展，其中實現自動化智慧化就得依靠各種演算法。比如搜尋引擎，你輸入一個詞，後臺就能根據你輸入的內容猜測你最有可能搜尋的內容，它是如何判斷的呢，就是依靠演算法。

我也沒進過網際網路公司，只知道這些。

數學，是研究數量、結構、變化、空間以及資訊等概念的一門學科，也是科學技術發展的基礎學科，已成為資訊、人工智慧、先進製造、國防安全、生物醫藥、航空航天等領域不可或缺的重要支撐。從技術的角度看，IT技術最終拼的是數學能力。

雖然傳統工業中也存在很多數學問題，但是科技公司卻顯得更重視數學。

目前，相當多的資訊工業的標誌性成果都很依賴數學，比如Google和它的Pagerank演算法，深度學習中的BP演算法，Deepmind和它的Alphago，5G通道編碼中的Polar碼，影象領域的壓縮感知等等。

資訊科學有很深厚的數學積澱和很多成熟、經過驗證的數學模型，可以簡化建模過程。

對於傳統制造業，流程效率提升百分之X確實能帶來很多經濟效益，但是這些效益沒有產生一個標誌性的結果，所以相比之下，數學顯得「隱身]了。

一般來說，應用數學工作者和行業合作模式如下：

確定問題

建立數學模型

分析求解

應用結果

編寫軟體

調整模型魯棒性和敏感性適應真實環境

這其中需要耗費很多時間成本、人力物力，數學建模必須有與非數學人士交流，用數學術語翻譯真實世界問題的能力，同時還要考慮模型是否簡潔優雅，是否直指問題本質，複雜度太高的模型可能無法分析整個系統。但是複雜度太低的模型可能會因為考慮因素太少，無法直接使用，這時候就需要能熟練使用數學工具的人了。

可惜這兩種都相當少，工業界又不太可能每遇到新問題都去諮詢數學科研人員。這種情況下積累的問題足夠多了，自然而然就有了去培養的興趣。

數學不僅是現代社會中的基礎學科，同時也是社會科學和工程技術的重要工具之一。隨著社會的進步和科學技術的發展，計算機技術逐漸成為了現代技術中的關鍵部分，而計算機技術就是由數學理論構建的。

數學，一直和網際網路緊密相連，不僅和計算機關係緊密，在其他領悟應用也很廣泛。

算法理論基礎立於數學，數學的發展一定的程式上推動著網際網路的發展。

比如，計算機運用的Hash演算法，二叉樹，三維建模等等。從計算機硬體到計算機軟體，從人工智慧到分散式系統，互不與數學緊密相連。

所以不僅網際網路，各行各業都依託數學前進，發展。

其實科技公司一直都是重視數學的。在計算機發展的早起，程式語言難以掌握，因此需要專業的計算機專業人員。

隨著程式語言的簡化和普及，簡單的邏輯程式設計對很多人已經不是難題。那麼作為科技前沿，軟體公司，當然不會停滯不前，因此在數學上深挖才是王道。

比如近幾年比較火的機器學習和神經網路，就對數學走著比較高的要求。這個行業再也不是初中生找個程式設計機構學半年就能上崗了。

科技網際網路公司是指位元組跳動、百度、美團、阿里、曠視、商湯這樣以人工智慧、大資料和網際網路等為核心技術的公司。這些公司越來越重視數學，說明這些公司越來越重視正向產品設計、演算法底層開發和公司原始創新。下面以僅以機器視覺公司專案開發的三個層次來舉例說明：

其一、工業應用層次。這種公司基本上沒有演算法工程師，有一些機器視覺款件工程師，確切說是調參工程師。只需懂一點微積分、線性代數、機率，更不用說泛函、射影幾何、凸最佳化、卷積神經網路了。他們會用In-Sight、Halcon這樣的商業軟體包進行簡單專案開發，把已有運算元組合應用，根據應用場合物件不同，調節函式中的引數，基本是力氣活兒，掙的辛苦錢。

其二、演算法改進應用層次。這種公司有一些比較懂微積分、線性代數、機率數理統計、離散數學、數字訊號處理與C++/Python程式設計的工程師，大約為碩士研究生學歷背景，他們能根據機器視覺產品專案開發需求，改進現有演算法，會藉助Opencv及Github開原始碼來二次開發。這種公司有一定生存競爭力，其視覺工程師月薪可達到2-3W左右。

其三、底層演算法設計者。這種公司至少有幾個具有高深數學功底的博士（最好本碩為應用數學，博士為計算機視覺），以及一批C++/Python程式設計高手。他們能自己想出產品雛形，建立數學模型，然後用泛函、矩陣分析、最最佳化理論等數學工具去解演算法過程，並程式設計寫出底層函式。這種公司一般研發投入大，往往是行業獨角獸企業。