Lee1301505712017-09-04 14:18:35人工智慧
犍為真人2017-09-04 17:10:53物理好，搞程式設計，暫時能想到的有力學模型研究。比如遊戲引擎中的力學模型，諸如速度，加速度，碰撞，彈跳，等等。但是說實話，沒有一定功底，很難介入，因為遊戲引擎一般都用現成的，很少會去從輪子造起開發新的引擎。關於遊戲的開發，一般就使用現成的遊戲引擎，可能你學習的矩陣和向量，3維空間計算，三角學，解析幾何，座標變換能派上用場。
不過個人不建議因為物理（力學）好而去從事遊戲方面或有限元方面的開發，除非程式設計功底特別好。
而數學學得好，在程式設計中就大有可為了！
機器學習就是一個方向，也就是基本等同於現在很火的資料探勘。什麼迴歸，分類，聚類，推薦系統等。它們對數學的要求不是一般的高。特別是大量用到了線性代數，機率論與數理統計，數學分析（微積分）。搞機器學習的演算法研究，對程式設計功底要求的不是很高，重點是要求數學和演算法。不過建議不要走錯方向了，不要把大量精力用於什麼hadoop生態系統，那是一個巨大的坑，對程式設計要求高。建議走傳統的基於Python或R語言的純粹的資料探勘。需要閱讀大量的書籍和論文，關鍵詞可以是資料探勘，機器學習，統計學習等。大資料也可以是一個關鍵詞，但如前所說，不要過多涉及hadoop。
影象處理，也是數學好的另一個方向。典型的程式是opencv，用matlab研究以可以。這個在未來發展很好。目前用的比較成熟的就是車牌號識別，人臉識別等，醫學影象識別。
還有一個，深度學習，對數學要求也高。深度學習可以認為是上面提到的機器學習的升級版。也可以說是神經網路的升級版。阿爾法狗就是深度學習的典型應用。深度學習用的最多的有影象識別，語音識別，自然語言識別等。與上面說的影象處理不同，影象處理側重於應用數學和演算法去處理影象中的特定問題，比如輪廓提取，影象分割。而影象識別側重於識別處影象中的東西到底是個什麼東西。用到的是深度神經網路，是個黑盒子。即連人類目前都很難理解它為什麼工作的如此好。如同人類的大腦一樣。深度學習基本等同於人工智慧。前景看好！
