【我們為什麼挑選這篇文章】數據科學家是近年來特別夯的一項職業，不僅蘋果、LinkedIn等跨國大企業需要，也有愈來愈多的工作機會，薪水當然也很優秀。除了要對數據很有一套之外，數據科學家還得要有很好的邏輯思考，然而最基礎的，則是要有數學和資訊工程的能力！但是數學理論這～麼多，好像有點令人卻步⋯⋯別擔心，這篇文章整理了成為數據科學家必備的數學基礎知識，免除瞎子摸象的困擾，讓我們一起看下去！（責任編輯：杜維）
數據科學家需不需要有紮實的數學基礎呢？
隨著越來越多優秀開源項目的湧現，各類數據科學工具都實現了「半自動化」，數據分析的背後數學原理似乎不再是數據科學家的必備技能。
而在近期，諸如 Google Cloud AutoML 之類的人工智能自動化平台也不斷趨於成熟，甚至讓人可以不用編程就能建立機器學習模型（點擊閱讀《谷歌重磅：不用寫代碼也能建模調參，Cloud AutoML要實現全民玩AI》）。
這麼看來，數據科學家確實不再需要紮實的數學基礎了？
著名數據科學論壇 KDnuggets 的網紅博主 Tirthajyoti Sarkar 表示，當然不是啦，強烈反對！
為什麼數據科學依舊離不開數學？我們又需要會哪些數學知識？讓我們聽這位大咖一一道來。
聲明
首先，我不是一名 IT 工程師，我在半導體領域工作，更確切的說是高功率半導體領域。作為一名技術開發工程師，我的日常工作內容主要涉及半導體物理，矽製造過程的有限元模擬，以及電子電路理論。當然，這其中會涉及一些數學，但令人難過的是，我並沒有用到過數據科學家們所需要的那些數學。
我有不少朋友在 IT 行業工作，我也目睹了不少傳統 IT 工程師充滿激情的學習或者參與到令人激動的數據科學和機器學習/人工智能領域。我現在涉足這個領域是為了學習一些這行所需要的技術，希望把這些技術應用在半導體裝置或工藝設計領域。但當我開始通過自學深入了解這些令人激動的內容時，我很快發現我在大學裡學的那些基礎的數學知識，我已經記不清了。
雖然我擁有美國一所著名大學的電氣工程博士學位，但在沒有複習一些必須的數學知識的前提下，想要牢固的掌握機器學習或者數據科學技術還是有一些困難。
我必須要說的是 IT 工程師工作內容和長期的培訓使得他們遠離了應用數據領域。他們雖然每天處理大量的數據和信息，卻並沒有對這些數據建立嚴謹的模型。通常，由於巨大的時間壓力，他們工作的重點是「立即處理完當前需求然後處理下一個」而不是科學性的深度挖掘這些數據。遺憾的是，數據科學永遠是一門科學，而僅僅有數據是遠遠不夠的。
這些工具和技術包括了，模擬物理或信息過程從而探尋潛在動力學過程，嚴格地評價數據來源的質量，訓練人們從信息流中識別隱藏模式的識別能力，或者理解模型的局限性。這些內容都是科學過程中的標誌。
應用科學或者應用工程學課程中通常包含這些內容，一些相似領域中的高水平研究工作中也包含了這些內容。遺憾的是，即便是工作超過十年的傳統 IT 工程師（開發運營，數據庫或者 QA/測試）都缺乏對這些知識的學習。原因很簡單，用不到。
變革的時代
現在不一樣了！
在大多數情況下，擁有完美的 SQL 查詢知識，清晰的商業需求，以及一定的 RDBMS 知識就足夠完成提取-轉換-裝載（ETL）循環的工作，這就是一名 IT 工程師在公司中所產生的價值。
但如果有人突然開始問你一些奇怪的問題，例如，你怎麼知道人工生成的測試數據是否足夠隨機？你怎麼知道下一個數據點是否分佈在 3-sigma 的範圍內？遇到這些問題，你該怎麼辦？或者，僅是隔壁計算機科學的研究生偶爾的打趣–計算機進行任何有意義的數學運算的數據表（即：矩陣）的運算負荷會隨矩陣大小（行或者列）的增加呈非線性增長，也會讓 IT 工程師感到困惑和惱火。
數據成為了風口上的話題，這些問題出現的頻率越來越高，也越來越緊急。
主管、技術經理以及決策者們已經不再滿足傳統 ETL 工具給出的乾巴巴的表格描述了。他們想要看到表格下面隱藏的模式以及列與列之間的相關關係。他們希望得到完整的描述和推論統計，這些描述和統計可能有助於預測建模，並擴展出遠遠超出數據集所包含數據范圍的投射能力。
今天的數據必須講述一個故事、或者唱一首美妙的歌。但是，要聽懂它優美的旋律，你必須精通音樂的基本音符，而這些音符就是數學。
不再囉嗦，讓我們來找出問題的癥結所在。一名普通的 IT 工程師要