一个好的开发者应该知道什么是核心math概念？
自从2006年gradle于一所非常小的学校，一个forms很糟糕和过时的项目（我是一个外国人，当时还不知道更好的学校），我意识到我错过了很多基本概念math和软件的angular度，大多是其他更高的概念的基础。
也就是说，我试着听麻省理工学院的“开放式课件”听课，但很快意识到我错过了几个math概念，以便更好地理解课程。
那么一个好的软件工程师应该知道什么是核心math概念呢？ 哪些书籍/网站可以推荐给我？
math程序员 。 一个很好的阅读。
布尔代数是理解控制结构和重构的基础。 例如，我看到许多程序员不知道（或不能使用）德摩根法则导致的许多错误。 又如，有多less程序员立即认识到这一点
if (condition-1) { if (condition-2) { action-1 } else { action-2 } else { action-2 } 可以改写为
if (condition-1 and condition-2) { action-1 } else { action-2 }
离散math和组合学在理解各种algorithm和数据结构的性能方面非常有帮助。
正如Baltimark所提到的那样，math归纳在推理循环和recursion方面非常有用。
集合论是关系数据库和SQL的基础。
举个比方，让我指出，木匠通常使用各种经验法则来build造屋顶和楼梯等东西。 然而，几何知识可以让你解决你没有“jar装”经验法则的问题。 这就像学习通过语音阅读与基本词汇的视觉识别一样。 90 +％的时间没有太大的差别。 但是，如果遇到陌生的情况，使用自己的工具来解决问题是非常好的。
最后，无论具体的技术如何，math所要求的严格性/精确性都是非常有用的编程准备。 再次，我在职业生涯中看到的编程（甚至是规范）中的许多错误，根本原因都是sl thinking不驯的。
我会和兰登所说的那些田地一起走。
离散math，线性代数，组合，概率统计，图论
并添加math逻辑。
这会让你抓住CS的大部分领域。 如果你想进入特殊领域，你必须特别注意一些领域：
Computer graphics -> Linear Algebra Gaming -> Linear Algebra, Physics Computer Linguistics -> Statistics, Graph Theory AI -> Statistics, Stochastics, Logic, Graph Theory
按重要程度排列：
- 计数（循环所需）
- 加法，减法，乘法，除法。
- 代数（只有真正需要了解variables的使用）。
- 布尔代数，布尔逻辑和二进制。
- 指数和对数（即理解O（n）符号）。
比这更先进的任何东西通常是特定于algorithm的或特定于域的。 根据您感兴趣的领域，以下内容也可能是相关的：
- 线性代数和三angular（三维可视化）
- 离散math和集合论（数据库devise，algorithmdevise，编译器devise）。
- 统计（对于统计和/或科学/经济应用，也可能对algorithmdevise有用）。
- 物理（模拟）。
理解函数也是有用的（不要记住那个区域的math术语），但是如果你知道如何编程，你可能已经做了。
我的观点是：一个十岁的孩子应该懂得足够的math能够理解编程。 对事物的基本理解没有太多的math要求。 这完全是关于逻辑，真的。
“归纳certificate”是程序员知道的核心math概念。
一般algorithm分析中的大O表示法 ，以及与标准集合（sorting，检索插入和删除）
对于离散math， 这里有一组来自Arsdigita大学的20个讲座。 每个约一个小时二十分钟。
从我们CS人所谓的“离散math”开始。 微积分和线性代数也可以非常方便地使用，因为它们让你踏足了很多应用领域。 一旦你掌握了这三个，去概率论。 这4个将使你在95％（我做到了）的应用领域胜任。
具体math涵盖了大部分的主要议题。 关于离散math的一本好书，如罗森的离散math及其应用 ，将填补任何空白。
我认为这取决于你的重点。 几年前，我购买了唐纳德·克努特（Donald Knuth）的一套计算机编程艺术（Art of Computer Programming）。 看完书后，我意识到几乎所有的东西都是微积分certificate。 如果你有兴趣为自己开发自己的通用algorithm和certificate，那么我build议你能够理解上面这本书，因为它将在这个世界上与你打交道。 另一方面，如果你只想要/需要使用各种sorting/search/树/等…例程，那么至less大O表示法，布尔math和一般代数将罚款。 如果你正在处理3D，然后几何和触发。
我倾向于在使用方面做比certificate更多的事情，虽然我从来没有坐下来想过自己做了一些聪明的事情，并开发了一个新的分类程序。 我能给出的最好的build议是学习你所需要的领域，但是让自己更上一层楼，这样你就知道它存在了，还有更多的东西要学，否则就不会有太多的成长。
我会说布尔逻辑。 AND，OR，XOR，NOT。 我发现作为程序员，我们比其他的math概念更频繁地使用它。
基础代数和统计学是很好的起点，也是很多其他领域的基础。
这是一个简单的问题，当我看到开发人员不理解它的时候，
– 操作顺序
“计算机程序devise艺术”第一章旨在提供这一点。
有一本被推荐的书…标题就像混凝土math。 有几个问题被推荐。
回到学校，我的教官说，商业应用程序，所有你需要知道知道加，减，乘，除。 请求者将知道的所有其他公式，并通知您需要什么。 现在认识到这是为融资报告和应用集中的学校。 直到今天，这对我来说也是如此。 我从来就不需要知道更多。
检查计算机科学基础的书
本书由Al Aho和Jeff Ullman撰写，整本书在线提供。
这就是作者在他们的序言中所说的关于本书目标的内容：
“ 计算机科学基础 ”涵盖经常发现分裂的主题
在离散math课程和计算机的二年级序列之间
数据结构中的科学。 我们打算selectmath
而不是基于计算机用户真正需要的基础
一个math家可能会select什么“。
一个网站刷上了math： http : //www.khanacademy.org/
我的math背景真的很差（地质学家经过培训），但是我在高中时学了一门离散的math课，每天都把这些概念作为程序员使用。 这可能是我所接受的最有价值的课程，因为这与我目前的职业有关。
离散math
线性代数
组合学
概率和统计
图论
- 布尔代数
- 集合论
- 离散math
那么，这取决于你的目标是什么。 正如有人所说，线性代数，组合，概率统计和图论是重要的，如果你正在解决难题。 函数的渐近增长（bit-Oh符号）非常重要。 如果您需要分析一些更复杂的algorithm，您还需要掌握总结和系列（请参阅关于Cormen和其他algorithm介绍的附录）。
即使你进入“企业Java”或“服务器端PHP”，当你的老板想让你获得服务器时，你会发现一些统计和algorithm复杂性（因此组合，归纳，求和，系列等）加快工作速度，添加新硬件似乎没有帮助。 :-)我曾经经历过那一次。
- 布尔代数
- 集合论
为什么每个人都包括概率和统计数字而不提微积分呢？ 人们无法理解什么概率和统计数据是关于没有限制，衍生物，积分和系列的工作知识。 总而言之，微积分（连同线性代数）是所有math的主力。
我认为algorithm和理论是非常重要的。 能够提出一个快速， 正确的解决scheme是区分好的程序员和其他人。 此外，能够certificate你的algorithm（使用标准的certificate技术 – 诱导，矛盾等）同样重要。
是的，我想说对归纳的基本理解有助于理解algorithm中代表什么。 另外一些逻辑和离散结构是有帮助的。
概率和统计是非常有用的，如果你必须做任何类似机器学习。
我在“ 计算您的技能 ”博客文章中介绍了基本知识，在这篇文章中我将讨论Xbox Live的TrueSkill排名和匹配algorithm是如何工作的。
