粉丝814获赞1.0万

如何评价 b 站高等数学?单搞破亿的是宋浩。众所周知,三不一不忘的高数视频,制作精良,而且时间积淀长,还深入浅出,能让初学者很容易明白高数的本质。全球爆火,为什么在 b 站反而是宋浩的视频播放量那么高呢? 说实话,这一亿播放量根本不是宋浩一个人的胜利,而是国内无数本不知所云的高数教材,照本宣科的课堂教学,共同拱手送给他的巨大的流量红利。 我面试过太多名校出来的应届生,简历上写着,精通机器学习、深度学习,问几个数学基础问题,稍微绕一点弯子就卡壳。为什么?因为绝大多数人的数学学习都是为了应付考试,为了那个 gpa, 而不是真的理解了数学工具怎么用三步路 ebron 确实好, 我也经常看,画面精美,直觉感强,能把现行代数的本质给你画出来,那是艺术品,是米其林餐厅的分子料理,吃完让你觉得,哇,原来数学这么美。 但是你让一个明天早上八点就要期末考试,现在还是满脑子浆糊的大一新生去看三 b e b, 他 看完可能觉得灵魂升华了,但回到试卷上, 该不会算的积分还是不会算,该记不住的泰勒展开还是记不住。而宋浩是路边摊的,炒河粉,是大排档的麻辣烫,油大盐多,不管那么多,营养均衡,但由于极其接地气,能让你在饿的半死的时候迅速填饱肚子,活过明天早上的那场考试。这就引出了我想聊的第一个点,产品与场景的错位。 很多搞技术的人容易陷入一种技术审美陷阱,觉得东西必须讲的高屋建灵,只知本质才叫好。我在带团队的时候也发现这个问题, 很多算法工程师写文档喜欢堆砌公式,显得自己很专业。但实际上,对于大多数受众,无论是想及格的学生,还是想快速落地的业务方,他们需要的不是本质,而是操作手册。宋浩的视频就是一本视频版的吉米多维奇, ct 级详解,他解决的痛点及其精准, 如何在最短时间内让一个基础薄弱的学生掌握解析套路,拿到学分。这让我想起我刚入行那会,为了补统计学基础可能很久的概率论与梳理统计,国内那几本经典的红皮书、蓝皮书,说实话,对初学者极不友好,定义、定义、证明一气呵成, 但这中间的逻辑跳跃极大,完全不讲这个公式是怎么来的,有什么几何含义,在实际生活里能干吗?那时候我极度痛苦, 直到我发现了一些国外的教材,比如托马斯微积分,这里也推荐一下。如果你觉得国内教材看不下去,去翻翻这本书,他会不厌其烦的给你画图,告诉你 dx 到底是个什么切片, dy 又是怎么变化的。 他不把你当天才,他默认你就是个普通人。想学懂这个工具,宋浩做的其实就是这件事的本土化、视频化。他把那些高高在上的数学符号拽到了泥土里,他上课讲段子,讲他在山东大学的故事,甚至有时候讲错了再纠正, 这种人物恰恰是现在大学课堂里最稀缺的。咱们换个角度,从数据科学的视角来看,这一亿播放量,这是一个巨大的党委需求被满足的案例。头部需求是什么?是考研数学满分,是搞数学竞赛,是做理论研究。 这部分人不需要送号,他们有邱成桐,有陶哲轩的博克,有 gtm 系列教材。但党委呢? 党委是那百分之九十的普通大学生,工科的、商科的,甚至文科转理科的。他们对数学的诉求仅止于工具层面。对于这部分庞大的用户群,一、德性远比严谨性重要。我在做推荐算法的时候,经常要处理用户偏差。我们不能因为自己喜欢高大上的理论,就觉得用户喜欢看推导过程。 数据显示,大部分用户在视频的前三十秒如果听不懂,直接就划走了。宋浩的视频留存率高,恰恰是因为他哪怕牺牲了一点严谨性,也要保住用户的注意力。他会在你快困的时候喊一嗓子,或者讲个笑话, 这在产品经理眼里,就是顶级的用户体验设计。说到这,可能有人会觉得我是在无脑吹宋浩并不是。 作为从业者,我也得泼盆冷水。宋浩能帮你过考试,但他很难帮你建立起真正的数学直觉。而在我们 it 行业,尤其是搞算法、搞 ai, 数学直觉比解题技巧重要一万倍。 比如我们在做大模型训练的时候,梯度消失了,你脑子里首先反映出来的应该是高维空间里那个函数曲面的形状,是导数列式,法则在哪里断掉了,而不是去背诵具体的求导公式。如果你只看宋浩, 你会变成一个熟练的计算机器,但你可能永远无法理解为什么特征值分解可以用来做人脸识别,为什么背页思公式是垃圾邮件分类的基石。所以我的建议是,组合犬在 it 行业摸爬滚打,你会发现没有哪一种技术战是万能的, 学习也一样,阶段一生存。如果你的目的是期末不挂科或者考研数学过线,请毫不犹豫的看送号,把它当成你的救命稻草,跟着它把题刷烂。这时候不要去纠结什么数学之美,活着最重要。阶段二,觉醒 当你考试通过了,或者你想在算法这条路上走远点,你必须抛弃硬式思维,这时候你需要去补那一课直觉。这里推荐几个我觉得真正能提升内功的资源。 一个是 gubber strand, 老爷子的 linear algebra, mit 的 公开课,老爷子讲限性代数,那是真的在讲几何空间的变化, 它会告诉你,矩阵不仅仅是一堆数字的方块,它是一个空间变换的算子。你看完这个,再看 svd 分 解,再看 pca 降维,会有种任督二脉被打通的感觉。还有一个是三 blue e brown, 前面提到了,一定要在有了一定计算基础后再去看,作为复习和升华。 不过光看视频就像吃快餐,当时爽玩容易忘。为了把这些几何直觉刻进脑子里,我当时是配合着笔记一起啃的。 有一份中英文对照的笔记,他把视频里那些稍纵即逝的动画逻辑落成了文字和图解,非常适合复盘式查看。如果你想搞统计和数据分析,别只看书,去下个 r 语言或者 python, 装上 jupiter notebook, 把那些枯燥的概率分布、正态分布、博松分布,自己用代码画出来。举个实际的例子,前两年我们团队做广告 ctr 模型,有个刚毕业的小伙子, 数学理论背的滚瓜烂熟,公式推导写满了一百版,但是模型上线后效果就是不好。问题出在哪?出在他对数据分布没有直觉,他假设数据是符合高斯分布的。这种直觉宋浩给不了你, 考试给不了你,只有你自己动手去跑数据,去格式化,去把数学公式变成代码里的那一行行逻辑,你才能真正掌握。对于想深入这块的同学,一定要上手练练在内大名鼎鼎的 d two l, 动手学,深度学习它最好的地方就是每一张都有可运行的代码,能让你看着数学公式怎么变成拍拓式里的一行行张量运算。再推荐一个工具, g u jebra, 不管是手机版还是网页版都行。学微积分的时候,碰到想不明白的函数图像,输进去拖拽一下参数,看看曲线怎么变, 这种动态的反馈比你盯着课本看一整天都管用。在这个行业待久了,越来越觉得数学不是拿来膜拜的,是拿来用的。宋浩的视频破译,不仅是教育界的现象,更是社会焦虑的投射。大家都很急,急着毕业,急着找工作,急着上岸。现在的 it 面试也是动不动就手撕红黑树,手推 svm, 逼得大家只能去速成。宋浩就是这个速成时代的英雄,他没有站在高处嘲笑大家基础差,而是蹲下来把一个个知识点嚼碎了喂给你, 仅凭这一点,我就 respect 他。 但我也要提醒各位想入行或者正在入行的朋友,速成的东西容易忘,你靠背提醒,通过了面试, 入职后,面对复杂的业务场景,面对海量的脏数据,面对那些教科书里从来没出现过的 corner case, 你 还得把那些原理一点点啃回来。我在面试高级算法工程师的时候,通常不问具体的公式推导,我会问,如果样本极度不平衡,你会选什么? loss function? 为什么? 从几何角度解释一下政策?画像为什么能防止过你河?这些问题没有标准答案,靠的是你对数学工具的深刻理解。所以,如何评价宋浩,他是一座桥。 对于千千万万在数学苦海里挣扎的普通学生来说,他是通往及格、通往毕业证、通往研究生录取通知书的那座桥。过了桥之后,如果你想去看更美的风景,想去构建更宏大的大厦,记得别停下去读硬核的 paper, 去啃英文的原版教材,去写代码,实现那些算法。 比如最近大火的大模型 transformer, 架构里的 self attention 机制,本质上就是矩阵预算和概率加权。你只有把现行代数和概率论真正融进了血液里,看到那个公式的时候,才能不觉得它是天书,而觉得它精妙绝伦。最后,我想说点心里话, 我们这个行业,技术更新迭代太快了,昨天还是 c n n, 今天就是 transformer, 明天可能又是别的什么,但底层的东西永远没变, 数学就是那个最底层的基石。宋浩帮大家铺好了第一块砖,这块砖可能不够精致,不够完美,上面还带着泥点子,但它足够结实,足够让一亿人踩着它迈出第一步。至于能不能盖起摩天大楼,那得看你自己后续加什么料了。 别为了所谓的格调去贬低颂号,也别为了应试而神化颂号,工具而已,好用就行。我看好每一个愿意沉下心来学数学的人,无论你是从颂号开始还是从三 b e b 开始,只要开始了就是好事。在这个浮躁的年代,愿意花几十个小时去啃高数视频的人,运气通常都不会太差。


不能只看视频哈,看视频看的贼溜,结果一做题就漏洞百出。大一的这个高数啊,是不是需要刷题哈?呃,建议大家呢,第一,要把老师上课讲的立体搞明白,你最好把这些立体啊,自己再重新写一遍。你重新写一遍啊,和你看一遍的感觉是完全不一样的。第二点呢,就是老师布置的作业呢,大家不要抄 啊,我发现我的个别的同学的作业是抄的哈,不要以为老师发现不了,我们一看就能看出来是吧。呃,不要抄作业,自己呢,动手把作业做一遍。 第三个呢就是,哎,孙老师写的这本高等数学七百五十题,你可以利用好这里边的题目,这里边的题目相对来说还是比较多的。呃,类型啊,很丰富,技巧是很全的啊,所有的知识点都能给大家训练好。我们出的题目也是比较全的,所以建议大家还是要多做题。


那有些同学问他的教材不是统计版的高数啊,问能不能也看孙老师的视频,成为孙老师的学生啊?啊,我们现在国内的教材啊,其实内容都差不多哈, 微积分上册和高等数学上册的内容也几乎是完全一样的,没有什么很大的差别。所以大家喜欢看宋老师的视频的话,那欢迎啊,这个大家订阅宋老师的视频,可能对大家的高数学习啊会有一些帮助。