曾经有一位清华学长真挚的告诫我们不要学数学,我没有珍惜,等到我开始学的时候才追悔莫及。
我曾以为数分高代就能代表数学,我曾以为抽代就是数学抽象的顶点,我曾以为复变常微如此,实变偏微也难不到哪去,我曾以为实变学了两三遍也不过如此,我曾以为应用随机过程便代表了传说中的随机过程。我听闻数学很难,于是我默默选择了概率,心想应该不会被虐的这么惨。
然后我现在被泛函吊起来锤,再被伊藤积分按在地上踩,测度论在这俩大哥面前就是个弟弟,五一假期成功在作业中度过。
然鹅身边人只觉得“啊你学的数学啊。还是有难度的,但是你努力了一定没问题的!”他们觉得难但不觉得有这么难,就像张三丰一样,大家都知道他牛逼,也只知道他牛逼,跟着学习武功了只会越来越发现woc怎么这么牛逼。
20190706更新
承蒙大家关注,就像评论里有些语气比较冲的大佬说的,机械学科有着非常精深的理论知识,不是一个小领域的博士甚至都不知道的,这点显然我是承认的,但哪门学科不是这样呢?科普贴知识含量确实不高。最近中了一篇领域顶刊,还有些发表的小文章,想看更加深入的学科知识,不如看看我的下面这篇回答。最近也有开个专栏的打算,写一写非线性动力学、非线性振动、航天器轨道力学与控制领域的科研笔记,促进自己输出也便于同行交流,不知道会不会有人感兴趣。
20190601更新
看的人挺多的,再更一下放几张减速器产品实物图,也让非机类专业、马上要选专业的高考生朋友有个概念
———————-分割线————————
以下原答案
各行都有各行的难,但是我敢说机械学科的难和数理、金融、计算机的难绝对不一样。
首先,最重要的:机械的难根本不难在知识。机械本科课程里理论性最强的可能也就是理论力学、机械原理、流体力学了,就算有的学校本科生可能要学弹性力学、分析力学,难度也就到这了,在通识教育阶段,其学习难度是远小于数学、物理等学科的。
诚然,Mechanical Eng.下面也有些非常难的领域,比如非线性啊、混沌啊、湍流啊、气动弹性力学、空间机构设计啊,但是这些都不是我要强调的。
机械难就难在它是做实体的、它是最基础的、最实实在在的,需要投入制造和使用的科学。生产过程强调的是人机物法环,人力、机器、物料、方法、环境一样重要,哪个因素不行,生产过程就不行。
比如每个机械学子都要画的减速器,机械设计和制图的知识难度我不说,人家土木工程专业也不是吃素的,机械学科不难在这里。但是,如果要把这个减速器以较低的成本制造出来呢?箱体类零件需要铸造,轴类零件需要数控车,齿轮要滚,端盖套筒要手车。
这里问题就很多了,还是再说一遍,人机物法环各个方面都有可能出问题。
消失模铸造的时候,材料收缩率考虑的大了小了箱体尺寸都不对。数控粗车轴的时候,要是刀具磨损大了,分分钟尺寸差出几十道。铣个平面,装夹之后不打表或者打表差了好几道,数控铣好久的件儿分分钟报废。滚齿的时候,齿轮轴偏心、卡盘没夹紧,最后出来的分度圆根本啮合不了。打箱体孔的时候,要是两边的孔分别铣,你就会发现它同轴度很可能就保持不了,然后齿轮就啮合不上,就算齿轮啮合上了,你要是铸造收缩率选小了,斜着的齿轮可能会碰到箱体槽的内壁......
我想其他行业应该都没有这种体验吧,学数理科学的、EECS的,我觉得最重要的就是脑子,这东西你懂了就是懂了,懂了这题就能出来、这代码就能对、这电路就能调通。机械这玩意不一样,道理你都懂,实际生产你试试啊?书里写了要考虑铸造收缩率,它没说考虑百分之几啊,随工艺和材料是变化的啊。书里写了要保持平面度同轴度,怎么保持啊?他机床可能就不给力,表可能就不准,再打表、再减少装夹次数,有啥用啊?书里写三爪卡盘自定心,他没写上爪的时候你可能就上歪了。
机械行业经验很重要,机械学科经验公式很多。但是经验是怎么来的呢?经验就是科学么?中世纪以前人们的经验是太阳绕着地球转,人类是神的子民。工业生产要查标准,但是同理,标准是怎么来的呢?有一个一以贯之的公式去概括这些标准么?所以这个东西你说他能靠谱么?
还有一点必须要说,你要是没有这些设计加工经验,你做的东西报废了是小,材料废了机时花了,浪费的就是钱,机加工也就是这么不挣钱的。
知道我国为啥高端轴承只能选配(一堆低级轴承里选一个高级的)么?知道为啥RV减速器叭行么?知道为啥机器人做不到波士顿动力那样么?差距从一个一个零件里就产生了,零件不行装配就不行,装配不行产品就不行。纯机械没啥难的,再复杂的机器也是一个一个零件组成的,难就难在上面说的一个一个零件的制造过程上了。
以上。
宣传一下我校我专业 虽然机械很难 但我校机械工程教育真的非常卓越!希望能帮到高考生们~
首先,题主问的是“难度是被严重低估”。
那么,就需要两个条件:1、难;2、大家普遍认为不难。
因此,理论物理、数学什么的就可以洗洗睡了。大家都知道你们难得没边……
于是,在此我提名中文系下属的两个二级学科。
一,语言学与应用语言学,特别是其中的计算语言学方向;二,文艺学,以当代西方文论为最。
首先说计算语言学。
以下引用“语言学午餐”公众号的一段介绍(侵删)
2. 句法解析(Syntax Parsing) 是希望将一个句子自动映射到一棵符合标准的句法树上。根据不同规范,我们有 Constituency Parsing 和 Dependency Parsing。
Constituency Parsing 关注句子中的语法成分的组成结构。它通常预设了一个上下文无关的语法(Context-Free Grammar, CFG),这个语法系统一般会规定许多规则:比如 A 和 N 可以组成 NP,V 和 NP 可以组成 VP,NP 和 VP 可以组成 S 等等。(NP 表示 Noun Phrase 名词短语,VP 表示 Verb Phrase 动词短语,S 表示整句)这部分内容和形式语言学(Formal Linguistics)的关系非常紧密。
A Constituency Parse Tree
Dependency Parsing 则更关注与句子中词与词之间的关系是如何依赖的,比如 dobj (like->banana) 表示 banana 是 like 的直接宾语,amod(flies->Fruit) 表示 Fruit 是用来修饰限定 flies 的形容词,等等。
A Dependency Parse Tree
3. 词级别语义(Word-level Semantics)主要研究如何在数学上找到更好的方法对词语的语义进行表征(semantic representation),从而在语言学和计算机科学之间建立桥梁。
目前主流的方法是词嵌入表示法(word embedding)。这种方法构建了一个低维稠密空间(通常在100~300维左右),并将不同的词语映射到这个空间的不同的点上。每个点都可以被看作是一个向量,代表了一个词的语义,所以可以也被称为词向量(word vector)。
如果我们把这个空间压缩成二维平面,我们会发现一些有趣的现象:比如具有不同性别但是语义相似的两个词的词向量之间地相对位置非常相似。 如果我们用 w(x) 表示 x 的词向量,则有 w(man) - w(woman) ~= w(king) - w(queen)。
压缩至二维的词向量空间(word embedding space)
这部分内容,要求的可不光是语言学功底,还要有良好的数学、计算机等学科的基础。
然后上一张字节跳动招实习生的介绍:
对,一家语言学类的公司,要求计算机类实习生,和语言学家一起,探索语言知识与机器学习算法的结合。
这个跨界,也是没谁了。
以及,其他方向也一点都不简单。言语行为理论、转换生成语法、语用学……
第二,文艺学的当代西方文论方向。
放一段文论课程群里师兄的发言:
胡塞尔认为,历史层积的观点和含义使得个人原初直观生命的体验力在逐渐衰退终至“失实”,因此应沿着语言文字的链条重新激活已经沉入历史深处的意向;可是因无法摆脱“自由联想”以及由之而引起的表达的多义性,因此要思考语言表达的“单义性”,这种单义性保证观念的同一性(《生成与解构》)。德里达对此持反对态度。
德里达认为语言具有不可避免的多义性(策略一将先验时间替换为“代现”,策略二将指号和表述交缠并延展出“充替”),这种多义性形成一个充替和延迟的游戏场域。
文学即是通过语言文字将读者带入一个语言的场域,但通过语言并不能生成“单义性”的意义(在场),而是通过语言进入至一个“多义性”的游戏场域,这个场域因中心缺失而始终进行充替。(比如在文学作品中,我们面对一句话的时候总是无法直接准确的把握意义,而要经过意义的不断游离,直到辅以前后语境才能暂时确定)
德里达对胡塞尔的“生成”概念并不全然持否定态度:在德里达看来,胡塞尔的“生成”分为两种,一种是“构成性”,也就是意向性(在场),这是他反对的;但他肯定胡塞尔的“断裂”,即前有限性的断裂,“这种在前的有限性揭露的是某种隐藏着的无限性力量”。(《“生成与结构”及现象学》)
在《结构、符号与游戏》中德里达开篇提出“事件会有某种断裂与某种重复的外在形式”,这种“断裂”也就是德里达后文提及的“游戏”的“生成”。
文学的“不隔”也就是一种当下生成,但这种生成并非现象学的意向性构成,而是在游戏中的生成。这种生成既让人体验到原始场域的无限开放性,又让人在游戏中生成意义,这是一种积极的生成。
文学即通过语言文字让读者进入语言场域,但文学通过语言符号带来的并非单义性而是多义性,文学的“不隔”并非意向性构成而是“断裂”,这种“断裂”既让人看到原始场域开放性,又让人体验到自由生成,这是一种生命体验。
请注意,这不是作业,只是课后群里的讨论而已。
而真正西方文论的论文大概是什么样子的?
拉康认为,这个蕴含在坡的小说中的游戏,其象征结构建立了杜宾的推理方式(这种推理方式又与杜宾的能力结合起来,即他可以掩饰和模仿表里不一的大臣D的心理),而最终这种推理方式又必然会被包含在另一种象征结构中:后者使信件开始流转。拉康表明,信件和主体在下述意义上可以互换:只要与信件发生关系,每个主体(王后、大臣、杜宾和其他人)都无法避免被卷入同一个游戏或机器。由此,坡的人性戏剧(human drama)的自动重复机制(repetition automatism),就活生生地体现在机遇和概率的机器上面:在这机器中,“象征界以一次打赌开始了向真实界的突入”(E,页192)。不过,从博弈论的观点看,game(l'ensemble-jeu[游戏整体])和play(chaque element[各个元素])之间还有进一步区分,我将在之后涉及杜宾的策略举措的部分进行详述。[38]
在拉康最初关于象征界与真实界的思考中,控制论机器的形象起到了中介作用,并且为他的论述奠定了基础,比如他说:“概率和机遇的观念预设的前提是将象征引入真实界”(E,页182)。拉康又进一步指出,“只有在真理的层面上,事物才有可能”像所有机遇博弈那样“被隐藏起来”(E,页201-2)。指出这一点相当重要,因为坡的奇偶游戏背后隐藏的不是一两颗石弹子,而是数字符号;出于同样原因,在《失窃的信》中,并不是“信件”这个物体本身使事物运动起来,而是处于通讯机器内部的象征链触发的真理游戏。拉康揭示了存在于奇偶游戏中的象征界,这就大大超出了坡小说无关痛痒的内容层面。在讨论《失窃的信》之前,一系列准备性讨论都清楚表明:奇偶游戏并不是非常突兀地出现在拉康分析中的,在这此之前拉康已经一路讨论了“计算机器”、“思考机器”和其他“在特定策略的限制下”(E,页178)进行奇偶游戏的机器。
我们从这些机器出发,可以尝试接近那些谜一般的控制论学家——据说是他们使拉康注意到坡的小说,虽然拉康似乎不想让我们知道这些人是谁。众所周知,拉康在交代资料来源的时候总是模棱两可,大概希望他的弟子和学生能以自己的方式解决问题,要么只是想卖弄一下自己的博学。会不会是沃伦·麦卡洛克[39]、葛雷戈利·贝特森[40]、香农、维纳,还是别的什么人?拉康试图通过象征界,在控制论和无意识之间建立起关联;对于这些重要关联点,我们当然要进行深入探讨。但是,在此之前,我们需要追随眼下这些数学家的足迹,看看他们自己的文学兴趣是什么。
这是哥伦比亚大学刘禾教授的一篇论文《控制论阴影下的无意识》的节选,由北大批评理论中心的王钦老师译为中文。
全文如下,有兴趣的朋友可以自己试着阅读一下。
对,这些内容,广义地说,都是中文系的学习内容。
所以,我个人对中文系的理解是,下限很低,毕业不难。
但是如果真的打算深入学习的话,难度绝对是被大大低估的。
本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度,google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有