这样就算是回答了吗?我也不太懂
我以前是学医学的,现在在法国的商学院读ai in business ,由于还没有正式工作所以只能谈谈在学习中的感受。
专业从名字看来是比较偏商科的,但我们系主任发誓要打造最硬核的商学院ai项目,所以我们也要学数学,统计 ml dl等等(不知道他是否达成了自己的心愿?)
我自己以前是数学基础非常差的,前几年自学python的时候补过一些基础,但线性代数,微积分是这次现学的
我的第一个感受就是数学并没有想象中的那么难,因为资源太多了,又有ai的实时帮助,可能以前学习感觉难是因为没有合适的资源。
应该说,其实所有课程都没有那么难!
从学习的角度来说,我是得到了很多纯粹的快乐的。
我觉得最大的障碍其实反而是发生在决定读这个专业之前的,因为转行意味着高昂的代价,和失败的风险。
但是一旦找到符合自己价值观且自己喜欢做的事情,就很容易在过程中找到快乐。
· 2个月前
· 2025-12-23 16:46:29
95 浏览
我目前还在探索阶段
就学习结果而言,如果目标是顺利通过第一年、进入第二年、不被淘汰,对纯文科、零编程背景的人来说并非不可逾越。在 AI 工具的辅助下,coding、听课理解和完成作业都有现实可行性,只要持续投入,通过课程、甚至取得不错成绩是可以做到的。
第一年的真实难点,我觉得是信息过载。
一开始会同时面对大量全新的内容:编程语言、框架、开发环境、概念体系,对没有技术背景的人来说,很容易产生一种“被信息淹没”的状态。由于缺乏整体架构感,很多时候更像是在啃碎片、强行吞咽知识,而不是在系统性理解。
目前回忆起来,更现实的方式是接受:
• 一开始没有完整框架是正常的
• 先以完成作业、跑通项目为目标推进
• 在反复使用和出错中,逐渐建立结构感
在完成阶段性目标之后,我觉得更重要的是对自身定位的明确,以及由此带来的学习重点取舍。
以数学为例,我学的是偏 AI 应用方向,因此我需要更关注模型的理解、适用场景和结果解读,而不是对数学模型进行科学完整的推导。对我来说,过度深挖理论推导的性价比并不高,反而需要把精力放在如何使用、评估和落地模型上。
同样,在技术学习上,我也很清楚自己并不打算走纯写代码的路线,而是偏向产品或技术与业务结合的角色。因此,文转码并不等于在所有技术点上平均用力,而是在明确职业方向后,有选择地投入。