高微聽完一輪！

高微聽完一輪，值得留念一下。

研究數學是為了讀 deep learning 的 paper。（在職）碩士畢業，看到連乘符號∏只能「那葛像拱門的符號是什麼」然後關 paper，讓人汗顏。

一開始自學中文書，但發現數學荒廢二十年，加上年齡體力不如以往，高中能熬夜讀書，現在太累就眩暈耳鳴頸椎病皮膚炎一波帶走，看書自學計畫失敗。

後來刷到 B 站播放量一億宋浩教學影片，自學計畫復活，竟然成功把整套初微影片看完，中文影片中文課本把初微過了一遍。Rudin 那種名著就不指望了。靠著宋浩大神還順便聽了線代和基礎機率。

自修初微後，狀態改善但還不夠，所以想自學點更深的數學。

但遇到高微就開始嚴重卡關，宋浩老師的數學分析跟初微重疊太多，感覺不像數學分析，聽了一部分後棄。其他老師有把金剛經和數學合在一起講的，有當成武俠小說講的，「戴德金分割，duang 的一聲在數線上砍出了無理數！」，有的老師講的清晰，但起手就講 metric space，本 Rn 都整不明白的萌新撐沒幾章就棄了。

所幸後來找到師範大學李國瑋老師的課，再度成功復活。李老師的課建構在實數系上，看到「Bolzano-Weierstrass theorem @ Rn」實在淚流滿面，斯是 Rn，惟實數馨，無 metric space 之亂耳，無拓樸之勞形。那些更抽象的東西，實變再還。

如果有面板，現在應該會顯示技能「實變函數」已經可以開始加點。起碼現在看了第一堂影片，透過狄利克雷函數黎曼不可積來論述黎曼積分侷限性，不會馬上大腦過熱掉線。如果能熬完實變，應該能接測度論、高等概率，複習一下線代應該就能再戰 deep learning 的數學。很多好東西因為數學卡住而放棄，例如某門 Probabilistic Machine Learning，上到第三堂老師開始介紹 Sigma algebra 我人就不好了，現在只能一直擺著。

現在最大的問題，就是習題進度嚴重跟不上。目前習題進度還卡在初微如何運用積分表的章節，跳著做搭配例題還是做不完。要把高微這種難課的證明全做一遍鞏固修為遙遙無期。預估真實戰力頂多相當本科生 PR10~PR15。

有趣的是，李老師的課程影片 Homepage 在我聽完課後竟然就 404 ，Internet archive 只有舊版，好在我在 ipad 上翻到還沒關掉的分頁，趕快另存新檔匯出，有種武俠小說洞天福地找到傳人後就自行銷毀的感覺，也算趣事 XD

全文連結