这个问题几乎每个咨询的人都会问一次。答案取决于你学的是哪条线:算法岗要数学,应用开发岗要的是「够用的数学」和「能读文档的英语」。
把这两件事分开,焦虑会少一半。
一、应用开发用到的数学,其实很少
日常真正用到的,是几个具体的概念,不是整门课:
向量与相似度。知道「把文本变成一串数字,两串数字越接近,意思越相似」就够了。余弦相似度的公式会看、会调用,不需要手推。
概率直觉。理解模型的输出是概率分布,同一句话问两次可能不同答案。这决定了你会不会去做评测集,而不是指望它百分百稳定。
基本的统计概念。准确率、召回率、平均值、分位数。这些在初中到高中的统计里都接触过。
真正用到矩阵运算和梯度推导的,是算法岗,不是应用岗。
二、英语的要求是「读得懂」,不是「说得好」
大部分一线文档是英文的:官方 API 文档、开源项目的 README、报错信息、GitHub issue。
需要的能力很具体:能看懂参数说明、能读懂报错、能靠翻译工具理解一篇技术文章。四六级证书不是门槛,愿意查词才是。
实际工作中,遇到看不懂的文档,第一反应应该是打开翻译对照着读,而不是跳过。这个习惯比英语水平重要。
三、真正卡人的不是数学和英语
带过人的都知道,掉队的通常不是因为数学差,是因为这三件事:
不肯动手。看视频觉得懂了,自己写就跑不通,然后就停在这儿。
不会看报错。报错信息里有文件名、行号、错误类型,很多人不看,直接去搜,搜到的还是别人的问题。
不记录。同一个坑踩三次,因为第一次解决完就忘了。
这三件事跟基础没关系,跟方法有关系。
四、基础弱的人,怎么安排学习
第一步是把编程基础打扎实。Python 的语法、数据结构、函数、类,加上 Git 和 Linux 的基本操作。这一段的投入不能省。
第二步是尽早接触真实项目。哪怕只是跑通一个最小的问答系统,也比看十个小时视频有用。
第三步是养成记录习惯。每个报错、每个解决方案、每个参数调整的理由,都记下来。三个月后,这份记录就是面试时最好的素材。
优橙教育的AI应用与智能体开发方向不考数学,课程里涉及向量的部分只讲到「会用、会调、知道什么时候该换方案」。3个月、8阶段、19个知识模块、342课时,武汉全日制到校。
优橙教育把入学条件写在明处:22-35岁、全日制大专及以上、能连续3个月到校,没有数学或英语的额外门槛。报名前还有一轮6项基础诊断,看的是学习条件是否匹配,不是筛分数。
五、一句实话
数学好、英语好,学起来会顺一些,这是客观差异。但应用开发这条线的天花板,更多取决于做过多少真实系统,而不是高考数学考了多少分。
如果你的目标是「能做出东西、能找到应用开发的岗位」,基础弱不是障碍;如果目标是算法岗,那确实要重新评估。
优橙教育 · AI应用与智能体开发培训 | 400热线:400-806-8956 | 官网:ai.ictyc.com| 电话18186611385(同V)| 不设数学英语门槛,武汉全日制到校
把招聘网站上和AI相关的岗位摊开看,会发现名字很杂:大模型应用开发、AI工程师、LLM应用开发、智能体开发、算法工程……薪酬区间差好几倍。这些岗位不是同一个东西
转行的人最常问的一句话是「我之前那些年是不是白干了」。答案通常是:不白干,但要看你怎么带。技术栈确实要重建,这是事实。但工作方式、问题意识、业务理解这几样,是
这两个岗位名字里都带「大模型」,招聘网站上也常被混在一起搜。但它们的日常工作、能力要求、入门路径几乎没有交集。分不清的后果很实际:花三个月学了一堆,发现想投
「我们做了个AI Agent」这句话现在很常见,但打开看,很多只是把模型接口接进一个对话框:用户提问,模型回答,结束。那不算 Agent。区别不在名字,在系统有没有「自己做几步
这个问题几乎每个咨询的人都会问一次。答案取决于你学的是哪条线:算法岗要数学,应用开发岗要的是「够用的数学」和「能读文档的英语」。把这两件事分开,焦虑会少一半