想學(xué)習(xí)人工智能AI專業(yè)，需要哪些數(shù)學(xué)基礎(chǔ)？
入門人工智能，數(shù)學(xué)是繞不過去的門檻。對(duì)于當(dāng)下大部分想轉(zhuǎn)行人工智能的程序員或者其他行業(yè)從業(yè)人員來講，沒有任何一個(gè)時(shí)代，像今天這樣感覺數(shù)學(xué)如此重要，想學(xué)習(xí)人工智能AI專業(yè)，需要哪些數(shù)學(xué)基礎(chǔ)？
沒有找到相關(guān)結(jié)果
已邀請(qǐng):
3 個(gè)回復(fù)
李通靈
贊同來自:
人工智能對(duì)從業(yè)人員的素質(zhì)要求很高，數(shù)學(xué)水平和編程水平是兩個(gè)必須逾越的坎，很多大學(xué)在跟風(fēng)開設(shè)這個(gè)專業(yè)，但卻師資、設(shè)備等都還跟不上。如果你真心想要在這行有大發(fā)展，良好的基礎(chǔ)是必須的，以下是人工智能專業(yè)課程：
------------------------------------
人工智能專業(yè)學(xué)習(xí)課程（不限于以下課程）：
（1）計(jì)算機(jī)科學(xué)知識(shí)：數(shù)據(jù)結(jié)構(gòu)和算法、Linux操作系統(tǒng)、計(jì)算機(jī)組成原理、計(jì)算機(jī)網(wǎng)絡(luò)通信技術(shù)、云計(jì)算基礎(chǔ)、數(shù)據(jù)庫等；（大一大二大三課程）
（2）基礎(chǔ)數(shù)學(xué)：高等數(shù)學(xué)、線性代數(shù)、概率論、運(yùn)籌學(xué)、凸優(yōu)化等；（大一大二課程）
（3）至少一門編程語言：Python、C++或Java等（大二、大三課程）
（4）人工智能有以下核心科目（大四或研究生課程）：
人工智能AI基礎(chǔ)
智能計(jì)算平臺(tái)應(yīng)用開發(fā)
機(jī)器學(xué)習(xí)與機(jī)器學(xué)習(xí)框架Sk-learn
深度學(xué)習(xí)框架Tensorflow或PyTorch或華為MindSpore深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)
AI人工智能一般分成以下4個(gè)方向：
1、AI方向-數(shù)據(jù)智能（大數(shù)據(jù)挖掘）
2、AI方向-計(jì)算機(jī)視覺
3、AI方向-自然語言處理
4、AI方向-自動(dòng)駕駛
------------------------------------
但是，由于目前很多傻瓜化的工具出現(xiàn)，在大部分的業(yè)務(wù)場景下只需要一些很簡單的代碼就可以搞定。
王巧珍
贊同來自:
?
但是，由于目前很多傻瓜化的工具出現(xiàn)，在大部分的業(yè)務(wù)場景下只需要一些很簡單的代碼就可以搞定。
?
最常見的就是python上的各種工具包，比如機(jī)器學(xué)習(xí)框架之sklearn，獲取數(shù)據(jù) -> 數(shù)據(jù)預(yù)處理 -> 訓(xùn)練建模 -> 模型評(píng)估 -> 預(yù)測(cè),分類，還有就是最近很火的TensorFlow。
?
如果你確實(shí)在理論基礎(chǔ)方面實(shí)在有困難，多熟練掌握一些實(shí)用工具也能在市面上也能找到不錯(cuò)的工作。
王巧珍
贊同來自:
第2節(jié)python環(huán)境準(zhǔn)備
第3節(jié)多版本anaconda共存安裝方法
第4節(jié)1.python計(jì)算基礎(chǔ).3.numpy速覽
第5節(jié)1.python計(jì)算基礎(chǔ).4.ndarray詳解
第6節(jié)1.python計(jì)算基礎(chǔ).5.創(chuàng)建ndarray對(duì)象
第7節(jié)1.python計(jì)算基礎(chǔ).6.ndarray的文件讀寫
第8節(jié)1.python計(jì)算基礎(chǔ).7.數(shù)組的拆分
第9節(jié)1.python計(jì)算基礎(chǔ).8.數(shù)組的合并操作
第10節(jié)1.python計(jì)算基礎(chǔ).9.如何訪問數(shù)組元素
第11節(jié)1.python計(jì)算基礎(chǔ).10.用布爾下標(biāo)訪問數(shù)組元素
第12節(jié)1.python計(jì)算基礎(chǔ).11.整數(shù)列表訪問數(shù)組元素
第13節(jié)1.python計(jì)算基礎(chǔ).12.ufunc和broadcast
第14節(jié)1.python計(jì)算基礎(chǔ).13.ufunc案例實(shí)戰(zhàn)—knn分類器
第15節(jié)1.python計(jì)算基礎(chǔ).13.認(rèn)識(shí)矩陣
第16節(jié)1.python計(jì)算基礎(chǔ).14.矩陣的特點(diǎn)
第17節(jié)1.python計(jì)算基礎(chǔ).15.numpy的線性代數(shù)庫
第18節(jié)2.實(shí)用線性代數(shù).1.認(rèn)識(shí)向量及其四則運(yùn)算
第19節(jié)2.實(shí)用線性代數(shù).2.相似度和距離的計(jì)算
第20節(jié)2.實(shí)用線性代數(shù).3.什么是矩陣
第21節(jié)2.實(shí)用線性代數(shù).4.什么是矩陣的行列式
第22節(jié)2.實(shí)用線性代數(shù).5.矩陣的四則運(yùn)算
第23節(jié)2.實(shí)用線性代數(shù).6.什么是子空間和基
第24節(jié)2.實(shí)用線性代數(shù).7.什么是線性變換以及和矩陣的關(guān)系
第25節(jié)2.實(shí)用線性代數(shù).8.什么是相似矩陣和特征分解
第26節(jié)2.實(shí)用線性代數(shù).9.方陣的正交分解
第27節(jié)2.實(shí)用線性代數(shù).10.搞定PCA
第28節(jié)2.實(shí)用線性代數(shù).11.搞定SVD分解
第29節(jié)2.實(shí)用線性代數(shù).12.Python實(shí)戰(zhàn)PCA
第30節(jié)2.實(shí)用線性代數(shù).13.Python實(shí)戰(zhàn)SVD分解
第31節(jié)3.概率論和統(tǒng)計(jì).1.概率論的基本概念
第32節(jié)3.概率論和統(tǒng)計(jì).2.概率論的基本概念2
第33節(jié)3.概率論和統(tǒng)計(jì).3.典型的分布和它們的數(shù)字特征
第34節(jié)3.概率論和統(tǒng)計(jì).4.隨機(jī)向量
第35節(jié)3.概率論和統(tǒng)計(jì).5.協(xié)方差和PCA
第36節(jié)3.概率論和統(tǒng)計(jì).6.Python實(shí)戰(zhàn)生成常見的隨機(jī)變量
第37節(jié)3.概率論和統(tǒng)計(jì).7.樸素貝葉斯和垃圾郵件分類
第38節(jié)3.概率論和統(tǒng)計(jì).8.Python垃圾郵件分類代碼詳解
第39節(jié)3.概率論和統(tǒng)計(jì).9.統(tǒng)計(jì)基礎(chǔ)
第40節(jié)3.概率論和統(tǒng)計(jì).10.數(shù)據(jù)的描述統(tǒng)計(jì)
第41節(jié)3.概率論和統(tǒng)計(jì).11.極大似然估計(jì)
第42節(jié)3.概率論和統(tǒng)計(jì).12.最大后驗(yàn)概率
第43節(jié)3.概率論和統(tǒng)計(jì).13.什么是假設(shè)檢驗(yàn)
第44節(jié)3.概率論和統(tǒng)計(jì).14.假設(shè)檢驗(yàn)怎么做
第45節(jié)3.概率論和統(tǒng)計(jì).15.假設(shè)檢驗(yàn)結(jié)果怎么解讀
第46節(jié)3.概率論和統(tǒng)計(jì).16.假設(shè)檢驗(yàn)為什么可行
第47節(jié)3.概率論和統(tǒng)計(jì).17.什么是方差分析
第48節(jié)3.概率論和統(tǒng)計(jì).18.方差分析實(shí)戰(zhàn)
第49節(jié)4.python可視化數(shù)據(jù)分析實(shí)戰(zhàn).1
第50節(jié)4.python可視化數(shù)據(jù)分析實(shí)戰(zhàn).2
第51節(jié)4.python可視化數(shù)據(jù)分析實(shí)戰(zhàn).3
第52節(jié)4.python可視化數(shù)據(jù)分析實(shí)戰(zhàn).4
第53節(jié)4.python可視化數(shù)據(jù)分析實(shí)戰(zhàn).5
第54節(jié)4.python可視化數(shù)據(jù)分析實(shí)戰(zhàn).6
第55節(jié)4.python可視化數(shù)據(jù)分析實(shí)戰(zhàn).7
第56節(jié)4.python可視化數(shù)據(jù)分析實(shí)戰(zhàn).8
第57節(jié)5.凸優(yōu)化.1.高數(shù)重點(diǎn)內(nèi)容串講
第58節(jié)5.凸優(yōu)化.2.梯度和導(dǎo)數(shù)
第59節(jié)5.凸優(yōu)化.3.導(dǎo)數(shù)和極值的關(guān)系以及泰勒展開
第60節(jié)5.凸優(yōu)化.4.梯度下降算法
第61節(jié)5.凸優(yōu)化.5.梯度下降算法的各種變形（牛頓法和擬牛頓法動(dòng)量法）
第62節(jié)5.凸優(yōu)化.6.人工智能中常見損失函數(shù)的手工推導(dǎo)
第63節(jié)5.凸優(yōu)化.7.sigmoid函數(shù)及其梯度的手工推導(dǎo)
第64節(jié)5.凸優(yōu)化.8.logloss函數(shù)及其梯度的手工推導(dǎo)(1)
第65節(jié)5.凸優(yōu)化.9.spark中使用的梯度推導(dǎo)
第66節(jié)5.凸優(yōu)化.11.凸集的概念
第67節(jié)5.凸優(yōu)化.12.凸函數(shù)的概念
第68節(jié)5.凸優(yōu)化.13.保凸運(yùn)算是個(gè)什么鬼
第69節(jié)5.凸優(yōu)化.14.正式認(rèn)識(shí)凸優(yōu)化問題
第70節(jié)5.凸優(yōu)化.15.對(duì)偶函數(shù)和對(duì)偶理論
第71節(jié)5.凸優(yōu)化.16.強(qiáng)對(duì)偶條件和kkt條件
第72節(jié)5.凸優(yōu)化.17.支持向量機(jī)SVM的幾何解釋
第73節(jié)5.凸優(yōu)化.18.支持向量機(jī)的標(biāo)準(zhǔn)形式
第74節(jié)5.凸優(yōu)化.19.支持向量機(jī)的kkt條件和最終解決
第75節(jié)5.凸優(yōu)化.20.支持向量機(jī)的核技巧和線性不可分問題