天天播报:想学ai具体需要哪些基础知识？自学ai需要多高的数学水平？

想学ai具体需要哪些基础知识?

门槛一、数学水平

1、线性代数，非常重要，模型计算全靠它~一定要复习扎实，如果平常不用可能忘的比较多:2、高数+概率，这俩只要掌握基础就行了，比如积分和求导、各种分布、参数估计等等.

提到概率与数理统计的重要性，因为Cs229中几乎所有算法的推演都是从参数估计及其在概率模型中的意义起手的，参数的更新规则具有概率上的可解释性。对于算法的设计和改进工作，概统是核心课程，没有之一。当拿到现成的算法时，仅需要概率基础知识就能看懂，然后需要比较多的线代知识才能让模型高效的跑起来。

3、统计学相关基础

回归分析(线性回归、L1/L2正则、PCA/LDA降维)

聚类分析(K-Means)

分布(正态分布、t分布、密度函数)

指标(协方差、ROC曲线、AUC、变异系数、F1-Score)

显著性检验(t检验、z检验、卡方检验)

A/B测试

门槛二、英语水平

我这里说的英语，不是说的是英语四六级，我们都知道计算机起源于国外，很多有价值的文献都是来自国外，所以想要在人工智能方向有所成就，还是要读一些外文文献的，所以要达到能够读懂外文文献的英语水平。

门槛三、编程技术

首先作为一个普通程序员，C++/Java /Python 这样的语言技能栈应该是必不可少的，其中 Python需要重点关注爬虫、数值计算、数据可视化方面的应用。

自学ai需要多高的数学水平?

随着人工智能的兴起，越来越多的人踏入这个行业，但也有相当大的一部分人在踌躇不前。由于人工智能的专业性和科技前沿性，有人害怕，有人担忧，有人没有把握。

很多人也知道从事人工智能专业是未来理想职业的选择，但是自己迟迟不敢开展人工智能的学习。

因为他们总觉得自己的数学基础不行，而想学人工智能势必是离不开各种各样的算法的，人工智能跟数学存在着一定的关系。

一想到人工智能与数学挂钩，于是大家更关心的问题也就成了：学习人工智能需要怎样程度的数学知识呢?

首先既然人工智能专业与数学这个学科紧密联系，那么一定的数学基础肯定是要有的。而且可以肯定的另外一点是，要学好人工智能，数学基础好自然是存在优势的。

想知道人工智能专业的学习需要怎样程度数学知识就必须弄清楚人工智能需要用到哪些数学知识，所以我们得先从内容上了解人工智能。

第一步我们需要了解人工智能的概念。

1956年召开的达特茅斯会议宣告了人工智能的诞生。

在人工智能的襁褓期，各位奠基者们，包括约翰·麦卡锡、赫伯特·西蒙、马文·闵斯基等未来的图灵奖得主，他们的愿景是让“具备抽象思考能力的程序解释合成的物质如何能够拥有人类的心智。”

通俗地说，理想的人工智能应该具有抽象意义上的学习、推理与归纳能力，其通用性将远远强于解决国际象棋或是围棋等具体问题的算法。

如果将认知过程定义为对符号的逻辑运算，人工智能的基础就是形式逻辑;谓词逻辑是知识表示的主要方法;基于谓词逻辑系统可以实现具有自动推理能力的人工智能;不完备性定理向“认知的本质是计算”这一人工智能的基本理念提出挑战。

知道人工智能的基本概念，我们就需要了解人工智能的发展和具体内容。

人工智能的发展需要三个基础，分别是数据、算力和算法。

随着目前大数据和云计算的发展，人工智能在数据和算力上有了一定的保障。

这也在一定程度上推动了人工智能的发展，也使得深度学习的效果得到了较大的改善，但是相比于数据和算力来说，算法的研究才是目前人工智能领域研究的核心。

算法的突破往往具有较大的难度，不少人工智能领域的核心算法已经有了几十年的应用历史。

具体简单地讲学习人工智能专业你需要了解的数学知识有：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析;需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法;当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM;总之算法很多需要时间的积累;需要掌握至少一门编程语言：毕竟算法的实现还是要编程的;如果深入到硬件的话，一些电类基础课必不可少。可能要需要了解互联网域名相关的知识，比如com、top等等。

我们还需要了解的是-在学习人工智能过程中，需要把许多抽象的东西通过建模来表示出来，还要进行算法分析设计具体环节，这些都需要有非常扎实的数学功底。

而且，人工智能的核心——机器学习。

但学习人工智能需不需要很高深的数学知识呢?首先，放平心态，不必太担心。像拓扑，泛函，近世代数这些大概率是用不到的。而且拓扑里面的东西很多，它可能也就擦个边，所以你也就不需要深入学习或研究。可以说大学数学专业学的数学，人工智能用了不到三成。

人工智能接触的是生活，目前还停留在欧式空间中简单的东西。

当然现在人工智能确实有流形概念出现了，不过这是正常的，现在许多人工智能和三维打上了交道，可是绝大多还是依靠概率论，实变函数里面的测度(其实就是距离)，然后数值计算的优化方法。虽然它接触了实变但也只是一小部分，更多的是优化方法，概率论，数学分析，高等代数。

所以说目前人工智能的局限性也就在于没有突破如何将数学完美的运用进来，同时深度学习的兴起是好事，也是坏事，你靠复合函数拟合的东西你又知道多少真正的原理，事物的关联。现在可以说学深度学习根本不用学数学，没有确定的数学原理支撑就导致都在调参，而且人工智能要发展，肯定是取百家之长，而不是只看一个点。

因此如果仅仅是想学好人工智能，不用担心用到高级的数学知识。其实用到纯数内容比较少而且都是容易理解的一部分，老老实实学好高等代数，数学分析，概率论这三门就好了，其他延伸的一小部分都是以这三门为基础。当然最重要的是编码能力，这样足够让你学好了，如果你是要好好研究算法，创造跨时代的算法，数学就得挖到入门的那个地方了，甚至越深越好。

今天的种种人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识，具体来说包括：线性代数：如何将研究对象形式化;概率论：如何描述统计规律;数理统计：如何以小见大;最优化理论： 如何找到最优解;信息论：如何定量度量不确定性;形式逻辑：如何实现抽象推理;线性代数：如何将研究对象形式。

所以，学好人工智能必然需要扎实的数学基础，但深奥的数学一般是用不到的。如果想学习人工智能，就必须好好学习数学知识，涵盖的面可能很广，，但不会太深。

有兴趣，有钻研精神的话，应该不会太难。