现在比较主流的观点是:机器学习的理论基础是数学;实践基础是语言。
奥斯汀大学的AI博士Prasoon Goyal认为,要学好机器学习,需要具备以下数学背景知识:
概率和统计
线性代数
优化
多变量微积分
功能分析(可选)
一阶逻辑(可选)
以上这些是比较初阶的、掌握机器学习所需的数学背景。如果希望在这个领域能够钻研的足够深入,软件工程师Ashutosh Singh给了一个更长的数学知识列表:
线性代数(向量)
矢量微积分(多元微积分,部分导数等)
三维坐标几何
概率论
离散数学(集合论等)
统计
高等代数(因子,进展,矩阵等)
三角
计数方法(排列,组合,鸽子孔原理等)
所以虽然人工智能现在确实很火,也确实一些大公司比如Google、微软、Facebook等在不断降低机器学习的学习门槛,并且开源机器学习框架,提供数据集搜索,目的都是在简化人工智能的开发过程。
如果你不只满足于跟着网上教学案例做几个小App,而是真正想在人工智能领域做出一番事业,树立一定影响力和地位,本禅师建议还是踏实下来,学好数学。
至于代码这块,Python是首选。Julia和R也是不错的选择。
按字母顺序浏览:A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
→我们致力于为广大网民解决所遇到的各种电脑技术问题 如果您认为本词条还有待完善,请 编辑词条