人工智能需要什么基础？

要知道，无论是对于大数据还是人工智能，核心其实都是数据，是通过对数据的整理和分析来实现的，所以数学成了人工智能入门的必修课！

数学技术知识可以分为三大学科来学习:

1，线性代数，很重要，模型计算全靠它~一定要复习扎实，不正常使用可能会忘记更多；

2，高数+概率，这两个只需要掌握基础就可以了，比如积分与导数，各种分布，参数估计等等。

提到了概率和数理统计的重要性，因为cs229中几乎所有的算法都是从概率模型中的参数估计及其意义推导出来的，参数的更新规则在概率上是可解释的。对于算法的设计和改进，泛化是核心课程，没有之一。当你得到现成的算法，你只需要概率的基础知识就能理解，然后你需要更多的线生成知识，才能让模型高效运行。

3.统计相关基金会

回归分析(线性回归、L1/L2正则化、PCA/LDA降维)

聚类分析(K均值)

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分)

显著性检验(t检验、z检验、卡方检验)

A/B测试

门槛2，英语水平

我在这里说的英语，不是指英语四级或六级。我们都知道计算机起源于国外，很多有价值的文件都是国外的。所以，想要在人工智能方向有所成就，还是需要阅读一些外文文献，所以必须达到能够阅读外文文献的英语水平。

门槛三，编程技术

首先，作为一个普通的程序员，C++/Java/Python等语言技能栈应该是必不可少的，其中Python需要侧重于爬虫、数值计算、数据可视化的应用。