AI学习过程及所需基础

学习过程

  AＩ发展为一门独立学科也就是近１０年的事情，2006年北京大学率先在全国成立智能科学系，从计算机系独立出来，在近几年，各大高校纷纷成立ＡＩ方向的院系，独立培养ＡＩ人才，ＡＩ人才需求越来越多，ＡＩ人才培养也越来越成熟，查看多个高校学生的培养体系，能从中能发现很多规律。

强调数学基础

  数学和ＡＩ的关系，就有种高中的立体几何与初中平面几何、代数一样的关系，数学是ＡＩ的基础，只有在数学比较好的情况下，后期所学ＡＩ才会比较通畅，应该有比较多转行或者之前数学基础比较差的同学，上来就直接学习机器学习各种模型、深度学习各种模型，但应该大概率是脑袋一顿晕，各种公式推导及演进看不懂，最后各种模型也是一知半解。数学基础如此重要，那具体有哪些类型数学有哪几种了？ＡＩ数学基础，主要分为两个层次：１）相对比较简单、通用的数学基础，主要包括数学分析、线性代数、概率统计；２）相对难度比较大的数学基础，主要包括离散数学、数值最优化、凸优化、矩阵分析。

学习计算机基础

  ＡＩ院系主要还是从计算机院系分离出来，ＡＩ之后各种模型也是需要计算机基础才能实现出来的，ＡＩ所需计算机基础更多的是为编程方面需求，主要包括编程语言、数据结构、算法等。

强化模型理论推导学习

  这方面，若为转行自学的同学，就建议自己买几本书籍来看，李航的《统计学习方法》、周志华的《机器学习》、benjio的《deep learning》等，这几本书对现在主流模型总结的相当好（旁白：笔者上学期间就没有总结这么好的书籍），若已经比较好的的能明白这些模型，那么这时候你的方向应该是各种学术会议、学术期刊的文章了。

建议

  笔者多年经验来看（旁白：吹牛捂脸），一定要好好学数学，所谓磨刀不误砍柴功，我觉得用在学数学上再好不过了，学习数学过程中，最好能把里面的题、公理、推论都能自己做一遍，模型的学习就是也要认真看他们的推导，明白中间过程，然后就是大规模看顶级会议的文章，为何模型那样设计效果会更好。

推荐书籍

  最后，数学基础的几本书给大家推荐一下。