人工智能是我的主要研究領域，目前也在指導機器學習方向的研究生，所以我來回答一下這個問題。
首先，要從事人工智能領域的研發一定要有一個紮實的數學基礎，因為不論是從事機器學習（包括深度學習）、計算機視覺、自然語言處理還是機器人學等方向的研發都有一個共同的核心，這個核心就是算法設計，而算法設計說到底就是數學問題。
人工智能是我的主要研究領域，目前也在指導機器學習方向的研究生，所以我來回答一下這個問題。
首先，要從事人工智能領域的研發一定要有一個紮實的數學基礎，因為不論是從事機器學習（包括深度學習）、計算機視覺、自然語言處理還是機器人學等方向的研發都有一個共同的核心，這個核心就是算法設計，而算法設計說到底就是數學問題。
人工智能的發展需要三個基礎，分別是數據、算力和算法，隨著目前大數據和雲計算的發展，人工智能在數據和算力上有了一定的保障，這也在一定程度上推動了人工智能的發展，也使得深度學習的效果得到了較大的改善，但是相比於數據和算力來說，算法的研究才是目前人工智能領域研究的核心。算法的突破往往具有較大的難度，不少人工智能領域的核心算法已經有了幾十年的應用歷史。
由於目前人工智能領域的研發依然處在行業發展的初期，依然有大量的研究課題需要突破，所以當前人工智能領域的人才需求依然以研發型人才為主，而紮實的數學基礎是研發型人才必須具備的條件之一。雖然目前已經有一小部分高校在本科階段開設了人工智能專業，但是人工智能人才的培養依然以研究生教育為主，未來較長一段時間內，要想專業從事人工智能領域的研發，讀研是比較現實的選擇。
在5G時代，物聯網將迎來全面發展的行業預期，而物聯網作為人工智能產品的重要落地應用場景之一，未來物聯網和人工智能的結合也會逐漸緊密，所以對於數學基礎比較薄弱的學習者來說，從物聯網開始學習是不錯的選擇。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。
如果有互聯網、大數據、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區留言！
謝謝您的問題。瞭解人工智能需要數學常識，深入研究人工智能需要深厚數學基礎。
人工智能與數學的關係。人工智能三大要素是算力、算法和大數據，都與數學有關，人工智能本質就是數學。人工智能工作機制與人腦類似，就是收集數據（感知世界）、認知數據（發掘規律）、輸出數據（決策應用），整個過程效能可以量化為數學公式，即人工智能效能等於算力乘以數據再乘以算法的平方。效能代表全過程處理時間，越小代表效能越高，從公式可知，算法的影響力最大。算力有量子計算機幫助，大數據採集、存儲和挖掘也越來越成熟，算法的突破將是人工智能的重點突破。
謝謝您的問題。瞭解人工智能需要數學常識，深入研究人工智能需要深厚數學基礎。
人工智能與數學的關係。人工智能三大要素是算力、算法和大數據，都與數學有關，人工智能本質就是數學。人工智能工作機制與人腦類似，就是收集數據（感知世界）、認知數據（發掘規律）、輸出數據（決策應用），整個過程效能可以量化為數學公式，即人工智能效能等於算力乘以數據再乘以算法的平方。效能代表全過程處理時間，越小代表效能越高，從公式可知，算法的影響力最大。算力有量子計算機幫助，大數據採集、存儲和挖掘也越來越成熟，算法的突破將是人工智能的重點突破。
人工智能體現了數學。科學需要用數學表達。以華為為例，GSM多載波干擾問題就是俄羅斯數學家使用非線性數學多維空間逆函數解決的，設置了移動網絡算法，使2G、3G、4G網絡同平臺運行，減少了建設成本。同時，華為手機拍月亮，也是使用了法國的數學家設計的人工智能算法，用數學的方式合成圖像。華為手機的指紋解鎖技術，背後也是數學算法，識別紋路、手指生物特徵等。
謝謝您的問題。瞭解人工智能需要數學常識，深入研究人工智能需要深厚數學基礎。
人工智能與數學的關係。人工智能三大要素是算力、算法和大數據，都與數學有關，人工智能本質就是數學。人工智能工作機制與人腦類似，就是收集數據（感知世界）、認知數據（發掘規律）、輸出數據（決策應用），整個過程效能可以量化為數學公式，即人工智能效能等於算力乘以數據再乘以算法的平方。效能代表全過程處理時間，越小代表效能越高，從公式可知，算法的影響力最大。算力有量子計算機幫助，大數據採集、存儲和挖掘也越來越成熟，算法的突破將是人工智能的重點突破。
人工智能體現了數學。科學需要用數學表達。以華為為例，GSM多載波干擾問題就是俄羅斯數學家使用非線性數學多維空間逆函數解決的，設置了移動網絡算法，使2G、3G、4G網絡同平臺運行，減少了建設成本。同時，華為手機拍月亮，也是使用了法國的數學家設計的人工智能算法，用數學的方式合成圖像。華為手機的指紋解鎖技術，背後也是數學算法，識別紋路、手指生物特徵等。
學人工智能如何學數學。學人工智能與從事人工智能是兩回事。如果想了解人工智能，那麼要具備線性代數（多維矩陣）、微積分（深度學習工具）、數理統計（理解和可視化數據）、概率（統計規律）基礎知識基本就夠了。如果想深度研究、或者以人工智能為主業，那麼還是應該精通以上知識，同時還要學習最優化理論（尋求最優解）、信息論（定量不確定性）、形式邏輯（抽象推理）等，如果空學理論很難，最好結合具體場景與應用，倒逼學習，帶著問題學習人工智能，不是“學”數學，而是“做”數學。
謝謝您的問題。瞭解人工智能需要數學常識，深入研究人工智能需要深厚數學基礎。
人工智能與數學的關係。人工智能三大要素是算力、算法和大數據，都與數學有關，人工智能本質就是數學。人工智能工作機制與人腦類似，就是收集數據（感知世界）、認知數據（發掘規律）、輸出數據（決策應用），整個過程效能可以量化為數學公式，即人工智能效能等於算力乘以數據再乘以算法的平方。效能代表全過程處理時間，越小代表效能越高，從公式可知，算法的影響力最大。算力有量子計算機幫助，大數據採集、存儲和挖掘也越來越成熟，算法的突破將是人工智能的重點突破。
人工智能體現了數學。科學需要用數學表達。以華為為例，GSM多載波干擾問題就是俄羅斯數學家使用非線性數學多維空間逆函數解決的，設置了移動網絡算法，使2G、3G、4G網絡同平臺運行，減少了建設成本。同時，華為手機拍月亮，也是使用了法國的數學家設計的人工智能算法，用數學的方式合成圖像。華為手機的指紋解鎖技術，背後也是數學算法，識別紋路、手指生物特徵等。
學人工智能如何學數學。學人工智能與從事人工智能是兩回事。如果想了解人工智能，那麼要具備線性代數（多維矩陣）、微積分（深度學習工具）、數理統計（理解和可視化數據）、概率（統計規律）基礎知識基本就夠了。如果想深度研究、或者以人工智能為主業，那麼還是應該精通以上知識，同時還要學習最優化理論（尋求最優解）、信息論（定量不確定性）、形式邏輯（抽象推理）等，如果空學理論很難，最好結合具體場景與應用，倒逼學習，帶著問題學習人工智能，不是“學”數學，而是“做”數學。歡迎關注，批評指正。
一定要學好數學。程序員一大堆，能學好數學的程序員就少。只是套算法訓練個模型發論文的，難聽點arxiv就要成垃圾桶。
需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。數學基礎知識蘊含著處理智能問題的基本思想與方法，也是理解複雜算法的必備要素。今天的種種人工智能技術歸根到底都建立在數學模型之上，要了解人工智能，首先要掌握必備的數學基礎知識。線性代數將研究對象形式化，概率論描述統計規律。
需要算法的積累：人工神經網絡，支持向量機，遺傳算法等等算法；當然還有各個領域需要的算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM；總之算法很多需要時間的積累。
需要掌握至少一門編程語言，比如C語言，MATLAB之類。畢竟算法的實現還是要編程的；如果深入到硬件的話，一些電類基礎課必不可少。
想深入的話，一定要學好數學，因為建模需要。當然，如果只是淺嘗輒止，或者實施就不需要。
簡單來說，在這個行業，同等條件下，工程能力決定了你的就業寬度，數學水平決定了你的研究深度。
最重要的是概率與數理統計，當然，線性代數、高數也是必須的
數學好不好沒聽說過，但是英文必須得好。
在人工智能領域若有成就，必須學好數理邏輯，邏輯網絡。
