想入行人工智能，对数学要求高吗?
入门人工智能行业，需要一定的数学基础，也需要一定的代码能力。
为什么需要学习数学？
人工智能从业者数学基础不扎实，只会用一些工具和框架，相当于某些武术家只会耍套路，外行人觉得很厉害，但实战起来一定是鼻青脸肿。
如何在有限的计算资源下找出最优解，在目标函数及其导数的各种情形下，应该如何选择优化方法；各种方法的时间空间复杂度、收敛性如何；还要知道怎样构造目标函数，才便于用凸优化或其他框架来求解，这些都需要一定的数学基础。目前的人工智能领域主要有深度学习、自然语言处理、计算机视觉、智能机器人、自动程序设计、数据挖掘等方面，这些领域全部与数据有关，而庞大的数据计算离不开数学的支持，尤其是人工智能赖以发展的大数据，更需要数学理论以及数学理论创新来实现。
与APP开发、Web开发、游戏开发相比，人工智能属于数学知识密集的方向。在各种书籍、论文、算法中都充斥着大量的数学公式。人工智能所有的领域都融合了微积分、线性代数、概率论、数理统计、最优化理论、信息论、逼近论、离散数学等方面的数学知识。
数学对于人工智能来说是必备的基础，你要理解一个算法的内在逻辑，没有数学是不行的。如果没有数学基础，刚开始你可能能上手跑算法，调调参数等。但如果调参效果不好呢，如果你不懂数学，就很难再做优化。数学决定了你在人工智能技术道路上能走多远。
其实人工智能需要的数学并非特别高深，如专门数学专业那种的，大可不必。只要你学过大学理工科专业，很多人工智能所需的数学知识你应该都接触过。只不过可能当时理解不透彻，或者长时间不看、不用、不复习，很多知识都变成只听过却不懂。互信息怎么算、牛顿法怎么迭代……你是否还记得。
- 作为人工智能工程师，应该具备哪些数学知识？
作为人工智能工程师，如果想在领域走得更远，对于数学，不管是想系统学习，还是想查缺补漏，推荐大家这本《人工智能数学基础》。
《人工智能数学基础》系统梳理了人工智能所需的数学知识，以微积分、线性代数、概率论、数理统计为基础，对函数逼近、最优化理论、信息论、图论进行了深入介绍，同时给出了它们在人工智能算法中的实验案例。它可以做你想学人工智能的数学入门书，也可以成为在你手边、随你翻阅，陪你攻坚克难的工具书。
《人工智能数学基础》
- 基础内容全面，能够满足不同层次人士对数学的需求。《人工智能数学基础》按逻辑顺序编排，但仍然可以各章节组合使用，最常见的组合方式：微积分+线性代数+概率论+数理统计+X（X可以为函数逼近、最优化理论、信息论、图论中的任意一个）。
- 理论与实践的完美结合。对于数学定义和定理，给出了严格的逻辑说明和解释。为了便于读者理解这些定义和定理，给出了相关例题，很多例题直接用Python程序给出，增加了读者对这些定义和定理的感性认识。另外，每章最后均有综合实验，这些实验均是数学在各种人工智能场景的应用。
