1樓：cda資料分析師
然後我們說一下概率統計，在評價過程中，我們需要使用到概率統計。概率統計包括了兩個方面，一方面是數理統計，另外一方面是概率論。一般來說數理統計比較好理解，我們機器學習當中應用的很多模型都是**於數理統計。
像最簡單的線性回歸，還有邏輯回歸，它實際上都是**於統計學。在具體地給定了目標函式之後，我們在實際地去評價這個目標函式的時候，我們會用到一些概率論。當給定了乙個分布，我們要求解這個目標函式的期望值。
在平均意義上，這個目標函式能達到什麼程度呢？這個時候就需要使用到概率論。所以說在評價這個過程中，我們會主要應用到概率統計的一些知識。
最後我們說一下最優化理論，其實關於優化，就不用說了，我們肯定用到的是最優化理論。在最優化理論當中，主要的研究方向是凸優化。凸優化當然它有些限制，但它的好處也很明顯，比如說能夠簡化這個問題的解。
因為在優化當中我們都知道，我們要求的是乙個最大值，或者是最小值，但實際當中我們可能會遇到一些區域性的極大值，區域性的極小值，還有鞍點這樣的點。凸優化可以避免這個問題。在凸優化當中，極大值就是最大值，極小值也就是最小值。
但在實際當中，尤其是引入了神經網路還有深度學習之後，凸優化的應用範圍越來越窄，很多情況下它不再適用，所以這裡面我們主要用到的是無約束優化。同時，在神經網路當中應用最廣的乙個演算法，乙個優化方法，就是反向傳播。
機器學習需要哪些數學基礎
2樓：cda資料分析師
然後我們說一下概率統計，在評價過程中，我們需要使用到概率統計。概率統計包括了兩個方面，一方面是數理統計，另外一方面是概率論。一般來說數理統計比較好理解，我們機器學習當中應用的很多模型都是**於數理統計。
像最簡單的線性回歸，還有邏輯回歸，它實際上都是**於統計學。在具體地給定了目標函式之後，我們在實際地去評價這個目標函式的時候，我們會用到一些概率論。當給定了乙個分布，我們要求解這個目標函式的期望值。
在平均意義上，這個目標函式能達到什麼程度呢？這個時候就需要使用到概率論。所以說在評價這個過程中，我們會主要應用到概率統計的一些知識。
最後我們說一下最優化理論，其實關於優化，就不用說了，我們肯定用到的是最優化理論。在最優化理論當中，主要的研究方向是凸優化。凸優化當然它有些限制，但它的好處也很明顯，比如說能夠簡化這個問題的解。
因為在優化當中我們都知道，我們要求的是乙個最大值，或者是最小值，但實際當中我們可能會遇到一些區域性的極大值，區域性的極小值，還有鞍點這樣的點。凸優化可以避免這個問題。在凸優化當中，極大值就是最大值，極小值也就是最小值。
但在實際當中，尤其是引入了神經網路還有深度學習之後，凸優化的應用範圍越來越窄，很多情況下它不再適用，所以這裡面我們主要用到的是無約束優化。同時，在神經網路當中應用最廣的乙個演算法，乙個優化方法，就是反向傳播。
3樓：寄秋殘葉
數學分析（高等數學）
線性代數（矩陣論、矩陣分析、矩陣分解、矩陣微積分）概率論（貝葉斯、數理統計、最大熵、多元正態分佈、隨機過程、馬爾科夫）凸優化理論
資訊理論初步
目前能想起來這些，部落格、書籍、公開課都不錯
對人工智慧很感興趣，打算學習，請問需要什麼數學基礎？
4樓：匿名使用者
好吧bai
。。之前兩個回答du
明顯是copy過來的。。zhi。但講的大概是對的。dao。。
目前回國內比較熱門的應該有機答器學習(ml)，資料探勘(dm)，自然語言處理(nlp)，這些方向國內還是比較強的，因為不依賴硬體，純理論和軟體。其他方向比如智慧型機械人，生物智慧型，這些比較依賴硬體實力，國內相對較弱，歐美日這些方面比較強。看以後是準備在國內還是國外發展而定(當然外國ml,dm,nlp也很強。。
只是國內相對來說比較好。。)
有一點是肯定的，絕大部分理工科，數學都是要求非常高的。。。當然我說的是研究，如果是做ai方向的程式設計師的話，要求不是很高。。。ai的所有方向都會用到線性代數，概率論。
至於樓上說的什麼離散數學，微積分，用是用的到 不過並不是非常難，因為他們只是基礎 某個函式你知道怎麼積分就行了，沒有太多難處。。切身感覺是，概率論非常非常重要，基本上人工智慧裡面的「智慧型」就靠概率來實現。。。。（生物智慧型不是很了解 不過也應該是差不多）
5樓：熱情的
需要必備的知識有:
1、線性代數：如何將研究物件形式化？
2、概率論：如何描
内述統計規律？
3、數理統容計：如何以小見大？
4、最優化理論： 如何找到最優解？
5、資訊理論：如何定量度量不確定性？
6、形式邏輯：如何實現抽象推理？
7、線性代數：如何將研究物件形式化？
人工智慧簡介:
1、人工智慧（artificial intelligence），英文縮寫為ai。
2、它是研究、開發用於模擬、延伸和擴充套件人的智慧型的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧涉及的學科:
哲學和認知科學，數學，神經生理學，心理學，電腦科學，資訊理論，控制論，不定性論，仿生學，社會結構學與科學發展觀。
6樓：cda資料分析師
人工bai智慧型技術歸根到底都建立du在數學模zhi型之上，要了解人dao工智慧型，首先要掌握內
必備的數容學基礎知識，具體來說包括：
線性代數：如何將研究物件形式化？
概率論：如何描述統計規律？
數理統計：如何以小見大？
最優化理論： 如何找到最優解？
資訊理論：如何定量度量不確定性？
形式邏輯：如何實現抽象推理？
7樓：朱軍號
1.命題
邏輯和謂詞邏輯 2.多值邏輯 3.概率論 4.
模糊理論 數理邏輯、離散數學、微積分回是絕對重要答的。 人工智慧有很多分支，從各分支的總和來看，幾乎所有的數學都是重要的。不過不論你將從事哪些分支的研究，有幾項始終是重要的：
數理邏輯、離散數學、微積分。對ai理論研究，需要很深的邏輯；象模態邏輯、時序邏輯等等非經典邏輯，還需要範疇學。對傳統符號式機器學習，需要數理邏輯和離散數學、概率統計。
對連線主義機器學習，需要概率統計、微積分。對強化學習和agent，需要邏輯和運籌學。 祝你在學習中取得進步。
想從事工業機械人行業，請問下需要什麼基礎，需要學習哪些知識
學習工業機械人，需要學習電工基礎 模數電 c語言 cad 電力拖動 微控制器技術 plc技術等。這些你會了嗎？廣州粵為工業機械人培訓學院比較可以。請問想從事vr設計需要學習什麼知識？需要有什麼基礎？你好，如今vr虛擬實境技術會是未來乙個風口，所以很多人都想進入這個行業。參加vr虛擬實境培訓 專時需屬...
學it需要什麼基礎嗎，學IT需要什麼基礎嗎
基本上英語要bai懂一些，初中水平就可du以。然後就zhi是一些判斷思維 dao邏輯 統籌思想。單純學程式語言本身，小學生都可以學，對於一些英文符號，你只需要記憶，不需要理解 當然能理解有助於學習，不理解也可以程式設計，無障礙 長沙新華電腦學院學it是零基礎零起步的 而且還包就業分配的 現在的話，學...
學習插畫最基礎的是什麼，學插畫需要什麼基礎
想要系統的學習可以考慮報乙個網路直播課，推薦cgwang的網路課。老師講得細，上完還可以回看，還有同型別錄播課可以免費學 贈送終身vip 自製能力相對較弱的話，建議還是去好點的培訓機構，實力和規模在國內排名前幾的大機構，推薦行業龍頭 王氏教育。王氏教育全國直營校區面授課程試聽 複製後面鏈結在瀏覽器也...