作為一個普通的人工智能工程師，需要具備什麼樣的數學基礎？

作為一個普通的人工智能工程師，不是所有的數學都需要。但是更多的數學知識和能力從來不是多餘的。從本質上講，機器學習的算法核心還是數學，人工智能的覆寫面更廣泛一些，需要了解一些邏輯。 對于資料挖掘、人工智能、模式識别主要是高等數學（微積分、優化）、線性代數、機率與統計這三門是非常重要而且必要的數學基礎。

很難相信不懂什麼是高斯分布可以用貝葉斯方法做推理，不懂線性代數可以了解高維空間流形，不懂微積分可以了解反向傳播，和不懂優化能了解SVM. 這些必要的數學基礎，也是一般教授在教機器學習和資料挖掘中一次次被複習的内容。 甚至很多課程要花大量的時間，确定學生有這樣的基礎。

當然，如果你有離散數學、複變函數、圖論、運籌學等基礎是更完美的，很多機器學習中的難點都可以迎刃而解。 當然，如果你想深耕到統計機器學習理論的時候，可以在測度論、Decision Theory, Stochastic process (随機過程) 方面了解更多。如果做Inductive Logic Programming (ILP), 和知識圖譜，可以學習 First-order logic， 多值邏輯甚至模糊邏輯。 如果涉及到經濟或社會方面，可以學習博弈論（Game Theory），很多最新的研究是基于計算博弈的。

人工智能、大資料、雲計算和物聯網的未來發展值得重視，均為前沿産業，多智時代專注于人工智能和大資料的入門和科譜，在此為你推薦幾篇優質好文：

1.人工智能時代，AI人才都有哪些特征？

http://www.duozhishidai.com/article-1792-1.html

2.大資料攜手人工智能，高校人才培養面臨新挑戰

http://www.duozhishidai.com/article-7555-1.html

3.人工智能，機器學習和深度學習之間，主要有什麼差異

http://www.duozhishidai.com/article-15858-1.html

多智時代-人工智能和大資料學習入門網站|人工智能、大資料、物聯網、雲計算的學習交流網站