做好機器學習，數學要學到什麼程度？

01-16

我說的做好就是達到日常的工作需要讀一些開源模塊的理論的文檔這種水平
數學需要達到什麼程度？大學各門數學穩定在75分（不是很努力）左右不知道有希望么

謝邀。

入門級別看看周志華西瓜書，或者pattern classification。前提是線性代數過關。

做好的話，上無止境。

想看懂一般的nips、icml的文章。凸優化要看，基本的優化套路就有了。

有時候稀疏優化很重要，退回十年，lasso、eigenmap啥的都很火，還有流形學習，想啃懂這些，都得找些特別的專著來看，還別指望有中文翻譯。

想做強化學習理論的，老祖宗馬爾可夫得懂。那麼就得學學隨機過程，其實統計學習精要裡面都有涉獵。現在的弱AI，有一大半的根是扎在統計裡面的，這麼說不為過。

想搞現在的理論相關的，我雜七雜八說了一堆，其實就一個意思，想入門簡單，很多文章可以無視公式，理解一個SDG走遍天下。但想做好很難，只會SGD的AI碼農很快會有瓶頸，但想找資料學很雜很難。

只要求你有一點素質，在數學書前坐得住，反正我是看一會就會睡的那種。

謝邀。如果只是勝任一般大公司的研發工作，數學不需要太好，這種事情還得看悟性。大學75分是偏低的，但如果不是真實水平，高中數學考過140分，或者穩定在120分以上，大體這樣的水準即可。數學分支較多，跟機器學習兩門很重要的課，矩陣和最優化是核心。認識有人沒啥天賦，數學也不咋滴，純靠訓得一手caffe把年薪混到了50萬的，連caffe layer都不會寫的，甚至只會訓單純的分類問題，DL界的API王子，這樣不好，不要這樣。

如果想學好神經網路，建議有點矩陣的基礎知識，然後把bp神經網路重頭到尾照著別人的過程自己推一遍，用C++實現一遍，一個月之後不參照任何資料再實現一遍，基本算打通任督二脈了。積跬步以至千里。

謝邀。一個關於程度的問題，下面說下我的觀點：

現有數學水平能做或者做好機器學習嗎：可以先直接看看題主說一些開源模塊的理論的文檔，或者一些論文。論文裡面的公式都可以理解和推導了，那肯定沒有什麼問題。或者去理解下比如BP推導，梯度推導，牛頓法推導，這些基礎演算法有較多的數學公式，試著去推導一番，感覺簡單，那應該也是沒有問題的。有或者去拿一些面試題中的題目檢查下自己，感覺可以答出其中的數學原理了，那也應該是沒有問題的。比如七月在線實驗室---BAT機器學習面試題這裡面還是很多涉及機器學習數學面試題的，可以看下。總結：實踐是最好的標準，練習下，檢驗下自己的實際實力水平。
數學要學到那個程度的問題？大學數學分數感覺真不代表什麼，畢竟很多人都是水過去的，沒有盡自己全部的努力的話真不能說是真正實力，當然也有一些是真學不好數學或真沒有興趣學，那數學的這道坎要考慮好，我覺得機器學習的發展和數學肯定是密不可分的，程度肯定數學越好機器學習的天花板就越高點，而且我覺得之後很多機器學習或深度學習黑箱的解釋也和一些新的數學理論肯定密不可分，比如顧險峰老師寫過一些黑箱解釋，理論有些高深，需好好學....，總結：學的數學越好是只有好處沒有壞出的。
具體學好哪些知識點對機器學習才能把機器學習做的更好？這個的話我之前寫過一些乾貨，我覺得這些都學好，那基本上做機器學習，看論文是基本沒有問題的，當然其他更深入的理論之後有時間在寫吧～～歡迎關注:-O，目錄如下：

線代篇：掌握機器學習數學基礎之線代（重點知識）

概率論篇：掌握機器學習數學基礎之概率統計（重點知識）

優化篇：

掌握機器學習數學基礎之優化[1]（重點知識）
掌握機器學習數學基礎之優化[2]（重點知識）

資訊理論及其他：掌握機器學習數學基礎之資訊理論及其他[完結篇]（重點知識）

謝謝邀請！

第一個關於「程度」的問題：

Goodfellow 深度學習花書作者說過，所有深度學習所需數學讀完本書即可

第二問題關於有沒有「希望」：

取決你多麼想學，有高中生自學到頂級的，也有人數學在高中就荒廢了，因為感興趣從0自學數學編程，現在也能讀論文和看源碼

加油！

才疏學淺，在滿是dalao的知乎不敢亂講話，但還是講幾句吧，自己最近也遇到了這個問題。如果感覺我有什麼地方說的不合理的地方，可以指出…

就神經網路而言，大二前學的概率論，微積分，線性代數就夠用了。遇到沒見過的公式隨查隨用就可以。

這裡推薦一下自己剛寫的一篇文章，裡面講了一部分神經網路反向傳播的知識，重點看反向傳播這一塊，能把那些公式弄懂的話，也算一個很好的入門吧。

https://zhuanlan.zhihu.com/p/31271273

為啥我感覺做機器學習研究得有一定的數學物理（就是物理裡面用的數學那種，雖然這個解釋不太準確。。。）功底呢。。。

而且感覺深度學習機器學習總有一種理論物理的味道。。。

二者在思維模式上很像啊。。。

本人清華本科數學課（微積分123，線性代數12，概率統計，複變函數，數理方程，隨機過程）平均分95，應聘機器學習崗位，面試官說基礎不錯。

並不需要太多，大學的課程都學好就可以了。

機器學習要做好，需要幾個能力

1。編程能力

2。數學能力

3。英語

謝邀，能看懂周志華老師那本機器學習的前十章內容數學基本就差不多了

你沒希望的。我大學時高數滿分，都覺得非常難。