请问想要进军人工智能，数学基础有哪些推荐书目

概率和线性代数必不可少，建议看英文的

@ruixue 马克

如果只是做 engineer 而不是 researcher 的话，本科水平的数学就足够了。

线性代数及其应用、统计推断、概率论基础教程

做算法（数学模型）的要很高数学要求
不做算法的，更多是“清洗数据”、反复调参、优化速度，所以各种数据变形、保真的能力要强

PS: 真正做算法的人是少之又少的，现在好多人所讲的算法，只是业务算法（如推荐算法），而不是数学模型

进军可还行

@imn1 就算是做业务算法，是不是也比同样做 web 开发的前途更好。我想考个非全日制的研，老哥有什么建议的方向吗？ web 开发从业者太多，心累了。

王林心学



招商引资，二十亿起步

有高数基础可以直接去看点机器学习的教程，不一定一开始就要从数学开始，有需要的时候再回过头来补

@NotreDame 我甚至想上全日制的研，还是上学舒服

@cyndihuifei 机器学习入门教程有没有推荐的书目，市场上太多了

@usw 李宏毅机器学习

@NotreDame #8
我不太敢预计将来，反正自己也没准确过几次，世界变化快
AI 远景美好，但几年后也未必，因为岗位肯定不多，找工作不易。而且不容易产出，很多企业只是追热点投入 AI 研究，花了一定钱没见到收益就会撤退，只有长期设立研发部门和资金投入的才会坚持

能否快速掌握某个行业的业务，是个技巧，不然也做不出业务算法
如果你有快速熟悉业务的能力，倒是可以创业，利用现有数学模型，帮助中小企做项目优化，一般小企微企是舍不得给钱做优化的，但有长期项目的话，能提升 2%~3%增加几十万年利润的，会舍得给几万委托调研优化项目，但感觉市场不大，最早能商用机器学习的应该是市场调查公司，但好像现在也没什么响，还是那几家传统的，没见新兴的出现，看上去项目优化的思想还处在研究所阶段，商用未能普及，通俗点说就是老板们还不敢用新模型试水

@usw #12
书就没有推荐了，因为我较早就学过也从事过聚类分析，看过的都是旧书，但过程可以说一下
先了解一下交叉分析，其实就是跟 sql 的 select max(xxx) where xxx and xxx，pandas 的 groupby 等等差不多
然后了解一下聚类分析，机器学习主体就是聚类分析
先选某家模块学习，因为现在公开的数学模型各家都在做，只是语法不同，选一家学就行了，推荐 sklearn 和 opencv
可以用实际工作了解，例如人脸识别是比较快的，因为例程很多
机器学习要记住一句话：“没有最优数学模型”，至少现在是这样

后面是深度学习，深度学习主体是拟合函数，和机器学习差两字，但本质是两个数学途径，跨度很大，不要以为会点机器学习就能跳到深度学习，想做深度学习，自己也要再次“深度学习”数学，而且搞深度学习硬件也要花费很多，听说现在较强的 GPU 显卡要靠抢？

@imn1 言之有理，非常感谢