學好人工智能，建議打好如下數學基礎：

1-線性代數：矩陣運算、奇異值分解，等

2-微積分：導數，偏導數，梯度，泰勒展開式，等。

3-統計與概率：貝葉斯定理，期望最大化，最大似然估計，等。

4-最優化理論：梯度下降，牛頓法，凸優化，等。

5-離散數學：離散對象，離散結構，等。

6-復雜度理論：空間復雜度，時間復雜度，等。

7-高等幾何：對極幾何，消失點，雙目視覺，等。

8-數理邏輯：知識表示，推理系統，等。

9-集合論：包、并、補，形態學算法，等。

10-圖論：圖，網絡結構，等。

11-機器學習模型：支持向量機，主成分分析，神經網絡，等。

12-信息論：信息熵、交叉熵、聯合熵，等。

13-不確定度：誤差溯源，誤差補償，等。

14-測度：棋盤距離，漢明距離，豪斯多夫距離，等。

基礎不牢，地動山搖！祝學習愉快！

聲明：本網站所提供的信息僅供參考之用，并不代表本網站贊同其觀點，也不代表本網站對其真實性負責。