如果你要跟人工智能过不去... ...

1.数学

数学。它是。是的，这毕竟是数学。数学是什么？很想装傻，但构成人工智能基础的机器学习和数据分析，都是基于对数字的处理，如何解读和利用数字，都是基于数学。

当你听到"人工智能"这个词时，你可能会认为这是一台复制人脑的机器，但这是一个很大的错误：人工智能技术通过严格的数学计算，找到最准确的方法来预测数据的趋势。实际情况是，它的预测性能和人类想象的一样准确。

换句话说，人工智能就是把机器做成人类思考的样子。

因此，知道人工智能是如何思考的，只是知道它在数学上是如何工作的。

当然，一般来说，并不是说如果你只会数学，就足以让你成为AI工程师或数据科学家。而如果你要问的是，会做数学会不会增加收入，那就值得怀疑了。

但对于人工智能工程师和数据科学家来说，数学是"基础体能"。对高级人工智能工程师的需求将越来越大，他们可以阅读各种形式的论文，并根据公式找到改进模型的方法。(可以说已经很高了...)

此外，数据分析中涉及的任务也需要有数学背景，并了解如何将数据作为一个模型，让人工智能从数据中产生特征和趋势。那么，我们应该做什么样的研究呢？

首先，如果你想成为一个"正儿八经"的人工智能工程师或数据科学家，你需要有大学文科数学的第一或第二年（但这并不容易），这是以你在高中所学的数学为基础的。不过，这并不容易。

具体来说：微积分、线性代数和基础统计学，加上集合拓扑学和贝叶斯理论。这些将是适用的。尤其是统计学知识，对于顶层人工智能工程和数据分析来说，统计学知识是必不可少的，要想对它们有一个扎实的了解，还要有微积分、线性代数和集合拓扑等外围知识。

数学能力乍一看似乎效率不高，因为它很难领悟，而且越学越远，越学越难。然而，现在人工智能已经可以用于商业用途，你想在未来与它合作! 如果你觉得自己将来想从事这方面的工作，我建议你现在就开始努力学习。虽然我强调不容易，但我认为文科数学作为一个系统的研究，是非常复杂、深刻、有趣的（看人）。

越是扎实的人工智能工程师和数据科学家，越是明白这些数学的重要性。 

2. 方案编制

既然我们知道数学负责人工智能的思维，我们就要根据数学进行计算。如果我们用笔和纸来计算会怎样？如果你对成千上万的数据逐一重复计算，一天就会结束。这不仅意味着今天的结束，也意味着你生命的结束。这就是编程的作用。

数学能力对于学习人工智能的每一种分析方法和理论体系都是非常重要的，它有助于加深你对它的理解。但它是由编程来塑造的。计算机显然更擅长准确处理大量数据，重复同样的计算数万次。如果是一个简单的。 虽然Excel或类似的软件可能已经足够了，但你越是高级，编程就越是必不可少。

另外，除非你非常适合，否则最小的AI/数据分析在现代编程语言中是非常容易处理的。所以很多人都会说，它的时效性很强。

例如，现在经常使用"Python"、"R"等编程语言来完成数据相关的任务，并出版了很多书籍来研究基于这些语言的机器学习制作。本文所介绍的1.~3.的知识是每个人都要优先考虑的问题，但事实上，这种编程可能是"一个人就可以开始的"，"它的门槛很低"。

另外，为了让人工智能尽可能的方便，现在有"Anaconda"、"Tensor flow"等应用，这些应用都配备了各种库（必要的程序都是预先构建好的，任何人都可以使用）。

为了跟上未来科技的步伐，不仅仅是人工智能，何不尝试一下，尝试从零开始学习"Python"？

3.对人工智能应用行业的了解

很多读者可能对这方面的内容相当了解。

我竟然听工程师说，即使他们有1.数学和2.编程能力，但他们并不擅长把这些能力应用到业务上，或者说赶上了业务方面的问题，或者说这很难。另外，我认为，有些感觉只有业内人士才能理解。然而，以使用人工智能进行数据分析为例，无论分析的准确度有多高，都不可能带来具体的改善或效果，比如提高销售或业务效率。如果不能联系在一起，就不能说是有意义的。

业务知识（领域知识）包括"人工智能的目的是什么"、"我们为什么需要人工智能"、"可能的假设和方法是什么"。"这就解决了企业的本质挑战。"他说。作为一个工作岗位，我们把工程师创造的人工智能泄露给合适的行业。本课程非常适合"人工智能总监"和"IT顾问"，通过询问"需要什么样的人工智能"和"需要什么样的人工智能"来规划战略。

具体来说，营销知识、如何看懂财务报表等，根据你所从事的工作类型不同，不能一概而论。除了知识外，你还需要业务能力，如思考和提出假设的能力，以发现该领域的问题，以及解释数字结果和与他人沟通的能力。如果说，这些可能是非常重要的）。

看似显而易见，但只要考虑到这些知识，你就能为人工智能做出更大的贡献和更有用的利用。 

摘要

在这篇文章中，我们从略微不同的角度，从三个不同的角度来审视"AI工程师和数据科学家"所需要的知识体系。

然而，要想找到一个把数学、编程、业务都完善的人并不容易。在人工智能业务和数据分析工作中，还可以利用广泛的知识和背景。先从自己能做的事情做起。

我对数学或编程一窍不通，但我很想尝试一些基本的人工智能概念!如果是这种情况，请仔细阅读本内容到底。