基础数理知识

无论是什么理工科，事实上都是建立在最基础的数理知识之上，也就是以高等数学、线性代数以及概率论为代表的这三门科目，他们也是每个专业在大学期间的必修课。

网络上存在着大量的相关课程，假如有条件的话可以观看 MIT 的相关课程，即 高等数学-18.01、高等数学-18.02、线性代数-18.06。

事实上尽管在网络上对于国内教材的批判呼声很大，但是对于了解以及学习来说，其实无论是哪些教材或者课程并没有本质的区别，只要认真学都可以熟练运用。有的时候我们要将课程知识当作工具而非一种艺术，对于这种起步时需要学习的基础知识尤其如此，在课程学习中患上「收集癖」，还没怎么开始学习就在挑选课程中看花了眼，不如花上一周先学完再说。

在这里笔者推荐 宋浩 的相关课程，属于按照国内课程的教学大纲进行的常规讲解，尽管说不上鞭辟入里，但是胜在详细。同时对于线性代数这门可以理解为几乎最重要的数学课程，同样推荐读者观看 3Blue1Brown 的相关讲解。

从本质上来说，你只需要了解这三门课程中的部分内容，即高等数学中多维的积分以及微分、线性代数中矩阵的乘法与求逆以及概率论中的贝叶斯相关内容，从事实上就已经可以读懂大多数科研的论文以及思想了。当然，对于一些涉及数学更多的研究领域，你需要专门了解这个领域，问问领域中的专家，特定地学习更多的数学知识。

令人欣喜的是，在当下学习人工智能的门槛确实令人发指地低，我们更多时候（尤其是在科研的起步阶段，以论文发表而非更加具有科研理想的深度探索为目的）在通过工程手段以及枚举法搭建模型，这并不需要那么多的专业知识。