最近一直在看AI方面的东西，目前来看大致已经了解了相关的各个方面以及各大模块的流程，相应的原理也有了解，对于如何使用也大致看了下。
总的来说就是对这个模块已经有比较系统的了解，在决定进入其中开始学习各项内容时，发现对概率论的了解比较肤浅，甚至一些基本的公式已经忘记了；由此，开始查看了一下线性代数的东西，比如矩阵部分的计算，发现这里也没记住什么东西；再往前推一下，微积分、极限有些模糊，三角函数部分也是类似，这样一来问题就比较严重了。
决定从头研究下，大致也明白了为什么说数学是基础学科。
三部分，微积分、线性代数、概率论，微积分部分下了一本电子书《普林斯顿微积分读本》，还是蛮形象的一部分，而且这种国外数学起点包括我们高中低一些知识，比如函数部分、三角学、极限、指数、对数然后才是积分，这样学下来就相当于是从头过了一遍了。
线性代数是选了一本在线的《Immersive Linear Algebra: Table of Contents》翻译过来貌似是沉浸式线性代数，里面用了大量的动画来表意，看上去蛮不错（当然还没开始，先从微积分这一本），开篇就用了
A picture says more than a thousand words这一句，里面内容标的也不错。
《Immersive Linear Algebra: Table of Contents》国外这些教材跟我们有较大差异的情况大约是会把高中的知识复习一遍，当然也有可能是他们高中没有这么复杂。这一本同样，从向量开始讲解，然后才会引入线性代数的内容。
概率论暂时还没找好教材，不过也不着急，先把这两部分不全再说。
理论上了解完这两部分之后，可以尝试做一些相对深入的数据清洗和分类，比如我现在对numpy中的一些计算只是停留在了解的基础上，并没有进入真正对自己有价值的实用阶段。大致可以理解为自己基础不牢，虽然知道用法，看了示例也能理解，但是真正用它来解决问题还有难度。特别是要设计一个算法来解决的时候，更加显得有些吃力。
现在嘛，才真正意识到基础学科的重要性。我本身是网络专业， 在学到数据结构、微机原理以及一些算法的时候，还感觉作用不是特别大，因为有各种各样封装好的库可以使用，只需要更加关注业务逻辑就可以，实际上如果不了解算法，那么有些业务逻辑也很难继续向下推进。
从这一方面来看，一些设置门槛的职业也是有一定道理的。
目前虽然选了这两个教材，但是着手来学习可能还要有一点儿时间的，而且数学需要的还是做题才行，只是看一遍并没有什么效果。以上两个教材也推荐给大家，至于我的进展情况，后面再慢慢更新~
网友评论