人工特征入門基礎知識？

門檻一、數學基礎

我們應該了解過，無論對于大數據還是對于人工智能而言，其實核心就是數據，通過整理數據、分析數據來實現的，所以數學成為了人工智能入門的必修課程!

數學技術知識可以分為三大學科來學習：

1、線性代數，非常重要，模型計算全靠它~一定要復習扎實，如果平常不用可能忘的比較多;

2、高數+概率，這倆只要掌握基礎就行了，比如積分和求導、各種分布、參數估計等等。

提到概率與數理統計的重要性，因為cs229中幾乎所有算法的推演都是從參數估計及其在概率模型中的意義起手的，參數的更新規則具有概率上的可解釋性。對于算法的設計和改進工作，概統是核心課程，沒有之一。當拿到現成的算法時，僅需要概率基礎知識就能看懂，然后需要比較多的線代知識才能讓模型高效的跑起來。

3、統計學相關基礎

回歸分析(線性回歸、L1/L2正則、PCA/LDA降維)

聚類分析(K-Means)

分布(正態分布、t分布、密度函數)

指標(協方差、ROC曲線、AUC、變異系數、F1-Score)

顯著性檢驗(t檢驗、z檢驗、卡方檢驗)

A/B測試

門檻二、英語水平

我這里說的英語，不是說的是英語四六級，我們都知道計算機起源于國外，很多有價值的文獻都是來自國外，所以想要在人工智能方向有所成就，還是要讀一些外文文獻的，所以要達到能夠讀懂外文文獻的英語水平。

門檻三、編程技術

首先作為一個普通程序員，C++ / Java / Python 這樣的語言技能棧應該是必不可少的，其中 Python 需要重點關注爬蟲、數值計算、數據可視化方面的應用。