數學專業可以學習人工智能深度學習嗎？

先來給你說說數學專業本科生學的課程吧（如果是研究生都是估計直接沖，不會問這樣的問題），數學分析、高等代數、解析幾何、C/C++、概率論與數理統計、運籌學、離散數學、數據結構、數據庫原理、復變函數、數值分析、算法設計及分析……

再來對比一下計算機專業學生的課程，C、離散數學、數據結構、java、數據庫原理、EDA、概率論與數理統計、計算機網絡、數值分析、計算機組成原理、操作系統……

不同學校同一個專業的課程也會不一樣，但基本上都會有這些。目前人工智能火熱，有些學校也會將機器學習等課程加入到本科生課程中。

人工智能涉及的范圍很廣，最為火熱的莫過于深度學習，那么這里就認為指數學專業學生可不可以學深度學習。

其實從上面的課程設置來看，跟深度學習相關的就那么兩樣：數學、編程～

先說數學，數學專業學生在數學這方面占極大優勢，比如生成對抗網絡（神經網絡的一種，一種深度學習方法）的生成模型和對抗模型就來自概率論與數理統計方面的知識，雖然兩個專業都有學這門課，但課時是不同的，即數學專業的學生在課程要求上會更深入一點。

再說編程，現在深度學習幾乎都是用python了吧，當然深度學習領域也有大神們還在寫C/C++和cuda，但這樣寫是真的累skr人，且大部分人都沒學過怎么用cuda。在編程方面計算機專業的學生會略占優勢，因為就計算機思維來說是數學專業學生遠比不上的，相對來說掌握python以及深pytorch、tensorflow這些度學習框架會更快點。

如果僅僅是調參，那么python掌握熟悉，熟悉一下深度學習框架，下載幾個預訓練模型套上數據即可，僅僅要求需要一定編程模型。但是在具體的實踐中，完全一樣的神經網絡模型（深度學習方法）可能效果并不好，這就要求需要對神經網絡有一定的了解，比如激活函數的效果，卷積池化的作用，根據這些來修改以達到良好的效果，然而激活函數、卷積池化這些其實全都是數學上來的，不見得多高深但是至少得會。

上圖表示一個卷積操作，其數學表達式為：

相對其他專業來說，數學專業和計算機專業的學生是很有優勢的了。做一些應用的話計算機專業的學生短期內會更有優勢，比如用已有的神經網絡模型完成一些圖像識別、文本情歌分析，但是從長遠來看，數學專業學生是更有優勢的，因為在硬件條件固定的情況下，要想深度學習效果更好只有在理論上做到更有優，所以你可以看到SOTA網絡（指該算法（模型）的性能在當前是最優）的數學理論越來越復雜。。。

如果打算走下去了，就開始學吧……