1.高數

想轉行做機器學習，最最關鍵的，你的數學必須要學好。很多人上完大學，不知道大學期間學的微積分，線性代數有何作用。確實如此，這些高等數學知識，在應用層很少用到，只有到了更高的研究層次，就比如機器學習，這些高等數學知識就是必備的。數學是一切科學的基礎，這句話不是虛言。

學好了數學，相信機器學習的其他課程會容易不少。吳恩達，世界權威AI專家之一，斯坦福大學教授，原百度首席科學家，他出過兩門關於機器學習的網路課程，在網易雲課堂也能學到，他的機器學習課程包括監督學習，無監督學習，Octave教程，神經網路，向量機，大規模機器學習等，講解深入淺出，非常透徹。大力推薦你去學習。

如周志華教授的《機器學習》，這本書非常暢銷，先後登上亞馬遜，京東，噹噹網計算機類目榜首。

《機器學習實戰》，本書主要介紹機器學習基礎，以及如何利用演算法進行分類，並介紹多種機器學習演算法。

科學容不得半點虛假，努力加刻苦才能在科學領域有所建樹。希望越來越多的人能在人工智慧領域獲得更大的成就。

首先明確學到什麼程度，為你提供一些參考：

抽象代數

高階代數

微積分

計算機科學代數與分析

應用機率

微積分與應用程式

幾何

單變數微積分

三角學

複雜變數

複雜分析

交換代數

離散數學

數字理論

統計學

統計思維導論學

模型應用學

動態系統

電子統計

模糊數學等等。