需要，但不一定要非常好！

從傳統意義來說,人工智慧對從業人員的素質要求很高，數學水平和程式設計水平是兩個必須逾越的坎，目前市面上很多工作都是碩士起步。如果你真心想要在這行有大發展，良好的基礎是必須的。但是，由於目前很多傻瓜化的工具出現，在大部分的業務場景下只需要一些很簡單的程式碼就可以搞定。最常見的就是python上的各種工具包，比如SKLEARN，還有就是最近很火的TENSORFLOW。如果你確實在理論基礎方面實在有困難，多熟練掌握一些實用工具也能在市面上也能找到不錯的工作。

下面開始正題了：

1.如果題主不是以資料分析為主要的職業，只是增強自己資料分析的能力，輔助工作。

那麼對於數學基礎的要求沒有那麼高，理解能夠應用就好，所以不必要一開始從數學擼起。

2.準備轉行人工智慧方向（資料探勘等）

資料基礎無疑是很重要的，我認為前提條件是對數學有沒有興趣，以及有沒有一顆好奇心，這決定了你能不能堅持學好數學。

我自認水平不足，所以簡單說一下我的學習方法。

首先，可以找諸如統計學的數學基礎的書籍入門，我看書專門找通俗易懂，圖解類的書籍，可以提升自己對數學的興趣，更主要是需要開始對數學有所思考，認識到數學的意義。

有了基本的機率論和統計學知識，這裡是指了解基本的概念，無需較勁複雜的公式。接著我學了spss軟體，spss涵蓋了很多資料分析的方法，而且學起來也不太難。

還有一個很重要的是，思考，思考如何學習？找到合適自己的學習方法。

懶了，先這樣

學習一門課程或者理論，掌握其結構和過程是很關鍵。這樣可以快速學習。

另外，書+影片，論文等學會蒐集資料。

從谷歌開始，學習搜尋，學會提問題，最後學會用已有的知識解決問題。