說到AI，總是不可避免的聯想到大資料與雲計算，這三者可謂相輔相成，唯有全部結合起來，才有可能成為真正的人工智慧。
首先來說說，人工智慧需要什麼數學知識。
人工智慧跟 IT 技術的主要差別是什麼？簡單的說，就是 AI 對數學要求較高，對程式設計要求較低，而 IT 開發對於程式設計要求高，特別是對程式設計經驗要求高，但對數學要求不高。
AI是個大工程，對數學要求很關鍵。
入門級的 AI 玩家需要至少擁有：
• 包括高等數學、線性代數、機率論與數理統計在內的大學數學知識；
• 使用一種到多種程式語言的能力，如 Python、C++、Java；
• 比較熟練的英語閱讀能力，用於閱讀論文；
• 相當的人工神經網路知識；
• ……
若想在這個領域有點建樹，可能還需要在隨機過程、泛函分析、微分流形、數值分析和最佳化理論等領域進一步深造。
若還未能滿足你的志向，想要搞機器人學或自動駕駛？那還得研究微分方程、運動學、動力學。
而如果你想在大資料領域有所成就，做個數據分析師應具備的5項基本技能：
1、程式設計
學習如何編碼是大資料分析師的基本技能。你需要編寫程式碼以使用海量資料集進行數值和統計分析。你應該花時間和金錢學習的一些語言包括Python，R，Java和C ++等。
2、定量技能
首先，你需要了解多變數微積分以及線性和矩陣代數。你還需要了解機率和統計資料
透過學習這些技能，你將在數值分析方面擁有堅實的基礎。
3、多種技術
技術並不僅限於程式設計。一個優秀的大資料分析師必須熟悉的技術範圍是巨大的。它涵蓋了無數的工具，平臺，硬體和軟體。例如，Microsoft Excel，SQL和R是基本工具。在企業級，SPSS，Cognos，SAS，MATLAB與Python，Scala，Linux，Hadoop和HIVE一樣重要。
學習大資料必須學習大資料核心知識，比如：Hadoop生態系統；HDFS技術；HBASE技術；Sqoop使用流程；資料倉庫工具HIVE；大資料離線分析Spark、Python語言；資料實時分析Storm；訊息訂閱分發系統Kafka等。
你使用的實際技術取決於你所處的環境。它還會根據你公司和專案的要求而有所不同。
4、對業務和成果的理解
如果無法將資料和見解應用於業務設定，則無法對其進行分析。所有大資料分析師都需要對其運營的業務和域有深刻的理解。
5、資料解釋
在我們概述的所有技能中，資料解釋是例外。這是一種藝術與科學相結合的技能。它需要科學和數學知識，但也需要創造力、獨創性和好奇心。
雲計算是網格計算（Grid Computing）、分散式計算（Distributed Computing）、平行計算（Parallel Computing）、效用計算（Utility Com puting）、網路儲存（Network Storage Technologies）、虛擬化（Virtualization）、負載均衡（Load Balance）等傳統計算機技術和網路技術發展融合的產物。
下面是雲計算所需要學習的技術點以及詳細內容：
一、網路基礎、Linux系統管理、Linux網路服務
1、網路基礎、Linux系統管理、Linux網路服務；
2、伺服器與作業系統、網站與域名知識、病毒與木馬揭秘、構建LAMP網站平臺； 3、計算機網路參考模型、交換路由原理與基本配置、網路層協議與應用；
4、Linux目錄和檔案管理、安裝程式、賬號與許可權管理、磁碟管理與伺服器RAID； 5、程序和計劃任務管理、深入理解Linux檔案系統；
6、Linux基礎網路設定、DHCP、Samba、FTP、DNS、Postfix、CA認證、NFS、YUM、PXE。
二、Linux企業級應用、群集、虛擬化
1、Linux企業級應用、群集、虛擬化；
2、Shell程式設計的條件與case語句、sed與awk、iptables防火牆；
3、HTTP協議分析、Apache配置與最佳化、LNMP應用部署；
4、Nginx+Apache動靜分離專案、Nginx最佳化與防盜鏈、部署tomcat；
5、LVS+Keepalived群集、Haproxy、Nginx+tomcat負載均衡與動靜分離；
6、VMware、KVM、Docker 虛擬化；
7、MySQL管理、備份與恢復、主從複製與讀寫分離；
8、MySQL-MMM高可用、heartbeat、DRBD、故障排查；
9、Squid、Vainish、Nginx、Memcache、CDN快取加速；
10、Cacti、Nagios、Zabbix監控；
11、企業遠端備份同步rsync 、MFS分散式檔案系統。
三、雲計算、大資料、 Oracle、運維自動化
1、Oracle安裝部署、體系結構、事務和常用資料庫物件、備份與恢復、OEM監控與管理；
2、Oracle常見故障處理、Oracle RAC群集專案、Oracle Data Guard；
3、社交網站架構專案、百萬PV網站架構專案、千萬PV網站架構專案；
4、雲計算openstack專案、大資料hadoop專案； 5、Puppet、Ansible自動化運維專案、運維經驗、流程規範。
四、Python基礎、Django Web開發、Python運維開發
1、Python基礎、元組與字典、程式邏輯、函式與模組、類和物件、面向物件程式設計、遊戲專案；
2、HTML、CSS、JavaScript、jQuery、Bootstrap框架；
3、MVC設計模式、Django框架綜合應用、 Django Web開發專案；
4、Python運維開發基礎、系統批次運維管理器Fabric應用、集中化管理平臺Saltstack應用；
5、使用Mrjob框架編寫Hadoop MapReduce、運維開發專案。
說到AI，總是不可避免的聯想到大資料與雲計算，這三者可謂相輔相成，唯有全部結合起來，才有可能成為真正的人工智慧。
簡單來說，AI是基於計算機軟硬體，透過模擬人類思考和智慧行為的一種理論方法和技術。而云計算則是將伺服器、儲存器、儲存裝置以及網路等資源打包成雲端，為客戶提供相關的按使用量付費的模式。大資料則是將結構化資料和非結構化資料形成的所有資料整合起來，用以分析發現數據背後相關關係的資訊資產。人工智慧首先來說說，人工智慧需要什麼數學知識。
人工智慧跟 IT 技術的主要差別是什麼？簡單的說，就是 AI 對數學要求較高，對程式設計要求較低，而 IT 開發對於程式設計要求高，特別是對程式設計經驗要求高，但對數學要求不高。
AI是個大工程，對數學要求很關鍵。
入門級的 AI 玩家需要至少擁有：
• 包括高等數學、線性代數、機率論與數理統計在內的大學數學知識；
• 使用一種到多種程式語言的能力，如 Python、C++、Java；
• 比較熟練的英語閱讀能力，用於閱讀論文；
• 相當的人工神經網路知識；
• ……
若想在這個領域有點建樹，可能還需要在隨機過程、泛函分析、微分流形、數值分析和最佳化理論等領域進一步深造。
若還未能滿足你的志向，想要搞機器人學或自動駕駛？那還得研究微分方程、運動學、動力學。
大資料而如果你想在大資料領域有所成就，做個數據分析師應具備的5項基本技能：
1、程式設計
學習如何編碼是大資料分析師的基本技能。你需要編寫程式碼以使用海量資料集進行數值和統計分析。你應該花時間和金錢學習的一些語言包括Python，R，Java和C ++等。
2、定量技能
首先，你需要了解多變數微積分以及線性和矩陣代數。你還需要了解機率和統計資料
透過學習這些技能，你將在數值分析方面擁有堅實的基礎。
3、多種技術
技術並不僅限於程式設計。一個優秀的大資料分析師必須熟悉的技術範圍是巨大的。它涵蓋了無數的工具，平臺，硬體和軟體。例如，Microsoft Excel，SQL和R是基本工具。在企業級，SPSS，Cognos，SAS，MATLAB與Python，Scala，Linux，Hadoop和HIVE一樣重要。
學習大資料必須學習大資料核心知識，比如：Hadoop生態系統；HDFS技術；HBASE技術；Sqoop使用流程；資料倉庫工具HIVE；大資料離線分析Spark、Python語言；資料實時分析Storm；訊息訂閱分發系統Kafka等。
你使用的實際技術取決於你所處的環境。它還會根據你公司和專案的要求而有所不同。
4、對業務和成果的理解
如果無法將資料和見解應用於業務設定，則無法對其進行分析。所有大資料分析師都需要對其運營的業務和域有深刻的理解。
5、資料解釋
在我們概述的所有技能中，資料解釋是例外。這是一種藝術與科學相結合的技能。它需要科學和數學知識，但也需要創造力、獨創性和好奇心。
雲計算雲計算是網格計算（Grid Computing）、分散式計算（Distributed Computing）、平行計算（Parallel Computing）、效用計算（Utility Com puting）、網路儲存（Network Storage Technologies）、虛擬化（Virtualization）、負載均衡（Load Balance）等傳統計算機技術和網路技術發展融合的產物。
下面是雲計算所需要學習的技術點以及詳細內容：
一、網路基礎、Linux系統管理、Linux網路服務
1、網路基礎、Linux系統管理、Linux網路服務；
2、伺服器與作業系統、網站與域名知識、病毒與木馬揭秘、構建LAMP網站平臺； 3、計算機網路參考模型、交換路由原理與基本配置、網路層協議與應用；
4、Linux目錄和檔案管理、安裝程式、賬號與許可權管理、磁碟管理與伺服器RAID； 5、程序和計劃任務管理、深入理解Linux檔案系統；
6、Linux基礎網路設定、DHCP、Samba、FTP、DNS、Postfix、CA認證、NFS、YUM、PXE。
二、Linux企業級應用、群集、虛擬化
1、Linux企業級應用、群集、虛擬化；
2、Shell程式設計的條件與case語句、sed與awk、iptables防火牆；
3、HTTP協議分析、Apache配置與最佳化、LNMP應用部署；
4、Nginx+Apache動靜分離專案、Nginx最佳化與防盜鏈、部署tomcat；
5、LVS+Keepalived群集、Haproxy、Nginx+tomcat負載均衡與動靜分離；
6、VMware、KVM、Docker 虛擬化；
7、MySQL管理、備份與恢復、主從複製與讀寫分離；
8、MySQL-MMM高可用、heartbeat、DRBD、故障排查；
9、Squid、Vainish、Nginx、Memcache、CDN快取加速；
10、Cacti、Nagios、Zabbix監控；
11、企業遠端備份同步rsync 、MFS分散式檔案系統。
三、雲計算、大資料、 Oracle、運維自動化
1、Oracle安裝部署、體系結構、事務和常用資料庫物件、備份與恢復、OEM監控與管理；
2、Oracle常見故障處理、Oracle RAC群集專案、Oracle Data Guard；
3、社交網站架構專案、百萬PV網站架構專案、千萬PV網站架構專案；
4、雲計算openstack專案、大資料hadoop專案； 5、Puppet、Ansible自動化運維專案、運維經驗、流程規範。
四、Python基礎、Django Web開發、Python運維開發
1、Python基礎、元組與字典、程式邏輯、函式與模組、類和物件、面向物件程式設計、遊戲專案；
2、HTML、CSS、JavaScript、jQuery、Bootstrap框架；
3、MVC設計模式、Django框架綜合應用、 Django Web開發專案；
4、Python運維開發基礎、系統批次運維管理器Fabric應用、集中化管理平臺Saltstack應用；
5、使用Mrjob框架編寫Hadoop MapReduce、運維開發專案。