最近经常有朋友来问老白或者跟老白说 “我想从事人工智能或者机器学习相关的工作，是

最近经常有朋友来问老白或者跟老白说 “我想从事人工智能或者机器学习相关的工作，是不是一定要把数学重新再学一遍？” “我看网上这些课程不知道如何入手，都是一堆数学公式” 我能理解这种困惑。但我也同意另外一种看法： 如今，像 NumPy、scikit-learn 和 PyTorch/TensorFlow 这样的库已经帮我们做了所有复杂的数学运算。我们并不需要自己手动计算梯度、均方误差（MSE）或其他公式。我们只需要基本的理解，知道模型需要什么以及如何分析它。 例如，当我们在编写线性回归代码时： 选择特征。 对数据进行缩放。 将数据分为训练集和测试集。 选择模型。 调用库来计算 MSE、RMSE、R²。 我们并不需要记住那些公式或手动推导它们，只需要了解它们的意义以及它们为什么重要就够了。 在老白看来，成为一名优秀的人工智能/机器学习从业者的关键，在于成为一个善于分析的人，而并不需要特别强的数学功底（如果有当然最好但不是最重要的）。我们确实需要学习大量关于不同的解决方法、神经网络架构、训练方法、评估指标等相关知识。关键在于了解如何识别问题，如何衡量解决过程，如何形成假设，以及如何验证或否定这些假设。 所以我给很多朋友的建议是，保持热爱是最重要的，这也是我常常跟小朋友说的一句话。如果一看到数学我们就头大，很多人就放弃了，那这时其实我们不如先尝试看看完成一个小的项目得到一点满足感先，而不要去纠结于那些数学公式或者问题到底是怎么回事，遇到问题了再想办法解决，慢慢的扩宽自己的理解。 不知道大家怎么看？深奥的数学知识对日常的机器学习来说真的必不可少吗？还是分析能力更加重要？