※ 引述《areyo (沒有名字的怪物)》之銘言：
: 大家好
: 從讀書以來，大家都說數理不好，程式難寫好
: 但還是踏上不歸路，好在py有許多套件可用 + 網路發達
: 現在AI，對於數理不好的人，有沒有更快入門的方法呢??
: 謝謝
我也是想研究 AI 的業餘人士。第三類組出身，數學從高中畢業起就已經死亡。學 AI 也
是卡在數學問題。一點淺見拋磚引玉
淺見「玩 AI」也有層次之分。是業餘跑點東西出來？或是在產業裡面導入 AI 創造價值
？或是要去讀博班做 AI 研究？
如果是業餘娛樂，數學「最低門檻」並不高，微積分會最基本的多變量偏微分，弄懂
chain rule、能看懂類神經網路 back prop 就勉強可以，線性代數我沒正式學過，遇到
就裝死。過了這門檻，如果只做業餘玩票，Github 和 CSDN 會抄，別人做好的庫會調，
就足夠成為業餘調包俠，並且善根福德成熟可以進階調參俠。
如果是產業裡面導入 AI 則看角色。如果產業另外請了 AI 專家來，我們做輔助，那釐清
domain knowledge 比自學半桶水 AI 重要，domain knowledge 可以直接影響對資料的
準備、清潔，AI 模型的調整方向。AI 產品要符合領域專家的需要，就離不開領域專家的
幫忙。如果是被推上火線親自搞 AI 的話那具體我不知道。我曾看了不少線上課自學 AI
也有能力做模型解決一些問題，但我仍然能感覺到跟同機構的 AI 專家之間有鴻溝般的差
距。
讀博班走 AI 研究應該數學就要很紮實了，除非是做純應用的研究，例如「應用 XXX 解
決 OOO 產業的 YYY 問題之研究」。這方面我也想聽強者補完。
數學根基不穩，要強行 AI 入門。可選擇比較容易吸收的線上課程或書本。線上課我推
deeplearning.ai AndrewNg 的課，書本我推 Hands-On Machine
Learning with Scikit-Learn, Keras, and TensorFlow。個人經驗這兩者都做到深入淺
出，而且我數學智障也跟得上。數學根基就邊學 AI 邊補，AI 用到哪就補到哪。有時數
學啃不動，其實是因為用不到。也許被逼著用回頭啃反而很快就通了。
一點愚見，講錯請鞭小力點 QQ 我也想聽其他高手怎麼學得 XDDDD