从何说起神经网络

Question

首先，我知道这个问题可能不适合这个网站，但是如果你能给我一些建议，我会非常感激的。

我是一名16岁的程序员，我对许多不同的编程语言都有过经验。不久前，我在course开设了一门课程，名为“机器学习入门”，从那时起，我开始非常积极地学习人工智能，我开始阅读关于神经网络的知识，并使用Java制作了一个实用的感知器，这真的很有趣，但是当我开始做一些更有挑战性的事情(构建数字识别软件)时，我发现我必须学很多数学，我喜欢数学，但这里的学校没有教我们太多，现在我碰巧认识一个数学老师，你认为学习数学(特别是微积分)对于我学习人工智能是必要的，还是应该等到我在学校学到这些东西？

另外，在我学习人工智能和机器学习的道路上，还有什么其他的东西会有帮助呢？其他技术(比如支持向量机)也需要很强的数学能力吗？

如果我的问题很长，我很抱歉，如果你能和我分享你在学习人工智能方面的任何经验，我将非常感激。

Answer 1

不，你应该自己去学数学。您将“只”需要学习微积分、统计和线性代数(就像机器学习的其他部分)。在这一点上，神经网络的理论是相当原始的--与其说是一门科学，不如说是一门艺术--所以我认为，如果你尝试一下，你就能理解它。事实上，有很多技巧你需要实际的经验来学习。有很多复杂的扩展，但是一旦你做了那么多，你就可以担心它们了。

一旦您能够理解ML和神经网络(Hinton's)上的Cour血清类，我建议您进行一些练习。您可能会喜欢这的介绍。

Answer 2

我会说..。真的要看情况了。你可能需要：

• 使用机器学习算法:这对于您可能拥有的特定应用程序非常有用。在这种情况下，你需要的是一些编程技巧和对测试的兴趣(练习会让你变得更强大)。在这里，我想说的是，数学并不是必需的。
• 能够修改现有的算法。您的特定应用程序可能对常规算法保持沉默，因此您可能需要对它们进行调整，以获得最大的效率。在这里，数学发挥作用。
• 理解算法背后的理论。在这里，数学是必要的，它将帮助你增加你对机器学习领域的知识，发展你自己的算法，和你的同龄人说同样的语言。神经网络理论可能像@Emre所说的那样是原始的，但对支持向量机来说并非如此(支持向量机背后的理论要求理解再生核Hilbert空间)。

在期中，你肯定需要很强的数学能力。但是你不需要等他们来找你，你现在可以从线性代数开始，它是美丽的，对所有的事物都有用。如果你在数学上遇到(可能是暂时的)困难，继续练习你已经做过的事情(很多人可以谈论感知器，但无法用Java制作感知器)，这是非常有价值的。

Answer 3

神经网络并不是一个很好的入门模型，仅仅是因为你描述的复杂性。如果你试图弄湿你的脚，提高决策树往往表现得比较好，而且更直观一些。如果您想要对这种方法进行描述，并且已经熟悉Cour何时，华盛顿大学有一门关于数据科学的入门课程，它可以很好地解释它。