一个比较高质量的参考语雀网站 https://www.yuque.com/angsweet/machine-learning/jian-jie

线代高数概率论高数，微积分，线代，概率论，运筹学（优化）

微积分、线性代数、概率与统计、矩阵和数值分析、优化方法线代，微积分，概率论，数理统计，一些算法思想的数学基础

微积分，线性代数，概率与统计，最优化方法 建议读5～6遍，哈哈

这是基础，高等点做研究的，需要学习 random data，

概率论贝叶斯，微积分泰勒公式，泛函分析，pca，实变函数等等

理解线代，概率与统计，凸优化

基本上就可以完成一个机器学习项目了

如果你的目标是成为一位偏工程的engineer，那么其实数学基础没有那么重要；如果你的目标是成为一位优秀的AI Researcher，也希望将来在企业做研发的工作，那我想扎实的数学能力是必要的。但是不管是上述哪两个position，对于基本的学习算法的理论都是需要牢固掌握的，需要能够做到遇到问题，分析问题并且用相应的方式去解决问题。LZ在实验室里做研究，那么初期其实要求没有那么高，没有必要去刻意补充大量数学课，我个人觉得直接学习对应的机器学习/深度学习课程就好，这儿网上有很多有用的课程资源，比如CS224n，CS231，李宏毅机器学习等。认真坚持下来，在videos和slides学理论，在assignments中学习实践，我想慢慢就适应了这个学习过程！后面，直接研读你相应领域的文献即可，在不断复现论文的过程中试错、思考与成长！

需要，甚至可以说机器学习就是某种意义上的应用数学。与传统数学教育不同的是，从小学到高中之前学的数学都是偏向计算，