A. 機器學習該怎麼入門
當初學者開始學習機器時，科多大數據相信大家首先會問「門檻是什麼？需要了解什麼才能開始從事這一行？
一旦初學者開始嘗試了解這個問題，經常發現善意但令人沮喪的建議，如下所示：
你需要掌握數學，以下是清單：
- 微積分
- 微分方程
- 數學統計
- 優化
- 演算法分析
...
像這樣的回復足以令任何人都感到恐懼，即使具有一定的數學專業基礎。
猜想很多初學者會被這樣的建議嚇倒，其實所需要的數學知識比你想像的少（至少比你被告知的要少）。如果有興趣成為機器學習從業者，那麼你不需要很多高級數學知識也可以開始。
但要說沒有任何門檻那也不是。事實上，即使沒有對微積分和線性代數的高度理解，也有其他門檻。
數學不是機器學習的主要前提
如果是初學者，而目標是在行業或企業中處理問題，那麼數學不是機器學習的主要先決條件。
到目前為止，你聽到的關於機器學習的大多數建議是來自在學術領域里從事數據科學的專家。
在學術領域，你經常會被鼓勵學術研究和寫報告，當你的研究領域是機器學習，那麼你的確需要深入了解機器學習的統計學和數學基礎。
在工業領域，在大多數情況下，主要的追求不是發明創造(造輪子)和寫報告。企業真正追求的是否能創造商業價值。在大多數時候，尤其剛起步階段，你會應用「現成」工具就足夠了。這時候你會發現，這些工具對數學的要求並沒有你想像的那麼高。
「現成的」工具數學要求並不高
幾乎所有常見的機器學習庫和工具都會為你處理困難的數學問題，也就是說不一定需要知道線性代數和微積分才能從事機器學習工作。
再次強調這一點：現代統計學和機器學習軟體可以為你處理大量的數學問題。
對於初學者來說，機器學習涉及的數學知識深似海，了解深海領域的數學知識既不需要也沒必要。
當然這些工具不能替你把所有的事都幹了。你仍然需要動手實踐才能掌握這些工具。
如果要開始學習機器，需要學習的真正的必備技能就是數據分析。
對於初學者（不管你是軟體工程師還是來自其他領域的從業者），你不需要知道很多微積分、線性代數或其它任何大學級數學知識就可以完成這些任務。
但數據分析能力卻是必不可少的，數據分析是你完成工作所需的第一個技能，這才是機器學習初學者真正需要必備的能力。
數學是重要的，但不是對入門者的
數學很重要，特別是在某些情況下，數學是非常重要的。
首先，如果你是在學術領域中進行機器學習研究，數學很重要；第二，在行業領域中，數學對於一小部分高級數據分析師/數據科學家也是重要的。特別是像Google和Facebook這樣的公司，他們走在前沿，正在使用機器學習領域的尖端工具，這些人會在他們的工作中經常使用微積分、線性代數和更高級的數學。
初學者學習機器學習也是需要數學的，要開始學習機器學習，入門級你至少需要本科基礎數學技能。你還需要了解基本統計知識，如：平均值，標准偏差，差異等等。