我学过数学，但很久以前。我已经做了8年的程序员，但是当我开始研究人工智能和数据挖掘的概念时，我发现很难理解这个理论。
现在我浪费了2 - 3年，我什么都没有。我需要先了解学习AI和数据挖掘所需的数学概念。
我不知道从哪里开始。你推荐哪些书籍和教程我应该从AI的角度来看。
我应该如何获得使用AI和数据挖掘概念的基本要求。
编辑： 我从互联网上获得了这个列表
矩阵代数：大多数机器学习模型都表示为矩阵和向量。像特征向量和奇异值分解这样的概念出现在各处。
贝叶斯统计：概率，贝叶斯规则，常见分布（例如，beta，Dirichlet，Gaussian）等。
多变量微积分：大多数学习技巧都使用渐变和Hessians作为拟合参数。 （如果你想获得更好的，请研究数值优化。）
信息理论：熵，KL分歧等等。这里只是基础知识。
在有限的情况下，更高级别的数学可能很有用。例如，为了理解流形学习，您将需要了解几何和拓扑的一些基本概念。偶尔使用抽象代数（例如，参见用于在超图上学习的“期望半环”）。我会根据需要学习这些，但如果你有机会尽早学习它们就不会受伤。
任何人都可以推荐一些关于那些
的书籍答案 0 :(得分：3)
我的数学学习资源：http://www.khanacademy.org/
您将能够在所有数学字段中找到A LOT。
答案 1 :(得分：2)
我同意@Lostdreamer的观点，即KhanAcademy.org有很多学习各种数学概念的材料。
有关机器学习的优秀入门在线课程，我强烈推荐在Coursera.org上提供机器学习课程。它由斯坦福大学教授Andrew Ng教授。您可以根据需要多次观看视频来理解这些概念。
练习和编程作业有助于将概念带回家。
我建议您在下次提供时注册。这是课程注册页面的link。
这是预览课程中材料的link。
本课程包含线性代数的基本评论，包括帮助我查看此材料的基本矩阵概念。
答案 2 :(得分：1)
我高度重新训练@HeatfanJohn的课程，我已经做到了，没有任何人工智能知识，结果非常好，老师很棒，课程非常清晰，试试吧！
此外，我在另一个同时制作了这个其他AI课程。这个更通用，您将学习AI中的所有内容，并且您没有任何先前的知识。如果你不习惯做数学，这个比ML更容易（在ML中你需要在matlab中进行练习，有时候有点棘手）但我发现它对于一般概述更有趣。 我强烈建议你两个都做 https://www.ai-class.com/
一个你对AI上瘾的人（如果你做了这两门课，你肯定会的！）我推荐 Udacity，一个惊人的计算机科学免费在线＆＃34;大学＆＃34;。世界上最好的老师免费教你很棒的东西。如果这不够好，我会告诉你AI班级老师制作了这个网页。一个是谷歌的研究总监（彼得诺维格），另一个是制造第一辆自动驾驶汽车（Sebastian Thrun）的人。很棒的人