作者 | Andrew Froehlich
AI技術變得越來越熱門，很多人開始轉行進入這一領域，其中當然也不乏文科生。他們在普遍缺乏大學數學知識的情況下，就不能入門機器學習了嗎？
最近有位Reddit網友David Code，他也是一名文科生，曾經在脫口秀節目《週六夜現場》工作過。
後來他經過兩年“地獄式”的自學，十幾次的挫敗，最終掌握了機器學習的知識，並把他的經驗寫成了一個長篇博客。
他說，長期以來編寫AI書籍和在線課程的都是專家，而這些人因爲專業而會忽視初學者的能力。他寫的博客跳過了專業的部分，用盡量通俗幽默的方法來展現機器學習的入門知識。
知識是“算”出來的
學習AI之前，首先就要摒棄原來文科的學習方法。
在博客開頭，David就告誡初學者，學習數學、計算機知識不像看小說，不要指望一次就能理解，可能需要反覆閱讀和推演5次才能看懂。
David說，當他學到比較難的內容時，總是會設置一個計時器，以提醒不要絕望、不要輕易言敗，而是要保持微笑、耐心和堅持。
雖然David在文中使用類比、圖片、示例等方法來傳授知識，但是這篇文章在數學上也是嚴謹的。如果你沒有立刻學會，不要輕易放棄。
理工科的知識從來不是“看”就能學會，更需要的是“算”。如果不進行練習，就無法學好博客中涉及的數學。
理解上的錯誤
全篇博客介紹了深度學習的4個基本概念：前饋、梯度下降、全局最小值、反向傳播。文中都用盡量通俗地方法介紹了這些基本概念。例如用碗中的小球來比喻梯度下降，用詳細到每一步地圖解來介紹矩陣乘法。
博客作者David作爲一名文科生，又是自學，難免會有理解上的錯誤。
有位網友就指出他文章中的一些錯誤，比如：
神經網絡不是深度學習，相反，深度學習是指使用一種神經網絡。
梯度下降不一定是朝着全局最小值發展，最終收斂到的可能是局部最小值。
文章中也缺乏一些重要概念的解釋，如監督與無監督學習、過擬合與欠擬合、模型的選擇和超參數的調整，等等。
但總體上來說，這篇博客仍不失爲一篇優秀的文章，否則也不會在Reddit機器學習板塊上一天就收穫300讚了。
數學真的不重要嗎
當然，David寫博客的目的不是宣揚沒有數學知識就能掌握機器學習。它只是一篇向文科生提供的入門通俗讀物。
如果想要更深入的學習，可能還需要投入幾百個小時的學習時間。無論你喜歡與否，都需要數學知識才能理解機器學習和統計數據，沒有數學就無法學習機器學習。
很多其他網友在激烈的討論中強調了以上幾點，David本人也表示同意。
總之無論如何，微積分、線性代數、統計學都是學習深度學習的基礎。或許你不需要太深入的瞭解，但是沒有這些知識是萬萬不行的。系統地學習數學知識，能幫你更快入門深度學習。
