我了解过一会，想看看大家有些什么主意。基础的和高端的课程，都想了解一下
线性代数，实分析，概率论
有时会用到微分几何，还可能泛函
就是你有一定数学基础后，需要什么就重温什么，或者学什么就可以了
需要数学背景挺深的。
自己的idea要表述清晰也同样需要深层数学
当前当红炸子鸡LLM也是这样出来的，几十年前搞AI都不是这么搞的。现在不断有人在尝试突破LLM的框框, 摒弃Transformer，这才是需要去真正research的。
如果看重的是现在的AI Researcher能拿高薪，那么，首先该考个好大学，然后再去AI最好的学校读AI PhD，因为今后AI的高端领域只是少数人的大餐，赢者通吃这是AI界自带的烙印。 很多人都看到了将来的趋势，所以，现在竞争最激烈的领域就是AI著名的学术机构， 而没有一步一步绚丽的履历， 是很难进那个圈子的。
感觉这里哪方面都有高手
如果是的话，他应该学过。没听他提过，唯一说漏掉的是PDE，因为没想到会用到
说的是diffusion的数学原理
我不懂，不就是heat equation吗？哈哈
我觉得美国AI太偏数学了，有点走死胡同
是工程问题
我说我记得他的原话。
具体用什么在何场景用我不清楚。
我女儿去年一个多月就学完了，做完了每一题...这书是给纯数的学生做教材的，基本都是证明。工科生大多是计算，学起来寡淡无味...
一个高中数学老师的职位，大概只有一两个申请人，其中还有不少连content exam都没有考的申请人，很多也没有教师证．
而一个小学的ELA或是social study，大概会有１００个以上的申请人．很多都是有多年教学经验的老师，如果换学校，未必能拿到职位．
所以连合格的数学老师都没有，还谈什么兴旺美国的数学教育呢．
Introduction to Linear Algebra
线性代数的核心思想就在Axler书的1，2，3章。 能把这三章读下来，做一半的习题就不简单。
能搞定前三章的难题， 那哈佛Math 55都不成问题了。
第4-10章除非数学专业， 学不学都可以。
Determinant 到书最后才介绍，是从invariant theory的观点来的。感觉这甚至都不适合一般大学生...
首先要分清楚有两类AI，以前的传统的AI和新一轮的AI。上一轮的AI（前几十年），主要是工程方面的， 比如机器人一类的东西，用到的数学很多。这一轮的AI（AI革命），即所谓的生存式AI，与工程完全没有关系，基本上就是先弄懂别人要表达的意思（口头和书面的），然后搜寻自己的庞大的数据库，生成答案，最后再用别人能懂的语言把结论告诉提问者。这个过程中用到的数学最多的就是概率，其他的数学用的很少，大头是与语言学，逻辑学有关的，数学就是概率论，另外理论语言学，结构语言学，语义学，写作（文章结构，文章分析）等等。
从易到难，小孩学过好几遍
It demands more mathematical maturity. 为了防止学成纸上谈兵，学生在采取这个approach前需要一些实际经验。它实际上适合学过一遍传统教法，并且有一定代数基础的人回锅。
学数学最重要的是数学上的成熟性（mathematical maturity）。 有了这个需要哪个细节就都可以随时抱佛脚。
行列式和eigen value，其他的一概记不起来了，也许压根就没学过线性代数．
现在很多爱模型的问题并不能用数学描述，反而需要人文方面的critical thinking
比如 hallucinations and inaccuracies 问题，据说现在有爱心理学：
"AI psychology applies psychological principles to the design of artificial intelligence systems, aiming to create more effective, efficient, and human-aligned AI."
我了解过一会，想看看大家有些什么主意。基础的和高端的课程，都想了解一下
线性代数，实分析，概率论
有时会用到微分几何，还可能泛函
就是你有一定数学基础后，需要什么就重温什么，或者学什么就可以了
需要数学背景挺深的。
自己的idea要表述清晰也同样需要深层数学
当前当红炸子鸡LLM也是这样出来的，几十年前搞AI都不是这么搞的。现在不断有人在尝试突破LLM的框框, 摒弃Transformer，这才是需要去真正research的。
如果看重的是现在的AI Researcher能拿高薪，那么，首先该考个好大学，然后再去AI最好的学校读AI PhD，因为今后AI的高端领域只是少数人的大餐，赢者通吃这是AI界自带的烙印。 很多人都看到了将来的趋势，所以，现在竞争最激烈的领域就是AI著名的学术机构， 而没有一步一步绚丽的履历， 是很难进那个圈子的。
感觉这里哪方面都有高手
如果是的话，他应该学过。没听他提过，唯一说漏掉的是PDE，因为没想到会用到
说的是diffusion的数学原理
我不懂，不就是heat equation吗？哈哈
我觉得美国AI太偏数学了，有点走死胡同
是工程问题
我说我记得他的原话。
具体用什么在何场景用我不清楚。
我女儿去年一个多月就学完了，做完了每一题...这书是给纯数的学生做教材的，基本都是证明。工科生大多是计算，学起来寡淡无味...
一个高中数学老师的职位，大概只有一两个申请人，其中还有不少连content exam都没有考的申请人，很多也没有教师证．
而一个小学的ELA或是social study，大概会有１００个以上的申请人．很多都是有多年教学经验的老师，如果换学校，未必能拿到职位．
所以连合格的数学老师都没有，还谈什么兴旺美国的数学教育呢．
Introduction to Linear Algebra
线性代数的核心思想就在Axler书的1，2，3章。 能把这三章读下来，做一半的习题就不简单。
能搞定前三章的难题， 那哈佛Math 55都不成问题了。
第4-10章除非数学专业， 学不学都可以。
Determinant 到书最后才介绍，是从invariant theory的观点来的。感觉这甚至都不适合一般大学生...
首先要分清楚有两类AI，以前的传统的AI和新一轮的AI。上一轮的AI（前几十年），主要是工程方面的， 比如机器人一类的东西，用到的数学很多。这一轮的AI（AI革命），即所谓的生存式AI，与工程完全没有关系，基本上就是先弄懂别人要表达的意思（口头和书面的），然后搜寻自己的庞大的数据库，生成答案，最后再用别人能懂的语言把结论告诉提问者。这个过程中用到的数学最多的就是概率，其他的数学用的很少，大头是与语言学，逻辑学有关的，数学就是概率论，另外理论语言学，结构语言学，语义学，写作（文章结构，文章分析）等等。
从易到难，小孩学过好几遍
It demands more mathematical maturity. 为了防止学成纸上谈兵，学生在采取这个approach前需要一些实际经验。它实际上适合学过一遍传统教法，并且有一定代数基础的人回锅。
学数学最重要的是数学上的成熟性（mathematical maturity）。 有了这个需要哪个细节就都可以随时抱佛脚。
行列式和eigen value，其他的一概记不起来了，也许压根就没学过线性代数．
现在很多爱模型的问题并不能用数学描述，反而需要人文方面的critical thinking
比如 hallucinations and inaccuracies 问题，据说现在有爱心理学：
"AI psychology applies psychological principles to the design of artificial intelligence systems, aiming to create more effective, efficient, and human-aligned AI."