参考答案

先打好数学基础：线性代数：矩阵/张量乘法、求逆，奇异值分解/特征值分解，行列式，范数等；统计与概率：概率分布，独立性与贝叶斯，最大似然(MLE)和最大后验估计(MAP)等；优化：线性优化，非线性优化(凸优化/非凸优化)以及其衍生的求解方法如梯度下降、牛顿法、基因算法和模拟退火等；微积分：偏微分，链式法则，矩阵求导等；信息论、数值理论等。选择合适的机器学习书籍，选择合适的编程语言和软件，实践最重要。