1樓：
搞機器學習系統的其實有兩撥人。
第一類把系統當工具：為了提高機器學習的效率，提出新的資料表示格式
計算過程抽象
平行計算框架
這個流派主要是具有機器學習背景、理解演算法的人，架不住自己碼力很強，覺得現有的工具不好用就自己造輪子。門檻非常高，要理解機器學習且程式設計能力強大。典型代表：
MXNet的作者，伯克利RISELab。
第二類把機器學習當應用：為了灌水（？），針對機器學習任務重新設計網路拓撲
資源排程器
作業系統網路棧
這些人大部分是傳統的系統研究者，可以算是蹭熱點的一種方式吧。需要了解系統，會吹故事。典型代表：MSRA，幾個系統強校的網路組。
哦，還有一些人在用機器學習完成系統裡傳統來說用heuristic方法的決策，比如檔案系統索引、資料庫優化。個人認為這不屬於機器學習系統。
2樓：弱雞
1。 linear algebra, probability theory這兩個是最基礎的數學
2。 高階：optimization method (linear and nonlinear programming)
Statistic signal processing (or Detection and estimation theory)
statistics (個人覺得它裡面那個confidence interval 有點扯淡， anova啥的有點概念就得了)
stochastic processing analysis, 個人覺得重要
3。注重實踐的話：algorithm（知道點就行）, data structure（data不大的話不看也沒事）, 有時候也需要點點graph theory
4。然後就是看具體方向了，做image的那computer version得學過吧？nlp方向的不太了解。
做reinforcement learning的話， adaptive control不知道也得把《reinforcement learning》這本書讀了把
至於專治ml和deep learning的 pattern recognition 和 deep learning這兩本寶典，誰通讀過誰知道呀。
如果我想從事機器學習或人工智慧，我應該輔修心理學還是數學或神經科學嗎？
逆行 數學，特別是統計數學，概率論，線性代數，數值優化。神經網路最初是有點借鑑神經科學的思想，如多層感知機，進行資訊傳遞，模仿神經元的突觸結構。但是現在的深度學習的模型已經跟神經科學沒什麼關係了，沒必要去學神經科。 王榮勝 涉及學科哲學和認知科學，數學，神經生理學，心理學，電腦科學，資訊理論，控制論...
學習深度學習是否要先學習機器學習？
作為乙個在數學系學統計做過機器學習，工作後搞深度學習的人，我可以很負責任的告訴你，不需要 理論上來說，深度學習確實是機器學習的一部分。十年前，深度學習其實還叫 ANN，是存活在機器學習裡的一小部分 別噴，我知道現在主流是 CNN，跟ANN不同 但是實際上，深度學習是乙個用計算機算力暴力求解問題的函式...
深度學習與機器學習的關係是什麼？
瘋貓子 沒有一種技術的發展是孤立的。開局一張圖 深度學習是機器學習的乙個重要分支，深度學習和機器學習的關係屬於繼承和發展的關係，其實不單單是這一分支如此，幾乎所有的演算法分支都是早期技術的重組 繼承 發展而來。如上圖所示，我大致把這些技術的繼承發展關係用導圖的方式進行展示，圖中沒有標註顏色的都是發展...