1樓：Momodel
並不是必須的。
因為用於AI研究的相關工具一般都有Linux、Windows以及Mac版本。不過大部分伺服器都是裝的Linux系統，因此仍然建議學習一些基本的Linux命令列（如程式執行、檔案傳輸、文字的編輯、視訊記憶體使用情況查詢等）。
2樓：呂衝
無論是linux或是mac或是windows，關鍵在於要掌握一套完整的工具鏈，能夠提高全流程的處理速度。比如對資料檔案的組織管理和簡單處理，你可以用linux的shell指令碼，也可以用windows的bat指令碼，或者用python呼叫系統函式來做。再比如快速部署實驗環境，你可以用docker，也可以用python自帶的虛擬環境，也可以用conda。
總之一句話，不一定非要掌握linux，你用window也ok，只要工具鏈是完整的，使用是熟練的，效率也是很高的。
3樓：xiaofanwudi
學一下Linux Virtual Machine的基本用法，掌握一些Linux常見的command line，VCS比如Git的常見操作當然這個不止適用於Linux。
推薦一門很有用的公開課https://
missing.csail.mit.edu/，以及我之前總結的乙個專欄：
MIT Miss Semester 筆記
4樓：P小二
你需要的是掌握在Linux下做資料處理，做訓練，做開發部署的能力。
可以試試
Linux+ docker + nvidia-docker + jupyter 做資料處理訓練
Linux+docker + nvidia-docker+ k8s/docker-compose + flask/tornado+Vue/React 做個模型部署試試。
5樓：線性回歸
看具體是什麼方向
如果是視覺方向，可能會涉及到不少工具鏈在linux搭建。一方面是即時推理的效能原因，一方面是部分庫在win上不便於部署，然後還有很多裝置關聯。一般從業者具備基礎的工程師開發技能即可，能夠使用linux系統，shell指令碼，以及vim
人工智慧領域需要用到哪些數學？
lccurious 既然說的是數學，我覺得首先看切入點，如果是計算視覺，畢竟視覺是個很大的坑 1.線性代數 各種與線性代數相關的數學知識是肯定要掌握的。像當下大家習慣用張量來表示資料。2.復變函式 或者說訊號與系統，影象中的濾波，相關資料的預處理，參考數字影象處理。3.微積分 這些是真的基礎了，對其...
想要在人工智慧領域深造，需要什麼數學基礎？
小浣熊 這個問題其實還是有點問題的。呃呃呃好繞口啊 數學是萬物之母！不管你從哪個學科哪個領域刨根接地都是數學的問題這也是為什麼最近很多自然科學不容易發展的重大原因因為數學沒怎麼發展啊。數學一旦沒有什麼新的突破，其他學科也很難有突破的。人工智慧的話，你說你學的是線代這一下子就知道你是非數學專業的所以建...
Common Lisp會因為人工智慧領域的興起而熱門起來嗎？
這一波浪潮可以認為是大計算力 大資料引起的工業化變革，並沒有特別嶄新的概念需要擅長某些表達的程式語言才具優勢，可以看到大部分深度學習框架都是C 完成的，上層使用python，因為這些都已經在業界使用多年被廣泛證明高效實用。而Lisp等語言，可能理論上更加優美，但是然並卵，能解決問題的才是最美的。 L...