想要真正理解目前的深度学习(不仅是打杂的炼丹师)，需要怎样的数学基础

[YanSeven]

包括 nlp,cv,llm 这些

有一个清单或者书籍能够囊括这些数学内容吗。

[halberd]

线性代数，概率统计，信息论。这几个应该是最常用的吧。其实只做到基础理解的话需要的不多（多了我也不懂，这行其实大部分人数学很菜），跟着网上的原理解析 blog 之类学的过程中，遇到什么现场去查就行了。
然后不同细分方向又可能需要各种不同的数学，举个例子 diffusion models 的理论基础说起来是随机微分方程、随机过程、最优传输等等，真要发足够创新的论文的话是需要懂一些的，但水论文/做工程的也就是直观理解+经验主义而已。然后做其他方向可能又用不上了。

[bennyfu]

普林斯顿三剑客，微积分概率论，线性代数 b 站看 3bule1brown ，然后再来一本英文版机器学的数学，就齐活了，我不是数学专业，但是数学和编程一样，也是先有想法和直觉，再用数学化的语言实现，数学是现实的抽象，不是没有物理意义的