每日一發小視頻
我的研究方向是大數據和人工智能，目前我也在做大數據和人工智能方面的落地項目，所以我來回答一下這個問題。
為了描述數學和大數據以及人工智能之間的關係，我們首先來簡單的描述一下大數據和人工智能的研究內容以及工作崗位。
大數據的研究內容緊緊圍繞數據展開，大數據產業鏈涵蓋了數據的採集、整理、傳輸、存儲、安全、分析和呈現。大數據的核心是數據價值化，數據價值化要通過數據分析來完成，數據分析的核心則是算法的設計與實現。所以做大數據一個核心的內容就是算法設計，但是大數據崗位並不是只有算法設計一個崗位，還包括數據採集、數據整理、數據呈現等多個崗位，這些崗位對數學的要求並不高，甚至是沒什麼要求。所以，如果數學基礎比較薄弱，那麼可以做非算法崗位，這些崗位同樣是大數據產業鏈中不可或缺的。
人工智能的研究內容包括自然語言處理、知識表示、自動推理、機器學習、計算機視覺以及機器人學，這些內容大部分都要涉及到算法，因為人工智能的基礎就包括數學。人工智能的步驟基本上都是以數據為基礎進行算法設計、算法實現、算法訓練以及算法驗證和應用等步驟，可以說人工智能對算法的要求就更高也更具體了。同樣，人工智能領域也有很多崗位對數學的要求並不高，比如做功能模塊的實現以及網絡工程和數據採集工程等崗位。
對於大數據和人工智能來說，數學是一個重要的基礎，但是也有很多崗位對數學的要求並不高。對於從業者來說，如果要深入研究大數據和人工智能，那麼數學是繞不過去的。
我做大數據項目多年，我會陸續在頭條上寫一些關於大數據方面的科普文章，如果感興趣的朋友可以關注我的頭條號，相信一定會有所收穫。
如果有大數據方面的問題，也可以諮詢我。
謝謝！
IT人劉俊明
一般從事大數據有兩種方向：大數據開發、數據分析與挖掘；人工智能也和大數據有關
大數據開發不需要數學很好，但有數學基礎當然是很有幫助的，像概率論與數理統計、線性代數、離散數學等。
人工智能需要機器學習的知識技能，數學在機器學習中非常重要，在科學和工程領域中，需要從基本理論與數學出發高效使用現有方法，或開發新方法來整合特定領域與任務所需要的先驗知識。
加米穀大數據
不一定非得數學很好，但不能差，得具備起碼的數學邏輯思維，能迅速理解產品的運作原理和架構。
大數據和AI研發中，對數學要求最高的是算法工程師。一個牛逼的算法，是神一樣的存在。
其次是數據架構師，這個崗位本來對數學的要求就高。如果理解不了產品的數學邏輯，連需要什麼樣的數據、如何正確地輸入正確的數據都不清楚。
再次是產品經理，不懂數學的產品經理，就像耗子啃老南瓜，頭都開不起。
然後就是碼農。但是要注意不同情況，如果項目人員多，開發分工很細，一個碼農負責一小部分的話，要求確實不高。但人少的話，要求就高了。不管如何，碼農得具備良好的數學基礎和思維，不然團隊溝通很成問題。這裡多說一句，數學一般的碼農，即使進入了大數據和AI行業，在這個行業也走不遠走不深，最後也僅僅是個碼農。
最後是運營。運營如果缺乏對產品最起碼的數學邏輯理解，會嚴重拖產品推廣和日常運營的後腿。
