首先，我知道这个问题可能不适合该网站，但如果您能给我一些指示，我将不胜感激。
我是一名 16 岁的程序员，我曾使用过许多不同的编程语言，不久前我在 Coursera 开设了一门名为机器学习入门的课程，从那一刻起，我非常有动力学习人工智能，我开始阅读有关神经网络的文章，我使用 Java 制作了一个工作感知器，这真的很有趣，但是当我开始做一些更具挑战性的事情（构建数字识别软件）时，我发现我必须学习很多数学，我喜欢数学，但这里的学校教我们的东西不多，现在我碰巧认识一个数学老师，你认为学习数学（特别是微积分）对我学习 AI 有必要吗？学校？
还有哪些其他事情对我学习 AI 和机器学习的道路有帮助？其他技术（如 SVM）是否也需要强大的数学运算能力？
抱歉，如果我的问题很长，如果您能与我分享您在学习 AI 方面的任何经验，我将不胜感激。
不，你应该继续自己学习数学。您将“只”需要学习微积分、统计学和线性代数（就像机器学习的其余部分一样）。神经网络的理论在这一点上相当原始——它更像是一门艺术而不是一门科学——所以我认为如果你尝试一下，你就能理解它。事实上，有很多技巧你需要实践经验才能学习。有很多复杂的扩展，但是一旦你做到了，你就可以担心它们了。
一旦您能够理解有关 ML 和神经网络（Hinton 的）的 Coursera 课程，我建议您进行一些练习。你可能会喜欢这个介绍。
我会说......这真的取决于。您可能需要：
在中期，你肯定需要强大的数学。但是你不需要等他们来找你，你现在就可以从线性代数开始，它对一切都很美好和有用。如果你在数学上遇到任何（可能是暂时的）困难，请继续按照你已经做的方式练习（很多人可以谈论感知器，但无法用 Java 制作感知器），这是非常有价值的。
神经网络不是一个很好的介绍模型，仅仅是因为您描述的复杂性。如果您想弄湿自己的脚，相比之下，增强型决策树往往表现良好，而且更直观。如果你想了解这种方法，并且已经熟悉 Coursera，华盛顿大学的数据科学入门课程很好地解释了它。
当然，你需要学习一些数学。但是，您还应该努力获得一些更广泛的工程和科学技能。有太多人进入计算机科学领域，他们所知道的只是一些编程语言和数学。最终结果是一个非常无聊的人，几乎没有创造力去做任何新的事情。在你 18 岁或 19 岁时抽出一年时间环游世界。