XXX不好的人适合XXX吗？
问出这种问题的人，心里都有些害怕，还是避免找借口。
如何评价数学好与不好，什么是坏数学？
极端情况下，加减乘除都做不好，所以这个真的不适合学习楼主说的这些方向。但是，如果数学差到这种程度，恐怕就不止这些方向了，没有其他适合学习的了。
在另一个极端，在黎曼和希尔伯特等抽象数学空间中人工智能有必要读博吗，他们具有很强的逻辑思维能力和想象力，以及很强的决心。比如那些在高水平数学竞赛中获奖的，确实很适合学习以上专业，估计数学方面的科研工作也能做得很好。
大多数经常在知乎上看帖子的人，大概介于两者之间。我们暂且称他们为常人。当每个人出生时，他们什么都不知道。经过多年的学习，他们中的大多数已经具备了将与自己的生活和工作相关的数学知识应用到自如的能力。我们今天讨论的正是这部分人。
从抽象的角度来看，无论你向哪个方向学习，都不是从零开始，而是站在巨人的肩膀上。所以，对于普通人来说，首先要做的就是学习知道的和大家基本都懂的，从比较基础的部分开始。这部分内容通常有很多相关资料，不涉及特别复杂或小众的数学理论。你的基础不会撑不下去（即使忘记了一些基础知识，再捡起来也不难）。所以，能不能把基础学好，就看你是否努力，是否有决心做好。
接下来，我会回到深度学习、机器学习、人工智能的话题上来谈谈进一步的进步。个人认为，虽然这些方向涉及的数学知识比较深或者比较复杂，但是普通人不要把这个门槛想象得太高，不要怕困难。掌握某些方法并不难，学习、掌握和灵活运用这些方法也不难，与数学基础的相关性也不大。主要原因如下：
1、先学会使用并不难。现在有针对各种机器学习和深度学习方法的打包好的库和文档，例如用于机器学习的 scikit-learn 库。各种传统的机器学习模型都封装在里面。只要掌握了接口的调用方式和模型的适用场景，即使不了解其背后的数学原理，也基本可以正确使用。
2、其次，单个模型涉及的数学是有限的。机器学习和深度学习的方法和模型虽然很多，但是涉及的大部分数学知识都比较有限，没有相似的关系。因此，它非常适合循序渐进的策略。目前，需要了解哪一个，重点学习这个。先学会使用，再理论联系实际，促进理论学习。对于相对有限的事情，大家都愿意努力，数学基础好和数学质量的关系真的没那么大。
3、再次重申，只要努力，糟糕的数据基础甚至不会对上述方向的科研工作产生太大影响。做科学研究和写论文也是一项定期的社交活动。大家基本确定了研究方向后，所涉及的背景知识普遍有限。通过文献研究和阅读论文，这个方向所涉及的数学知识也是可以理解的，也不会因为数学基础差而无法做到。对于做不到的同学，应该多想想自己的努力或学习方法人工智能有必要读博吗，是否还有提升的空间。
最后，总结一下核心观点：人为的事。只要大家有决心，有努力的意愿，基础数学基础差不多，就不会影响深度学习、机器学习、人工智能的学习。感兴趣的学生就去做吧。
