MIT的线性代数课程也很经典，Gilbert Strang教授讲的特别好，深入浅出，而且有很多实际案例。B站上就有中文字幕的版本，强烈推荐！
我更倾向于把“本科数学知识足以应对大模型”理解为一种最低要求。线性代数和微积分是基础，但如果要深入研究AI，尤其是算法层面，优化理论、概率统计、信息论、图论这些都是绕不开的。另外，离散数学对于理解某些算法的底层逻辑也很有帮助。
3Blue1Brown的线性代数本质系列视频真的太赞了！把线性代数讲得非常直观，完全颠覆了我对线性代数的认知。如果觉得书本太枯燥，可以先看看这个视频，然后再回过头去看书，效果会更好。
我是数学专业的，给零基础的同学推荐入门书可能不太客观。不过从我自己的学习经历来看，重要的是找到适合自己的风格。有些人喜欢先理解概念，有些人喜欢先做题。如果喜欢看故事，可以试试《微积分的历程》；如果喜欢做题，《普林斯顿微积分读本》有很多练习。B站上也有很多不错的微积分和线性代数课程，可以结合着看。
我感觉是优化算法的理论。现在很多深度学习模型训练起来非常耗时，而且容易陷入局部最优解。如果能有更好的优化算法，或者能从理论上证明某些算法的收敛性和效率，就能大大提高AI模型的性能和训练效率。
陶哲轩大佬的话肯定有他的道理，抓住主要矛盾嘛。基础的矩阵和微积分是基石，但AI领域日新月异，光有这些肯定不够。就像盖房子，地基打好了只是第一步，还得学各种模型、算法，不断实践才能真正搞懂AI。而且我觉得数学的思维方式也很重要，得培养起来。
我觉得应该结合自己的实际情况来选择。如果数学基础比较薄弱，可以先从《简单微积分》或者《微积分的历程》入手，培养兴趣。如果想深入学习，那就啃《斯图尔特微积分》或者《线性代数应该这样学》。关键是坚持！
俺也一样！《普林斯顿微积分读本》确实是神器，当年考研全靠它了。不过每个人的学习风格不一样，最好还是都翻翻看，找一本自己最顺眼的书。毕竟学习这种事，兴趣才是最好的老师嘛！
推荐《简单微积分：学校未教过的超简易》，这本书比较生活化，用讲故事的方式讲解微积分，适合培养兴趣，降低学习门槛。
我觉得吧，入门的话选哪本不是最重要的，关键是要坚持下去，别三天打鱼两天晒网。先挑一本看起来顺眼，难度适中的，然后每天抽出一点时间学习，慢慢积累，就会越来越有感觉。
我觉得更重要的是数学思维，而不是死记硬背公式。 无论是线性代数还是微积分，本质上都是一种解决问题的工具。 重要的是理解这些工具背后的逻辑，才能在AI领域灵活应用。
同意楼上的观点。现在很多AI研究都在探索模型的可解释性，这背后就需要更强的数学功底来支撑。不仅仅是会算，还要理解为什么这么算，背后的数学逻辑是什么。
都重要！线性代数是AI的基础，大模型里各种矩阵运算、数据表示都离不开它。微积分也很重要，优化算法、梯度下降这些都得用到微积分的知识。
我觉得陶哲轩的意思不是说本科数学就够用了，而是说目前AI模型本身的数学原理，本科知识可以cover。但AI发展肯定需要更深入的数学理论，比如优化算法、概率统计、信息论等等，才能更好地理解和控制模型。
如果是零基础，可以先看看b站或者网易公开课上MIT的线性代数课程，Gilbert Strang老爷爷讲的特别好，然后再结合书本一起看，效果会更好。书的话《斯特朗线性代数》也是不错的选择。
个人觉得，数学是基础，AI 是应用。基础越扎实，应用才能更灵活。陶哲轩强调的是基础的重要性，只有掌握了扎实的数学基础，才能更好地理解和应用 AI 技术，应对未来的发展。