微積分這東西往往一看就容易讓人望而生畏，畢竟作為高等數(shù)學的分支嚣潜，它們不知道折騰過多少同學冬骚。然而如果要涉足機器學習人工智能相關(guān)技術(shù)知識懂算，機智客或者這么說只冻，要涉足計算機更深更專的編程技術(shù)计技，相關(guān)的數(shù)學比如微積分這類基本知識又是繞不開的喜德。所以，該學還得學垮媒，能學多少能學多深舍悯，除了看天，還得看人贱呐，附加的還要看路丧诺。
以前完全小白的時候一看到微積分，還以為是一個概念驳阎。后來才知道是兩個概念：微分和積分馁蒂。而微分積分蜘腌，又互為顛倒逆轉(zhuǎn)運算。也就是說撮珠，微分的逆運算是積分，積分的逆運算是微分芯急。學到這里，機智客嘴角泛出一絲笑容：人類真有意思免姿，從A吭哧吭哧推導到B發(fā)現(xiàn)不解恨（還有問題要解決），又不甘心地吭哧吭哧再從B推導到A胚膊。
我們在前面的文章中已經(jīng)知道想鹰，導數(shù)dy/dx的概念，而微分就是摳摸這點增量那點增量辑舷，然后然后求導最終得到函數(shù)的微分，而積分呢惩妇，恰恰則是已知一個函數(shù)的導數(shù)，然后再去倒推這個導數(shù)的函數(shù)乔妈。所以微積分說白了氓皱，就是圍繞著導數(shù)折騰來折騰去路召，從這推導到那，再從那推導到這波材。
從函數(shù)和極限等基本概念開始，循序漸進涉足微分廷区。逐步了解推出延伸至導數(shù)和相關(guān)知識，然后就是再延伸隙轻，方向?qū)?shù)和梯度（廣大深度學習機器學習朋友最為熟悉的概念）垢揩。當然其中還有向量概念和知識敛瓷，直至到積分，展開函數(shù)原函數(shù)锋勺，不定積分定積分等等。
簡言之微分積分就是互為逆運算宙刘，無怪乎被叫做微積分牢酵。導數(shù)求導是關(guān)鍵的節(jié)點，也是重要的知識點馍乙。好多高階內(nèi)容都是圍繞這個展開的或者以這個為基礎(chǔ)奠定的。
微分通過細微增量來求導丝格，這里要了解導數(shù)，求導预伺、偏導等知識曼尊，而積分通過導數(shù)來求原函數(shù)，這里要了解原函數(shù)族骆撇，定積分不定積分等知識。機智客覺得神郊，要知道我們都了解深度學習項目中每天都在搞梯度下降找最小損失。說到底蜻懦，就是小碎步扭扭捏捏小心翼翼往下挪步夕晓，最終找那個最低點的值宛乃。所以翻來覆去推來推去微分積分吧，搞透了乔煞，再回頭看機器學習深度學習的相關(guān)項目知識和代碼柒室，相對就好多了——畢竟不光求導逗宜，機器學習深度學習貫穿了很多數(shù)學知識雄右。
