幾乎所有操作都有矩陣運算，所以至少最基礎的線性代數需要掌握
建議從單壹的感知機Perceptron出發，繼而認識到Decision Boundary(判別邊界),以及最簡單的壹些“監督訓練”的概念等，有機器學習的基礎最好。就結果而言，諸如“過擬合”之類的概念，以及對應的解決方法比如L1 L2歸壹，學習率等也都可以從單個感知機的概念開始入門。
從單層感知器推廣到普通的多層感知器MLP。然後推廣到簡單的神經網絡（激活函數從階躍“軟化”為諸如tanh等類型的函數），然後引入特定類型的網絡結構，比如最基本的全連接、前向傳播等等概念。進而學習訓練算法，比如反向傳播，這需要微積分的知識（Chain rule）,以及非線性優化的最基礎部分，比如梯度下降法。
其次至少需要具備壹些適用於研究的編程語言的技能，例如python，matlab，（C++也可行）等，哪怕不自己實現最簡單的神經網絡而是用API，也是需要壹定計算機能力才能應用之。