这个问题相对来说的话，要看工作的深度如何。下面我详细回答一下。如果说只是做数据科学领域里面数据分析相关的工作，对数学的功底并不需要那么高。通常来讲，会用python里面的numpy库来进行数据的矩阵运算，会用pandas库来进行数据的读取与格式化处理，会用matplotlib来进行数据的可视化展示，以及会一些数据的清洗处理等操作就够用了。甚至如果数据量不大，直接用excel或spass就能做数据分析，这些并不需要多深的数学功底。

如果是想做数据挖掘或大数据方向，甚至是机器学习、深度学习等方向，那么对数学要求就比较高了。像如机器学习里面的贝叶斯算法、马尔可夫模型通常会用到概率论知识，像如先验概率、条件概率等。又像如一些线性回归、逻辑回归、SVM等算法，又会用到数学里面的梯度下降、最大最小二乘法等知识。同时高数里面的微积分知识、泰勒公式、线性代数里面的矩阵内容、概率论里面的极大似然、最大似然估计等算法都是会用到的。

而且随着在人工智能领域学习的深入，对数学的要求也会越来越高，有时候要求的不仅是既定的数学知识，更多的是一种数学上严谨的逻辑思维。所以说，在入行数据科学与大数据技术这个领域之前，最好先给自己能做到什么程度进行一个定位，在选择不迟。

我最近正在持续分享一些关于python的一系列知识，感兴趣的可以关注小编相互交流！