从事智能决策研究需要掌握以下知识：
- 数学基础 ：
-
高等数学：微积分、线性代数、概率论与数理统计、随机过程、离散数学、数值分析等。
-
这些数学知识是理解复杂算法和模型的基础，有助于从更高层次抽象实际问题，使计算机能够理解和处理。
- 数据科学 ：
-
数据处理与分析：能够读懂数据、挖掘数据中的信息、发现数据中的问题，对数据敏感，能够绘制数据地图。
-
编程技能：精通Python和Java等编程语言，能够实现算法并进行数据处理。
-
大数据技术：熟悉大数据处理工具和技术，如Hadoop、Spark等。
- 算法与机器学习 ：
-
算法积累：了解并掌握人工神经网络、支持向量机、遗传算法等算法。
-
机器学习理论：理解机器学习的基本方法，如归纳、泛化、特化、类比等，并能够建立各种学习模型。
-
深度学习：熟悉深度学习的基本原理和技术，如卷积神经网络（CNN）、循环神经网络（RNN）等。
- 决策理论与方法 ：
-
智能决策理论：了解智能决策的形成背景、知识发现、粗糙集理论等。
-
决策类型与程序：研究现代决策的类型、特点、体制、程序和方法。
-
决策方法：掌握硬方法（如数学化、模型化、计算机化）和软方法（如特尔斐法、头脑风暴法等）。
- 计算机知识 ：
-
编程语言：至少掌握一门编程语言，如C语言、MATLAB等。
-
计算模型：了解并能够应用各种计算模型，如决策树、神经网络等。
-
硬件知识：如果深入研究硬件，还需要了解一些电类基础课程。
- 领域知识 ：
-
根据具体应用领域，了解相关的专业知识，如医学、金融、管理等。
-
这有助于将智能决策技术应用到实际场景中，提高决策的准确性和有效性。
- 软技能 ：
-
心理学和社会心理学：了解决策人的素养、能力和精神状态对决策质量的影响。
-
群体决策：研究群体内部结构、目标冲突、智力、性格等因素对决策效率和质量的影响。
- 工具与平台 ：
-
熟悉常用的智能决策工具和平台，如TensorFlow、PyTorch、Scikit-learn等。
-
能够使用这些工具进行模型构建、训练和评估。
综上所述，从事智能决策研究需要具备扎实的数学基础、数据科学和编程技能，同时需要了解智能决策的基本理论和方法，并积累相关的算法和领域知识。此外，掌握一些软技能和工具使用也是非常重要的。