Creo que las áreas más importantes de las matemáticas para el aprendizaje automático son, en orden decreciente:
- Álgebra lineal
- Probabilidades y estadísticas
- Cálculo (incluido el cálculo multivariante)
- Mejoramiento
Después de eso, creo que se cae rápidamente. También he encontrado útil la teoría de la información. Puede encontrar cursos sobre todos estos en Coursera o en la mayoría de las universidades.
Si bien es difícil argumentar en contra de saber más matemáticas, creo que el nivel de matemáticas necesario para hacer el aprendizaje automático de manera efectiva, o para obtener un doctorado en aprendizaje automático, ha disminuido con los años. Esto se debe a que el aprendizaje automático se ha vuelto más empírico (basado en experimentos) y menos teórico, especialmente con el surgimiento del aprendizaje profundo.
- Cómo construir IA para resolver este juego
- ¿Alguien puede ser alérgico a la inteligencia artificial?
- Cómo aprender IA sin tener habilidades de programación
- ¿Cuáles son los videos más inspiradores sobre inteligencia artificial y robótica?
- ¿Cuáles son algunas cosas que creemos que son ciertas para las redes neuronales pero que aún no podemos probar?
Como estudiante de doctorado, me encantaba el análisis real, y también estudié geometría diferencial, teoría de medidas y geometría algebraica. Si bien es mejor que conozca estas áreas, en un mundo en el que tiene un tiempo limitado, considere pasar más tiempo estudiando el aprendizaje automático e incluso estudiando algunos de los otros fundamentos técnicos para construir sistemas de inteligencia artificial, como los algoritmos que subyacen en la construcción de sistemas de big data y cómo organizar bases de datos gigantes, además de HPC (informática de alto rendimiento).
¡La mejor de las suertes!