Para trabajar con aprendizaje automático / big data, necesitará mínimamente las siguientes matemáticas:
- Álgebra lineal
- Cálculo diferencial e integral
- Estadísticas: por lo que puedo decir, el curso de Probabilidad y Estadística ofrecido por Khan Academy es insuficiente y no veo una clase de continuación
Yo recomendaría incluir:
- Cálculo vectorial
- Análisis numérico
- Ecuaciones diferenciales
- Ecuaciones diferenciales parciales
- Análisis real
ML / big data se apoyan mucho en conceptos de Álgebra lineal. Probablemente pueda sobrevivir sin conocer el cálculo vectorial, pero tendrá dificultades con los conceptos que se explican utilizando el cálculo vectorial.
- ¿Dónde puedo conocer y salir con profesores que trabajan en la intersección de algoritmos de aproximación y teoría de números algebraicos?
- ¿Por qué utilizamos el kit de microprocesador 8085 para agregar dos números hexadecimales en lugar de un simple proceso de suma?
- ¿Cómo puede la informática teórica informar a la neurociencia?
- Dadas N monedas, colocadas en una fila, indexadas 1 a N de izquierda a derecha. Inicialmente todas las monedas muestran cabeza. En cada turno, dos enteros, no necesariamente distintos, A y B entre 1 y N (inclusive) se eligen de manera uniforme al azar. Todas las monedas con un índice de A a B (inclusive) se voltean. ¿Cuál es el número esperado de monedas que muestran la cabeza después de que M gira?
- ¿Se puede programar una computadora para probar problemas matemáticos complejos no resueltos?
Data Science for Big Business es un excelente texto introductorio que incluye descripciones claras de qué técnicas están disponibles, cómo funcionan, cuándo usar una técnica determinada, así como las limitaciones y desventajas. Además, hay ejemplos para trabajar con datos descargables.