Un curso de álgebra lineal. No puedo enfatizar esto lo suficiente. Creo que no hay nada más útil que un conocimiento básico en álgebra lineal.
Algunos ejemplos
¿Quieres entender PCA? El análisis de valor de Eigen lo ayudará con eso.
- ¿Cuál es la mejor manera de encontrar el conjunto de patrones similares en datos de series de tiempo?
- ¿Cuáles son los modelos actuales de análisis de sentimiento de arte independientemente de la efectividad?
- ¿Qué es mejor para una implementación de juego de 20 preguntas, redes neuronales o árboles de decisión?
- ¿Por qué usar Kohonen SOMs sobre K-means, o viceversa?
- ¿Qué conocimiento previo es necesario para el aprendizaje automático?
¿Qué tal algunos problemas de optimización (descenso de gradiente, búsqueda de raíces) o algunos ajustes básicos de curvas (splines, polinomios por partes, etc.)? Incluso el simple problema de mínimos cuadrados le daría una idea interesante de ML. Aquí hay una muestra de cómo se vería un curso sobre esto – Primavera 2016 – RELACIONAR
A continuación, recomendaría encarecidamente tomar un curso sobre probabilidad. Sería de gran ayuda para usted si puede comprender cómo funciona la probabilidad condicional. Le ayudará a comprender los algoritmos bayesianos y otros algoritmos probabilísticos como los modelos de mezcla gaussiana (GMM). Creo que la probabilidad será parte de un curso de estadísticas si no, tome un curso de estadísticas también.
Si tiene tiempo, tome un curso de cálculo vectorial y cálculo (suponiendo que cubran PDE (ecuaciones diferenciales parciales).
Avíseme si desea que amplíe algo en particular.