Как изучать математику для Data Mining, Machine Learning и тп? Здравствуйте Я учился на инженерной специальности, и дискретной математики не было вообще (кроме основ теории вероятностей). Полгода назад решил стать программистом, тк до этого это было просто хобби. Как-то ради интереса взял курс по машинному обучению на coursera. Даже не знаю, как описать какие чувства меня переполняли, когда я прошел первую неделю) В общем я твердо решил, это то, чем я хочу заниматься. Однако, я понял, что математическая подготовка у меня явно слабая. Хочу попросить совета у людей, которые работают/учатся в подобных областях, что и в какой последовательности лучше учить, чтобы поднять свой уровень. Вопрос конечно крайне абстрактный, но надеюсь, кто-нибудь поделится своим мнением, посоветовать литературу Первое, что я понял неплохо бы подучить статистику - с нее я и начал Далее планирую подтянуть тервер и комбинаторику. Правильно ли это?
Как начинающему в области Data Mining и Machine Learning, вам действительно будет полезно углубить свои знания в математике. Ваш план подтянуть статистику, теорию вероятностей и комбинаторику звучит хорошо.
В дополнение к этому, рекомендуется изучить следующие математические темы:
Линейная алгебра - понимание матриц, векторов, операций над ними и их применение в машинном обучении.Математический анализ - основы дифференцирования и интегрирования, необходимые для понимания алгоритмов оптимизации в машинном обучении.Оптимизация - изучение методов оптимизации функций, которые используются при обучении моделей машинного обучения.Теория графов - понимание алгоритмов на графах, которые могут быть применены в анализе данных.
Для изучения этих тем вы можете использовать учебники по соответствующим дисциплинам, онлайн курсы и ресурсы, такие как Khan Academy, Coursera, edX, Udacity и другие.
Как начинающему в области Data Mining и Machine Learning, вам действительно будет полезно углубить свои знания в математике. Ваш план подтянуть статистику, теорию вероятностей и комбинаторику звучит хорошо.
В дополнение к этому, рекомендуется изучить следующие математические темы:
Линейная алгебра - понимание матриц, векторов, операций над ними и их применение в машинном обучении.Математический анализ - основы дифференцирования и интегрирования, необходимые для понимания алгоритмов оптимизации в машинном обучении.Оптимизация - изучение методов оптимизации функций, которые используются при обучении моделей машинного обучения.Теория графов - понимание алгоритмов на графах, которые могут быть применены в анализе данных.Для изучения этих тем вы можете использовать учебники по соответствующим дисциплинам, онлайн курсы и ресурсы, такие как Khan Academy, Coursera, edX, Udacity и другие.
Удачи в вашем обучении!