Чек-листы по математики для Data Science?

Question

[imperiumcat]

Решил прокачать математический бэкграунд для data science.

Выделил такие области:

1. Дискретная математика
   
2. Теория графов
   
3. Теория алгоритмов
   
4. Статистика
   
5. Теория вероятностей (!!! не одной вероятности, а много вероятностей)
   

(совершенно верно, вероятностей, просто я безграмотно перевел английский вариант Probability Theory)

помогите составить чек-лист для каждой области, тех вещей, понятий, которые нужно точно усвоить в разрезе практической применимости для data science и тех, которые не очень практичны.

Типа:

Теория графов - алгоритм Дейкстры, в дискретной математике - в матлогику не стоит углубляться и т.д.

+ (но это космос, понимаю) практические критерии по которым эти знания можно оценить (задачники какие-нибудь)

Comments

[imperiumcat]

brainick: хмм, так на чем лучше концетрироваться?

[imperiumcat]

brainick: конечно, читаю свободно

[imperiumcat]

brainick: спасибо

[imperiumcat]

brainick: Большое спасибо!

Если добавите этот ответ в основую ветку, отмечу его как решение.

Answer 1

[Владимир Олохтонов]

Как научится писать обработку данных, машинное обучение и куда с этим потом идти? - вот здесь хорошие статейки :)