Доброго времени суток!
С начала декабря я взялся за повторение школьного курса математики с 7 по 11 класс. Сейчас прохожу квадратичные функции y= k/x (8 класс). На сколько я знаю для машинного обучения нужно знать теорию вероятности, мат.анализ, дискретную математику и ещё несколько разделов высшей математики. Где-то читал, что это отдельные разделы математики и в принципе ( как я понял), школьную математику необязательно всю знать для их изучения, но желательно. У меня такой вопрос: какие темы из школьного курса можно пропустить, не повторять, а какие обязательно нужны к изучению, чтобы в дальнейшем перейти к машинному обучению?
Суть не в том, что лень проходить всё заново, а суть в том, что хочется рационально и максимально эффективно распределить своё время, не тратя его на ненужные вещи.
Чтобы не тратить время зря и быстрее заняться ml - не тратьте время на базовую математику вообще. Начните с курса по регрессионному анализу, например есть на Курсере курс ВШЭ - Эконометрика. Только занимайтесь честно - лекции записывайте, задачи делайте (а не просматривайте лекции лежа на диване). Это будет трудно, но за 10 недель у вас будет хорошая основа для понимания алгоритмов как кластеризации, так и регрессии, будут нужные части линейной алгебры, теории вероятности и матстатистики. В процессе обучения как раз и будете заглядывать в школьные учебники, когда понадобятся теорема Ферма и всякие другие про экстремумы функций. Заодно R освоите, тоже вполне себе пригодится.
знание школьной математики в первую очередь необходимо для того, что бы изучать математику дальше. Вы ни на шаг не продвинетесь в мат. анализе, если не понимаете, что будет при переносе частей уравнения с одной стороны на другую, ну и так далее. Если в школе у вас по математике была хотя бы 4, то можно переходить непосредственно к следующим шагам, вспоминая школьный курс по необходимости.
Сложный
