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?
Начните с теории вероятности, попутно пройдетесь по комбинаторике. Потом статистика.
Параллельно - заглядывайте в функциональный анализ и линейную алгебру.
Можно сразу же начать читать что-то вроде Мерфи или Бишопа по машинному обучению, чтоб было веселей.
ps если вы гурман, добавьте общую алгебру на десерт :).
на edx.org:
MITx 6.041x Introduction to Probability — The Science of Uncertainty Course Starts - Feb 04, 2014
UTAustinX UT.5.01x LAFF: Linear Algebra - Foundations to Frontiers Course Starts - Jan 16, 2014
Сложный
