Можете посоветовать книги по математике для машинного обучения, где все будет разжёвываться максимально понятно и не будет с самого начала оперирования множеством терминов, которые впоследствии придётся гуглить.
Судя по вопросу, начинать надо не с "математике для машинного обучения" а с математики для средней школы. Тогда и не придется "гуглить с самого начала".
Судя по всему, мы имеем обычный случай "найти себя" в какой-нибудь области. Но если по IoT нужны знания больше инженерно-технические, то в ML нужна настоящая теоретическая подготовка по математике. Если всё же очень хочется - начинать можно с любого вузовского учебника по линейной алгебре.
Вы безусловно правы, просто есть мечты соединить эти 2 направления. IoT это же не только «железо». Соответственно я хочу взглянуть на то, с чем я возможно буду иметь дело, чтобы не судить о вещах с пустых слов.
Anton Anton, эти вещи довольно-таки ортогональны. Мир IoT - это множество маленьких слабых устройств, для которых даже коммуникация является проблемой, а ML - это сложные ресурсоёмкие вычисления. Можно придумать задачи, в которых их можно скрестить (например, собирать информацию с группы датчиков информацию на сервер и там её анализировать), но в целом эти области останутся ортогональны.
При этом векторы и матрицы - одна из основ высшей математики. Именно поэтому я и посоветовал линейную алгебру. Скорее всего, в любой книге на тему машинного обучения будет предполагаться, что читатель не впадёт в ступор от слов "ранг матрицы", "собственное значение" или "метод Крамера".
Сложный
Простой
