데이터 마이닝 및 기계 학습을 준비하기 위해 자체 지시 수학 커리큘럼을 구성하려고합니다. 이것은 코스타에서 Andrew Ng의 머신 러닝 수업 을 시작 하고 진행하기 전에 수학 능력을 향상시켜야한다고 느꼈습니다. 얼마 전 대학을 졸업 했으므로 대수와 통계 (특히 정치 과학 / 심리학 수업)는 녹슬 었습니다.
스레드의 답 수학의 강력한 배경이 ML의 전제 조건입니까? 기계 학습과 직접 관련된 서적이나 수업 만 제안합니다. 나는 이미 그 클래스들과 서적들 중 일부를 살펴 보았고 어떤 수학 과목을 공부해야하는지 정확히 알지 못했습니다 (예 : 수학 함수의 어떤 필드 (들)가 "비용 함수를 최소화하기 위해 방정식을 도출 하는가?"). 제안 된 다른 스레드 ( 데이터 분석가가 필요한 기술 및 과정 ) 는 데이터 분석에 필요한 광범위한 기술 범주 만 언급합니다. 수학자 통계 개요 스레드 는 아직 수학 학위가 없기 때문에 적용되지 않습니다. 유사한 스레드 수학자가 품질 통계 학위와 동등한 지식을 원합니다. 통계 책 목록에는 놀라운 목록이 있지만 다시 한 번, 녹슨 대수를 기억하여 수학을 시작하고 거기에서 위로 올라갑니다.
머신 러닝과 데이터 마이닝 분야 에서 일하는 사람들은 어떤 수학 분야에서 일을해야한다고 생각하십니까? 데이터 마이닝 및 머신 러닝을 준비하기 위해 어떤 수학 과목을 제안 하시겠습니까? 여기까지 내가 가진 목록과 순서는 다음과 같습니다.
- 대수학
- 미적분학
- 계산법
- 선형 대수
- 개연성
- 통계 (여기서는 여러 하위 필드가 있지만이를 분리하는 방법을 모름)
데이터 마이닝 및 머신 러닝에 관해서는 현재 직장을 통해 웹 사이트 / 앱 활동, 고객 / 가입 트랜잭션 및 부동산 데이터 (정적 및 시계열)에 대한 레코드에 액세스 할 수 있습니다. 데이터 마이닝 및 머신 러닝을 이러한 데이터 세트에 적용하고 싶습니다.
고맙습니다!
편집하다:
후세를 위해, 나는 CMU 의 Geoffrey Gordon 's / Alex Smola의 기계 학습 입문 강의를 위한 유용한 수학 자체 평가 를 공유하고 싶었습니다 .