数据科学竞赛:Kaggle、天池。。。
机器学习基础:1、微积分基础(泰勒公式、导数和梯度);2、概率论与统计(概率公式、常见分布、常见统计量);3、线性代数(矩阵)
图片链接:https://scikit-learn.org/stable/tutorial/machine_learning_map/index.html
相关资料:
1、李航,统计学习方法,清华大学出版社,2012
2、周志华,机器学习,清华大学出版社,2016
3、machine learning , Andrew ng ,coursera (https://www.coursera.org/learn/machine-learning)
4、机器学习基石/技术,林轩田,coursera (https://www.coursera.org/instructor/htlin)
高等数学:微积分(两边夹定理/夹逼定理)、导数及二级导数、泰勒公式(Taylor公式)、方向导数及梯度、凹凸函数(琴生不等式)、
概率公式:条件概率、全概率公式、贝叶斯公式、概率分布(两点分布、二项分布、泊松分布、均匀分布、指数分布、正太分布)
统计:期望、方差、协方差
svd:一个常用的降维算法
数学推荐书籍:《数学分析》