Для работы инженером в области машинного обучения нужны следующие разделы математического анализа, теории вероятностей и алгебры:

1. Математический анализ. 12 Дифференциальное и интегральное исчисление функций одной переменной. 1 Помогает понимать поведение функций и их изменения. 1 В машинном обучении эти понятия часто встречаются в задачах, связанных с настройкой гиперпараметров модели и минимизацией ошибок. 1

2. Линейная алгебра. 12 Важнейший инструмент для работы с многомерными данными и построения сложных моделей. 1 Лежит в основе многих алгоритмов машинного обучения, особенно тех, что работают с большими объёмами данных. 1 Основные темы: векторы и матрицы, операции над ними, определители и обратные матрицы, собственные значения и собственные векторы. 1

3. Теория вероятностей и статистика. 12 Играют ключевую роль в понимании того, как работают модели машинного обучения и как интерпретировать их результаты. 1 Основные моменты: основы теории вероятностей (вероятность событий, условные вероятности, байесовская статистика), распределения вероятностей (нормальное распределение, распределение Пуассона и другие), оценка параметров и гипотез, корреляция и ковариация. 1

4. Основы многомерного анализа. 1 Интегральное и дифференциальное исчисление для функций с несколькими переменными. 1 Знание многомерного анализа важно для работы со сложными моделями машинного обучения, где требуется оптимизация в многомерных пространствах. 1