Некоторые знания из математики, которые будут полезны аналитику:

• Классический математический анализ. 1 Дифференциальное и интегральное исчисление лежат в основе Data Science и машинного обучения. 1
• Линейная алгебра. 16 Раздел математики, который помогает понять, как алгоритмы машинного обучения работают с потоком данных. 1
• Теория вероятностей и математическая статистика. 6 Знания о случайных величинах, их характеристиках и распределении помогают рассчитать вероятности и проанализировать, какие колебания и связи являются случайными, а какие несут в себе смысл. 6
• Дискретная математика. 1 Эта область математики лежит в основе вычислительных систем, которые используются в современной науке о данных. 1

Для восполнения пробелов в математических знаниях аналитику можно пройти следующие курсы:

• «Математика для анализа данных» ФКН НИУ ВШЭ. 2 В рамках программы изучают основные разделы математики для анализа данных: дискретную математику, матанализ, линейную алгебру и теорию вероятностей. 2
• «Математика для анализа данных» «Яндекс Практикум». 2 Курс включает главные разделы математики, которые нужны аналитикам данных, а также дополнительные темы: А/B-тесты и другие статистические методы, алгоритмы обучения нейросетей, линейную регрессию и приложения линейной алгебры в анализе данных. 2
• «Математика для Data Science» PROGLIB.ACADEMY. 2 Курс от создателей отраслевого медиа «Библиотека программиста» включает три базовых раздела математики: математический анализ, линейную алгебру, теорию вероятностей и статистику, а также комбинаторику и применение всех этих тем в области машинного обучения. 2