私はこのトピックに関するいくつかの答えを読みましたが、まだ質問があります。数学のコースはたくさんあります。すべてのコンピューター科学者はどの数学のクラスを取るべきですか?そして、どのクラスが最初のクラスである必要があり、なぜですか?
非常に良い重要な質問です!すべてのコンピューター科学者にとって数学の十分な理解は不可欠であり、数学の要件はますます多様化し始めています。
とはいえ、機械学習クラスのイントロが利用可能であれば、基本的な確率クラスで得られる十分な線形代数やその他のものをおそらくカバーします。ただし、コンピューターサイエンスの大学院課程では、上記の数学のすべての分野を十分に理解することが不可欠です。
学部の数学を超えて、高レベルの数学コースは、コンピューターサイエンスの特定の理論分野(たとえば、経済学と交差するアルゴリズムゲーム理論)で、特に機械学習の専門家を超えて新しいアルゴリズムを開発するのに役立ちます。これらのコースは次のとおりです。
実際の分析 を含む 測定理論 ここで、確率と計算を十分に長く研究すると、再び収束することがわかります。一般に、分析は、数値が関係するアルゴリズムを使用して作業を開始するときに知っておくと便利です。
最適化 、 線形最適化 、 凸最適化 、 勾配降下 など。多くの場合、機械学習モデルの「学習」は基本的に目的関数の最適化に帰着し、この関数の特性(凸であるかどうかなど)は最適化の容易さに大きな影響を与えます。
数値メソッド :一部の人はこれを数学クラス自体とは見なしませんが、アルゴリズムと理論を不完全な表現に変換します浮動小数点演算の場合、解決すべき多くの実際的な問題があります。たとえば、 log-sum-exp trick 。
「データサイエンス」および関連分野に携わる人にとって、高度な統計、特に 因果推論 は非常に重要です。知っておくべきことがたくさんありますが、その多くは、多くのデータにアクセスできるため、未経験者にとっては この問題 です。
「コンピュータサイエンティスト」を指定しているため、ハードルートを使用します。