机器学习的先导课程

首先说数学课，不是所有都会用到，但是如果都精通自然最好。因为数学是工具，如果对工具都有恐惧的话，前进会非常的困难。

• 高等代数。注意，不是线性代数，如果你想做serious的机器学习，那么面向理工科的线性代数是不够用的，至少在看证明，以及自己想证明什么的时候。
• 数学分析
• 概率论
• 统计学。这里分开说是因为普通高校用的那本教材太集大成了，等你看算法的时候，就会发现当年书上有而老师没讲甚至书上没写的正是你要用的。当然如果书上写的你都不看就没有什么搞头了。
• 矩阵论
• 集合论
• 实变函数，泛函分析。这两门课写在这里是因为或多或少在分析算法的时候会用到，但是不会非常多。

计算机编程的相关内容，请参见：


--Update @ 2012.01.04


刚刚看到Matt Might对程序员的12点新年祝愿 http://matt.might.net/articles/programmers-resolutions/


抄录里面关于数学的内容


At its heart, computer science is a mathematical discipline.
Good mathematicians make good programmers.
Do not let your mathematical faculty wither.
Consider an annual one-month brush-up on one of these topics:

• Logic.
• Discrete mathematics.
• Calculus.
• Probability.
• Statistics.
• Abstract algebra.
• Number theory.
• Category theory.
• Order theory.

机器学习不是单纯的一门计算机课程，想要学好机器学习，用好机器学习，数学是多多益善的。