本文探讨了学习大数据所需的基础数学知识，包括微积分、线性代数、编程语言（如Python）和算法。随着学习深入，涉及概率论、统计、优化算法和机器学习，为成为合格的机器学习科学家或工程师打下基础。高阶课程涵盖概率图模型、整数规划、计算机视觉等领域，特别提到了深度学习和增强学习的重要性。
其实笼统地说大数据原理和基础都在数学这边，当然有很多偏应用和软件使用的技术，例如“深度学习调参”等，这些报个培训速成班就能学会的技术含量不那么高的东西，不在讨论范围内。
这里要讨论的，是如何系统的学习，然后自己能编出这机器学习或深度学习的程序或软件。我想，这才能称为一个合格的机器学习、数据科学家。
所以您准备好了吗？
大数据入门基础
1, 微积分（求导，极限，极值）和线性代数（矩阵表示、矩阵运算、特征根、特征向量）是基础中的基础，某篇图像分割1w+引用的神文核心思想便就求解构造矩阵的特征向量；
【大数据开发学习资料领取方式】：加入大数据技术学习交流群458345782，点击加入群聊，私信管理员即可免费领取<
最低0.47元/天 解锁文章
扫一扫
149
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
