Решил прокачать математический бэкграунд для data science.
Выделил такие области:
- Дискретная математика
- Теория графов
- Теория алгоритмов
- Статистика
- Теория вероятностей (!!! не одной вероятности, а много вероятностей)
(совершенно верно, вероятностей, просто я безграмотно перевел английский вариант Probability Theory)
помогите составить чек-лист для каждой области, тех вещей, понятий, которые нужно точно усвоить в разрезе практической применимости для data science и тех, которые не очень практичны.
Типа:
Теория графов - алгоритм Дейкстры, в дискретной математике - в матлогику не стоит углубляться и т.д.
+ (но это космос, понимаю) практические критерии по которым эти знания можно оценить (задачники какие-нибудь)
