不學好數學的ML工程師不是好數據科學家
數學是一切學科的基礎，學習數學是永無止境的。如果你從事商業領域，或者你所處的行業都是工程、數據、物理以及其他精密科學方面的專業人才，那么學習數學就更有必要了。
在接觸數據科學和機器學習時，我已經10年沒有碰過數學和數據之類的東西，也正因如此，最開始我進行得非常困難。我花了好幾個小時看視頻，想了解日常工業生產中使用的工具是如何運轉的。
然而，我發現對于Jupyter筆記本中的“import” 和 “fit”，理解它們背后的機制很有必要，所以我決定要重拾那些久未觸碰的數學知識。
確實，僅是數據科學方面就還有很多需要學習的知識。但你想過嗎?技術和語言來來去去，但其背后的數學知識卻是永恒不變的。
好好利用這次不幸疫情賜給我們的閑暇時光吧，畢竟接下來一段時間你只能待在家里了，不如一起來聽網課。
1. 機器學習的必備數學知識：Python
課程來源：edX
課程提供機構：微軟
課程時長：50小時
課程學習前的要求：掌握Python以及一些基本數學知識
課程簡介：
想要學習機器學習或者人工智能，但卻擔心不具備相應的數學知識嗎?“代數”以及“微積分”這樣的詞匯會讓你覺得可怕嗎?是不是在學校學習數學的日子已經過去太久，以至于你已經忘得差不多了?
別擔心，很多人都是這樣。機器學習和人工智能都是基于一些數學原理，比如微積分，線性代數，概率以及最優化。許多即將踏入人工智能領域的從業者都會對這些知識感到懼怕。
圖源：unsplash
這門課程并不會助你成為一名數學家，只會教給你一些基礎概念以及相應的表示符號。這門課程也將傳授給你如何處理數據，并運用你學到的技能。
涉及到的主題：
- 等式、函數、圖表
- 統計和概率
- 微分和最優化
- 矢量和矩陣
小貼士：這門課程有開課日期，但你可以在這之前選擇一個日期，并從那里開始免費觀看所有內容。
2. 在數據科學中使用Python會遇到的概率和統計
課程來源：edX
課程提供機構：加州大學圣地亞哥分校
課程時長：100-120小時
課程學習前的要求：掌握多元微積分和線性代數
課程簡介：
圖源：pexels
不確定性推理是噪聲數據分析中固有的。概率與統計為這種推理提供了數學基礎。
在這門課程中，你會學到概率和統計的基礎知識，不僅能掌握數學理論，還能學會如何在Jupyter筆記本中對實際數據運用這些理論。
涉及到的主題：
- 機器學習的數學基礎
- 統計素養：理解如“99%的置信水平”這類表達的含義
小貼士：這門課程有起始日期，但你可以選擇一個之前的起始日期，并從那里開始免費觀看所有內容。
3. 機器學習中的數學
課程來源：Coursera
課程提供機構：倫敦帝國理工學院
課程時長：104小時(實際上的課時至少要多出50%)
課程學習前的要求：無
圖源：pexels
課程簡介：
在很多高階的機器學習及數據科學課程中，你會發現自己需要更新一些基礎的數學知識。也許這些知識在學校已經學過了，但這門課程會從其他方面，或者是從不那么直觀的方面來解讀。而你也很難將這些知識應用到數據科學中去。
這一專業課程旨在彌補上述鴻溝，幫助你更好地學習并直觀理解一些潛在的數學知識，并將其運用于機器學習和數據科學。
涉及到的主題：
- 主成分分析
- 線性代數
- 多元微積分
小貼士：Coursera上的課程及專業課都可以旁聽。即使你沒有相應的文憑也可以接觸到大量的課程資源，上面的課程簡直太豐富了。注冊以后，你只需選擇旁聽的選項即可。
4. 貝葉斯統計：從概念到數據分析
課程來源：Coursera
課程提供機構：位于圣克魯茲的加州大學
課程時長：22小時(實際上不少于30小時)
課程學習前的要求：掌握有關概率的一些基礎知識
課程簡介：
這門課程會介紹貝葉斯統計的相關方法，從概率的概念拓展到數據分析，將講授貝葉斯的相關理論和方法，以及如何將其運用于常見的數據類型，也會將貝葉斯理論和頻率主義學派進行對比，后者則更常出現于課程當中。
通過這樣的對比，將向你展示貝葉斯理論的優勢所在。
涉及到的主題：
- 概率以及貝葉斯定理
- 連續數據模型
- 統計推斷
- 離散數據的先驗和模型
學好數學，為你卓越的數據科學家之路奠基，快點開始吧。
