1.高等数学
这门课是基础中的基础。学习了高等数学才能继续后面的课程。
2.概率论、数理统计
大数据有一个基本的假设就是这些数据是基于某种概率分布。通俗一点说就是大数据是某种概率模型。
3.优化理论
计算某个模型的时候,通常需要达到某个最大值或者最小值。这就十分需要优化理论了,包括但不限于线性优化、最优化、凸优化
4.数值分析
有时需要计算某个积分值、微分方程等等
5.近世代数(了解一下)
在学习的过程中遇到:xx群、xx环……就到近世代数中去找
6.数论
非常重要,大数据中很多概念来自于数论
7.泛函分析(了解一下)
遇到什么希尔伯特空间啊,这空间那空间什么的,就看泛函分析
8.矩阵论(重要)
等你开始推模型的时候就会发现,全都是矩阵公式的推导。什么矩阵的加减乘除、矩阵的微分、矩阵的分解。
如果看矩阵论很吃力那就需要补一下线性代数
9.线性代数
这是基础中的基础