องค์ประกอบทางคณิตศาสตร์น่าจะรวมถึงพีชคณิตขั้นสูงตรีโกณมิติพีชคณิตเชิงเส้นและแคลคูลัสอย่างน้อยที่สุด
แต่ยังคิดนอกกรอบ ทักษะการเขียนโปรแกรมที่ดียังมีความจำเป็นรวมถึงรากฐานที่มั่นคงในอัลกอริทึม (Coursera มีสองหลักสูตรเกี่ยวกับอัลกอริธึม) และความเชี่ยวชาญกับ MatLab, Octave หรือ R (และด้วยภาษาโปรแกรมที่ยืดหยุ่นเช่น Java, C / C ++ หรือ Python) ฉันพูดถึงสิ่งเหล่านี้ในการตอบคำถามของคุณเพราะพวกเขามีทักษะ "คณิตศาสตร์ประยุกต์" มากกว่าในความคิดของฉัน - และเป็นพื้นฐานในการแปลระหว่างทฤษฎีและการนำไปใช้งาน
ฉันใช้หลักสูตร Coursera จำนวนหนึ่งที่เกี่ยวข้องกับการเรียนรู้ของเครื่อง (และเห็นด้วยกับโปสเตอร์อื่น ๆ ที่ Prof. Ng's Machine Learning นั้นยอดเยี่ยม) และ NN ไม่กี่เดือนที่ผ่านมา Coursera ได้จัดหลักสูตร Neural Networks (ไม่แน่ใจว่ายังมีให้บริการ) ผ่าน University of Toronto และ Geoffrey Hinton หลักสูตรที่ยอดเยี่ยมและเรียกร้อง: ความรู้เกี่ยวกับแคลคูลัสความสามารถกับ Octave (โคลนแบบเปิดแหล่ง MatLab) การออกแบบอัลกอริทึมที่ดี (สำหรับความยืดหยุ่น) และพีชคณิตเชิงเส้น
นอกจากนี้คุณยังอาจ (ในขณะที่ไม่ใช่คณิตศาสตร์ต่อ se) คิดเกี่ยวกับหัวข้อต่าง ๆ เช่นการประมวลผลภาษาธรรมชาติ (สำหรับการดึงคุณสมบัติ ฯลฯ ) การดึงข้อมูลสถิติ / ทฤษฎีความน่าจะเป็นรวมถึงส่วนอื่น ๆ ของการเรียนรู้ของเครื่องจักร ข้อความล่าสุดเช่น Foundations of Machine Learning (Mohri) หรือ Introduction to Machine Learning (Alpaydin) อาจเป็นประโยชน์กับคุณในการลดความซับซ้อนของทฤษฎีต่อการใช้งาน (เพียงแค่ในความคิดของฉันนี่อาจเป็นก้าวกระโดดที่ยาก) - และทั้งคู่ ตำราเป็นคณิตศาสตร์ที่หนักมากโดยเฉพาะฐานราก
อีกครั้งฉันคิดว่าทั้งหมดเกี่ยวข้องกับคณิตศาสตร์และ NN แต่ในแง่ที่กว้างขึ้น