- Matemáticas discretas.
La mayoría de los datos con los que tratará cuando diseñe algoritmos son discretos. Raramente necesitaría usar su propio algoritmo para conjuntos de datos continuos.
- Teoría de grafos
Una gran cantidad de datos o conjuntos de datos están interconectados en la mayoría de los casos, por lo que las formas tradicionales de análisis estadístico no serán suficientes (generalmente debido a la complejidad y la eficiencia) por sí mismas.
- Métodos numéricos
Los métodos numéricos le permiten hacer aproximaciones precisas y eficientes en un mejor grado en algunos casos, y por lo tanto serían útiles para diseños de algoritmos.
- Estadística
La estadística es la forma clásica de analizar grandes datos. No es de mucho interés en sí mismo, pero en combinación con otras disciplinas constituyen la mayoría de los métodos de análisis en los tiempos modernos.
- Cómo contar el número de puntos enteros dentro del límite de N círculos dados por el radio y el centro
- ¿Cuáles son las aplicaciones de la teoría de grafos?
- ¿Por qué mi solución de fuerza bruta no produce una respuesta después de muchas horas?
- ¿Puedo decir que [matemáticas] 4 ^ {2n} = O (4 ^ {2n}) [/ matemáticas]?
- ¿Puedes descifrar el código ’34llo2yna24is4ll7a7ndilov46uor7′?
- Clases de algoritmo?
Honestamente, la mayoría de las clases de algoritmos solo combinan conocimientos y habilidades de otras áreas matemáticas relevantes y las unen. En estas clases, generalmente tienen como objetivo enseñarle todas las matemáticas, además de algunos trucos y medios para cuantificar qué tan rápido se ejecutará su algoritmo. Pero para empezar, una sólida formación en las cuatro disciplinas mencionadas anteriormente le dará una buena ventaja.
Tengo la fuerte sensación de que me faltan muchas cosas aquí, pero esto es solo para su referencia.