Mientras estudia y trabaja en el campo de Big Data y Machine Learning, qué asignatura de Matemáticas es más útil: 1. Álgebra lineal 2. Probabilidad y estadística. ¿Dónde y por qué?

Answer 1

¡La respuesta corta es AMBAS!
Para modelar un problema, necesitará herramientas de probabilidad y estadísticas. Debe modelar la distribución de datos, hacer una suposición razonable sobre los datos y cómo se generan. Una vez que haya terminado con la tarea de modelado, entonces viene el mayor problema de usarla. El modelado se puede hacer con un pequeño subconjunto de datos, pero mientras se trabaja con datos grandes, LA (Álgebra lineal) será útil. Puede usar técnicas de LA para la reducción de la dimensionalidad, resolver el problema del valor propio grande (valor singular) y, lo más importante, hacer que todo el análisis sea escalable. Existe una gran cantidad de bibliotecas para realizar operaciones distribuidas de LA.
En la industria, necesitará conocimiento de ambos para realizar cualquier análisis útil con datos. Y el conocimiento de cómo transformar sus ideas en código / solución de trabajo siempre es una ventaja adicional.

Para comenzar con LA, debe escuchar Gilbert Strangs Lecture Series of LA.
Gilbert Strang da conferencias sobre álgebra lineal (MIT)

Para probabilidad y estadísticas, puede buscar en Internet y encontrará numerosas conferencias.

Answer 2

Creo que este hilo te ayudaría:
¿Qué asignaturas de matemáticas sugeriría preparar para la minería de datos y el aprendizaje automático?
Para simplificar, ambos van de la mano. También se necesita cálculo junto con buenas habilidades de programación, ¡lo cual es imprescindible!

Answer 3

Debe tener conocimiento de álgebra lineal, cálculo multivariable, estadística y probabilidad.
El uso de álgebra lineal y cálculo multiariable aparece muchas veces y toda la ciencia de datos se basa en ‘datos’. Entonces debes tener conocimiento de las estadísticas.
Para más detalles puedes visitar la fuente.
Fuente: http://fastml.com/math-for-machi …