评论
当我进入数据科学和机器学习领域时，任何与数学和统计相关的内容都是我大约 10 年前最后一次接触的，我想这可能也是我一开始觉得很困难的原因。花了很多小时阅读和观看视频，我才对我们在行业中日常使用的许多工具有了初步的理解。然而，我到了一个阶段，感到需要对所有那些在 Jupyter Notebook 中进行的“导入”和“拟合”操作背后的内容有一个坚实的理解。所以我决定是时候重新审视我的数学知识了。
如今，我仍在学习，我认为这永远不会够。此外，作为一个来自商业领域且处于一个充满工程、统计、物理学及其他精确科学领域的专业人士的行业，我知道数据科学领域有很多东西需要学习。但你知道吗？技术和语言可能会出现和消失，但该领域的数学基础将会保持不变。
这就是为什么今天我整理了一个 4 门课程的列表，以提升你的数学知识，并利用我们因这次不幸事件而获得的一些闲暇时间。因为，你知道，你这些天应该待在家里。
1. 机器学习数学
位置：Coursera
相关机构：帝国理工学院
所需时间：104 小时（实际上可能至少需要+50%）
先决条件：无
课程摘要：
对于许多高级机器学习和数据科学课程，你会发现需要重新学习数学基础——这些东西你可能在学校或大学时学过，但当时是在其他背景下讲授的，或不够直观，以至于你很难将其与计算机科学中的应用联系起来。这门专业课程旨在弥补这个差距，让你掌握基础数学，建立直观理解，并将其与机器学习和数据科学关联起来。
涵盖主题：
-
线性代数
-
多变量微积分
-
主成分分析
提示：大多数 Coursera 的课程和专业都有审核选项。你不会获得证书，但可以访问课程的大部分资源——我个人认为这已经足够了。在注册时，只需选择审核课程的选项即可。
位置：edX
相关机构：微软
所需时间：50 小时
前置要求：Python 和一些数学基础知识。
课程摘要：
想学习机器学习或人工智能，但担心你的数学技能可能达不到要求？像“代数”和“微积分”这样的词让你感到恐惧？你是否因为离开学校太久而忘记了很多所学的内容？
你并不孤单。机器学习和人工智能建立在诸如微积分、线性代数、概率、统计和优化等数学原则之上，许多潜在的 AI 从业者会觉得这很令人生畏。该课程并不是为了让你成为数学家，而是帮助你学习一些基本的基础概念及其表达符号。课程提供了一种实践的方法来处理数据并应用你学到的技术。
涵盖的主题：
-
方程、函数和图表
-
微分与优化
-
向量和矩阵
-
统计与概率
提示：该课程有开课日期，但你可以选择一个早期的开课日期，并免费查看该批次的所有内容。
位置：edX
参与机构：加州大学圣迭戈分校
所需时间：100–120 小时
前置要求：多元微积分和线性代数
课程摘要：
对不确定性的推理是分析噪声数据的固有部分。概率和统计提供了这种推理的数学基础。
在本课程中，你将学习概率和统计的基础知识。你将学习数学理论，并通过使用 Jupyter 笔记本将这一理论应用于实际数据，获得实践经验。
涵盖的主题：
-
机器学习的数学基础
-
统计素养：理解“99% 置信水平”等陈述的含义。
提示：该课程有开课日期，但你可以选择一个早期的开课日期，并免费查看该批次的所有内容。
位置：Coursera
参与机构：加州大学圣克鲁斯分校
所需时间：22 小时（实际情况可能不低于 30 小时）
前置要求：对概率有一定的基础理解。
课程摘要：
本课程介绍了贝叶斯统计方法，从概率概念开始，逐步到数据分析。我们将学习贝叶斯方法的哲学及其在常见数据类型中的应用。我们将把贝叶斯方法与更常见的频率主义方法进行比较，并了解贝叶斯方法的一些优点。
涵盖的主题：
-
概率与贝叶斯定理
-
统计推断
-
离散数据的先验和模型
-
连续数据的模型
我推荐按照呈现的顺序完成这些课程，但当然，如果你符合要求，可以选择任何你喜欢的课程。
原文。经许可转载。
相关内容：
1. 谷歌网络安全证书 - 快速进入网络安全职业轨道
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT