Tôi muốn nói rằng các điều kiện tiên quyết quan trọng nhất đối với Machine Learning là Đại số tuyến tính , Tối ưu hóa (cả số và lý thuyết) và Xác suất .
Nếu bạn đọc chi tiết về việc triển khai các thuật toán học máy thông thường (tôi có ý tưởng về LASSO, Elastic Net, SVM), các phương trình phụ thuộc rất nhiều vào các danh tính khác nhau (dạng kép của một vấn đề tối ưu hóa, các công thức khác nhau xuất phát từ đại số tuyến tính) và việc thực hiện đòi hỏi bạn phải làm quen với các kỹ thuật như giảm độ dốc.
Xác suất là phải có cả trong Khung học tập PAC và mỗi khi bạn học kiểm tra.
Sau đó, chỉ sau đó, phân tích chức năng có thể có ích. Đặc biệt là khi bạn đang nghiên cứu hạt nhân (và sử dụng các định lý biểu diễn).
Về phân tích phức tạp, tôi không nhận thức được việc sử dụng chính các định lý quan trọng xuất phát từ lĩnh vực này trong học máy (ai đó sửa tôi nếu tôi sai).