Składnik matematyczny prawdopodobnie obejmowałby co najmniej zaawansowaną algebrę, trygon, algebrę liniową i rachunek różniczkowy.
Ale pomyśl także nieszablonowo. Niezbędne są również dobre umiejętności programistyczne, w tym solidne podstawy algorytmów (Coursera ma dwa kursy na temat algorytmów) i biegłość w MatLab, Octave lub R (oraz w elastycznym języku programowania, takim jak Java, C / C ++ lub Python). Wspominam o nich w odpowiedzi na twoje pytanie, ponieważ moim zdaniem są to bardziej umiejętności „matematyki stosowanej” - i są fundamentalne w tłumaczeniu teorii i implementacji stosowanych.
Brałem udział w wielu kursach Coursera związanych z uczeniem maszynowym (i zgadzam się z jednym innym plakatem, że Machine Learning Prof. Ng jest fantastyczny) i NN. Kilka miesięcy temu Coursera zorganizowała kurs sieci neuronowych (nie jestem pewien, czy nadal jest dostępny) przez University of Toronto i Geoffrey Hinton. Świetny kurs i wymagane: znajomość rachunku różniczkowego, biegłości w Octave (klon typu MatLab typu open source), dobry projekt algorytmiczny (dla skalowalności) i algebra liniowa.
Możesz także (choć nie matematyka per se) pomyśleć o takich tematach, jak przetwarzanie języka naturalnego (w celu wyodrębnienia cech itp.), Wyszukiwanie informacji, statystyki / teoria prawdopodobieństwa, a także inne obszary uczenia maszynowego (aby uzyskać więcej teorii). Najnowsze teksty, takie jak Podstawy uczenia maszynowego (Mohri) lub Wprowadzenie do uczenia maszynowego (Alpaydin), mogą być pomocne w pokonywaniu złożoności teorii do implementacji (moim zdaniem może to być trudny skok) - i oba teksty są bardzo matematyczne, zwłaszcza Fundacje.
Ponownie myślę, że wszystkie odnoszą się do matematyki i NN, ale w szerszym znaczeniu.