गणित घटक में संभवतः उन्नत बीजगणित, ट्रिगर, रैखिक बीजगणित और कैलकुलस न्यूनतम शामिल होंगे।
लेकिन बॉक्स के बाहर भी सोचें। एल्गोरिदम में ठोस नींव सहित अच्छे प्रोग्रामिंग कौशल भी आवश्यक हैं (मैत्रेब, ऑक्टेव या आर (और जावा, सी / सी ++, या पायथन की तरह एक लचीली प्रोग्रामिंग भाषा के साथ कोर्टेरा के पास एल्गोरिदम पर दो पाठ्यक्रम हैं) और दक्षता है। मैं आपके प्रश्न के उत्तर में इनका उल्लेख करता हूं क्योंकि वे मेरी राय में अधिक "लागू गणित" कौशल हैं - और सिद्धांत और अनुप्रयुक्त कार्यान्वयन के बीच अनुवाद करने के लिए मौलिक हैं।
मैंने मशीन लर्निंग से संबंधित बहुत से कोर्सेरा कोर्स लिए हैं (और एक दूसरे पोस्टर से सहमत हैं कि प्रो। एनजी की मशीन लर्निंग शानदार है) और एन.एन. कुछ महीने पहले, कोर्टेरा ने टोरंटो विश्वविद्यालय और ज्योफ्री हिंटन के माध्यम से एक न्यूरल नेटवर्क्स कोर्स (यदि यह अभी भी उपलब्ध है तो सुनिश्चित नहीं है) की मेजबानी की। एक महान पाठ्यक्रम और मांग: कैलकुलस का ज्ञान, ओक्टेव के साथ प्रवीणता (एक खुला स्रोत मैटलैब-जैसे क्लोन), अच्छा एल्गोरिदमिक डिजाइन (स्केलेबिलिटी के लिए), और रैखिक बीजगणित।
आप भी हो सकते हैं (जबकि प्रति गणित नहीं), प्राकृतिक भाषा प्रसंस्करण (सुविधा निष्कर्षण, आदि के लिए), सूचना पुनर्प्राप्ति, सांख्यिकी / संभाव्यता सिद्धांत के साथ-साथ मशीन लर्निंग के अन्य क्षेत्रों (अधिक सिद्धांत प्राप्त करने के लिए) जैसे विषयों के बारे में सोचें। मशीन लर्निंग (मोहरी) या मशीन लर्निंग (एलायडिन) का परिचय जैसे हाल के ग्रंथ सिद्धांत-से-कार्यान्वयन जटिलता (बस मेरी राय में, यह एक कठिन छलांग हो सकती है) - और दोनों के लिए आपको मददगार हो सकते हैं। ग्रंथ बहुत भारी हैं, विशेष रूप से नींव।
फिर से, मुझे लगता है कि सभी गणित और एनएन से संबंधित हैं लेकिन व्यापक अर्थों में।