1.高等数学

这门课是基础中的基础。学习了高等数学才能继续后面的课程。

2.概率论、数理统计

大数据有一个基本的假设就是这些数据是基于某种概率分布。通俗一点说就是大数据是某种概率模型。

3.优化理论

计算某个模型的时候，通常需要达到某个最大值或者最小值。这就十分需要优化理论了，包括但不限于线性优化、最优化、凸优化

4.数值分析

有时需要计算某个积分值、微分方程等等

5.近世代数（了解一下）

在学习的过程中遇到：xx群、xx环……就到近世代数中去找

6.数论

非常重要，大数据中很多概念来自于数论

7.泛函分析（了解一下）

遇到什么希尔伯特空间啊，这空间那空间什么的，就看泛函分析

8.矩阵论（重要）

等你开始推模型的时候就会发现，全都是矩阵公式的推导。什么矩阵的加减乘除、矩阵的微分、矩阵的分解。

如果看矩阵论很吃力那就需要补一下线性代数

9.线性代数

这是基础中的基础