Комментарии 10
Короче, надо изучить матан, дифуры, линейную алгебру, тфкп, теорвер и ещё функан. Ну и мат.логику, реляционные бд , ооп, мат методы вычислений.
В общем, бакалавровский диплом в техническом вузе.
И еще предметную область для которой и будут производиться вычисления
Сожалею, что у вас сложилось такое впечатление. Подборка материалов по замыслу как раз покрывает минимально достаточное подмножество тем (из того же матана самые основы; никаких ТФКП, функционального анализа, вычислительной математики и прочего нет и в помине). Если грубо, по часам за один семестр в математическом вузе только матана дают больше, чем тут всех математических дисциплин.
Вкупе с программированием и прочим, да, получается прилично, но про "бакалавровский диплом в техническом вузе" речи нет, объем материалов на порядок меньше.
Конечно, (около)профильный диплом лишним не будет, но необходимым вовсе не является (об этом тоже написано в статье).
На мой взгляд всё же бОльший шанс на успех имеют те, у кого технический вуз (физ, мат, любой инжиниринг, программирование, химия, даже экономика... или точнее первые пару курсов) за спиной. Это значит, что самые информационно-насыщенные части материала вы проходили под давлением и контролем организации специально для этого предназначенной. В этом плане конспективное изложение от понравившейся мне https://programmathically.com/ (спасибо за ссылку, кстати, и другие тоже!) имеет больше шанса на то чтобы актуализовать и сфокусировать то что вы уже однажды пытались понять, чем поднять вас на нужный уровень если вы это видите впервые. (Замечу: Книги -- это понятно отдельная тема, они обычно с хорошим охватом и дидактичеки легче/последовательнее, но требуют упорства.)
Но я знаю и довольно многочисленные исключения. Особенно если у вас была хорошая старшая школа, гимназия или лицей, то вас могли и подходяще натаскать для восприятия таких материалов, и даже пробежать по части их них.
Ну и наконец вам могло или повезти с воспитанием, наследственностью или собственной силой воли -- тогда при достаточной мотивации можно найти в приведенных в статье материалах (действительно многие или сам знаю или посмотрел и впечатлён, спасибо, автор поработал...) достаточно начального понимания и терминологии, чтобы потом легко нагуглить материал который будет по формату и упаковке вам и доступен и удобен. А общую программу тут обеспечили достаточно полно и компактно. Ну и можно "подтвердить" её глянув на план курсов (ведущие на степень - только там попытка охвата всей программы) по Data Science, скажем, от Coursera.
Слава богу, по этим темам есть достаточно и русскоязычных, и ещё больше очень качественных англо-язычных материалов. У коллеги сын-старшеклассник, например, которого он готовит для будущего в Data Science, неплохо (и охотно!, представьте себе) "поднимался" на многочисленных, хорошо нарезанных и удобоваримых видео сериях от Khan Academy, например по линейной алгебре. Я "просто тащусь" от того как классно про линейную алгебру с обалденной динамической визуализацией всего материала даёт 3 Blue 1 brown на YouTube - сам повторял понятия собственных чисел на них когда-то.
В общем, сказал бы, что статья немного оптимистичная, но вполне реальная стартовая точка для упомянутых мною трёх категорий. Респект.
Мне еще очень понравилась как выходная книжка "Роман с Data Science" Зыкова, легкая и интересная
Здесь есть чудесная статья https://proceedings.neurips.cc/paper/2015/file/86df7dcfd896fcaf2674f757a2463eba-Paper.pdf в которой показано чем в действительности Вам предстоит заниматься:
Работа в Data Science: что важно знать и как этому научиться