해석학 : 

* 머신러닝과의 접점 없음

* 실해석 보려고 기초 쌓는 수준

* 입-델 논법 배우고, 실직선 위상, Bolzano-Weierstrass, Heine-Borel, MVT, Darboux integral, Riemann-Stieltjes integral 정도 봐두면 훌륭 



실해석 : 

* 머신러닝 논문에 측도론(특히 L^p space, Hilbert space 등)관련 내용이 나오면 볼 수 있다.

* 제대로 이해하려면 확률론 필요하겠지만



선형대수(반드시 프리드버그! 다른 국내 출판사 선대 샀으면 걍 헌책방에 기부하고 이걸로 사세요) :

* Spectral theorem, SVD, Bilinear/Quadratic form 등 매우 중요한 토픽을 제대로 다루는 건 이책뿐

* 이인석 교수 저 "선대군"은 너무 추상대수적으로 접근하니 피하시길



Coding the matrix : 

* 선대 배웠으면 코딩은 해봐야죠? 근데 어떻게 할지 모르겠다면 닥 "코딩 더 매트릭스"

* 수치해석적 프로그래밍을 위해서라도 반드시 필요



벡터 카큘 : 

* 다변수 해석 보고싶은데, 시간이 없거나 아직 해석학 기본이 안돼있다면 닥 Colley!

* 스튜어트 보듯 하셈




크라이직 공수 :

* 노코멘트



수리통계학 :

* Casella 저 Statistical Inference 보든지, 이거 보든지, 둘 중 하난 하셈

* EM, MLE, Multivariate Distribution, CLT 등등 통계적 기초 쌓기!




패턴 인식과 머신러닝 : 

* 이 책 솔직히 강의 없으면 못보는 대학원 교재이긴 한데, 한글 번역해 놓은 블로그 있더라. 찾아서 보셈





볼록 최적화 :

* Loss function 에 관한 기초를 알고 싶다면 이걸 보셈.

* 스탠포드 온라인 강의도 있음