Parece que has cubierto todas las bases, así que no estoy seguro de si hay algo en el nivel de posgrado que realmente ayude. He encontrado material de estos cursos útiles al implementar IA débil:
Matemática discreta: base lógica básica para toda la programación (no solo para IA).
Cálculo multivariable (Calc 3): útil para comprender cómo tomar gradientes de superficies hiperespaciales, lo que a su vez es útil en la optimización.
- ¿Cuál es mejor: BDS de R. Ahmed Dental o MBBS de ICARE?
- ¿Cuál es la política de fuga de TechMahindra?
- ¿Les resulta difícil a los extranjeros conseguir trabajo en Finlandia?
- ¿Es una opción razonable ejecutar una API basada en NodeJS + Mongo para una plataforma Android?
- ¿Cuáles fueron las calificaciones mínimas por categoría requeridas en el JEE (Main) 2014 para realizar ingeniería aeroespacial en IIST, Trivandrum?
Ecuaciones diferenciales (Calc 4): si va a hacer robótica, este material es muy útil para construir sistemas de control de movimiento.
Álgebra lineal: la manipulación de matrices y vectores se utiliza en casi todas las implementaciones que se me ocurren, ya sea filtros de partículas, redes neuronales o regresiones antiguas. Si no te sientes muy seguro en tus habilidades de álgebra lineal, te recomiendo tomar un curso de actualización en lugar de un curso avanzado.
Probabilidad y estadística: muchas técnicas importantes implican la manipulación de distribuciones de probabilidad, el cálculo de probabilidades condicionales y el análisis estadístico básico de los datos. Cualquier clase que tenga procesos de Markov también sería útil.
Encontré varias preguntas como la suya cuando busqué en Google. También puede verificar esas respuestas.
También vea esta respuesta:
¿Qué partes de las matemáticas son más relevantes para el aprendizaje automático?