Рассказываю про самостоятельное изучение вышмата: какие бывают ошибки и как их избежать, а также про разделы математики.
Мое интервью с Лексом тут: youtu.be/tQYCd8tg56U
Канал IT борода: www.youtube.com/channel/UCeObZv89Stb2xLtjLJ0De3Q
Моя статья для студентов по терверу: m.habr.com/ru/post/311092/

Мне задают много вопросов о том, какие я могу порекомендовать литературные источники. К сожалению, на данный момент я не могу дать каких-либо рекомендаций. Дело в том, что я изучал математику в университете по конспектам лекций и не сильно стремился к глубокому изучению.
Желание понять предмет глубоко возникло после универа. И я стал прицельно разбирать отдельные темы используя интернет. Но на базе профильного образования это делать довольно просто: когда есть общее понимание темы, но надо понять отдельные детали.
Для желающих изучать с нуля я порекомендовал бы, наверное, поинтересоваться у сегодняшних студентов с, какую литературу или какие источники им рекомендовали преподаватели.

Возможно, что я тоже сделаю когда-нибудь обзор учебников, но это не будет не быстро :)

Список упомянутых тем (составил Alexey Samovich: www.youtube.com/channel/UCEkD4JV_5mTQzcuF9nccTsA):

1. Школьная математика(функция, вектор, система координат и т.п.).
2. Мат.логика, способы доказательства теорем.
2. Теория множеств.
3. Линейная алгебра.
4. Комплексные числа, комплексная экспонента, тригонометрия.
5. Придел функции и дополнении: производная, интеграл.
6. Дифференциальные уравнения
7. Спектральные преобразования(фильтрация сигналов и изображений(линейные фильтры), сжатие данных, спектральный анализ)
8. математическая морфология
9. Теория вероятностей, математическая статистика
! Численные методы, методы вычислительного эксперимента
!!! Интерполяция данных (полиномиальная интерполяция, построение регрессия)
!!! Machine Learning (линейная регрессия, SVM, kNN, решающие деревья, случайный лес, логистическая регрессия, нейронные сети, ансамблирование классификаторов)