こじろうです。
一応このブログの趣旨は
「元文系目線で理系大学院を出ること」にある。なので、バリ理系、バリ機械学習屋の皆さんからは違和感や指摘も多かろう。「そんなこともわからんのに目指してるのか」と笑われることもあろう。しかし、自分はそんなスゴイ人たちは一握りではない、自分と同じく高校で三角関数にショックを受け、微積に嫌気がさし、整数問題でセンスの無さを痛感したような普通の人間目線だ。
さて、大学院で何を学ぶのかだけどとりあえず必修5科目、選択5科目を終え、分析実習1科目に取り組むことになる。基本的にビジネス分析寄りだが、AI、ML、DLに発展していけたらいい。とはいえ、DL（ディープラーニング）は、バリバリ理系のネイティブでも週25－30時間ぐらい勉強時間を取らないと足りないというほどの分野らしいので、その時点での自分のキャリアや確保できる時間次第、というところだろう。
分析モデリング
分析コンピューティング
ビジネス分析フレームワーク基礎
ビジュアル分析
ビジネス分析フレームワーク応用
回帰分析
財務モデリング
人工知能
機械学習
ディープラーニング
で、当然この学科では数学をバリバリ使う。簡単に「こういう目的で使うらしい」的な説明も添えてみた。
線形代数→膨大なデータを計算、分析しやすく変換するために必要
微分積分→微分はデータ誤差の最小化に必要、積分は確率や期待値の計算に必須
統計学→分析したり予測モデルを作るわけだから当然
（数理）最適化→データをもとに予測し、それにより決定するためのモデル作成に必要
ベイズ統計→データが充分でなくても分析や予測をするのに必要
フーリエ解析・ラプラス変換→複雑な関数を分解してわかりやすく変換するために必要。
まぁ実はあんまりわかってないんだがこんな感じだろう（笑
↑あたりは基本セットで、
「線形代数・微積・統計学は絶対にやらないと落ちるぞ。いいか、ジョージアテック厳しいからな、みんなやらないと落ちると言ってるからな。本当だぞ」
と大学のシラバスにも書いてある。いや、まじでそんな趣旨の文面がある（笑
PythonやRは日常的にバリバリ使うので、一応そこはまぁあまり心配してないが（？）数学はやはり壁が高い。