39. süni intellekt mühəndisliyi üçün önəmi, aktuallığı və populyarlığı artan, gündəmə gələn dildir.

xüsusən də
Linear Algebra
- Matrisa və vektorlar
- Matrisa əməliyyatları (çoxaltma, determinant, tərs matrisa)
- Özvektorlar və özqiymətlər (eigenvalues/eigenvectors)

Ehtimal və Statistikaya Giriş
Maşın öyrənməsində model qurmaq, ehtimal paylanmaları və qərar vermə üçün vacibdir.
- Bayes teoremi
- Paylanmalar (normal, binom, Poisson və s.)
- Ortalama, dispersiya, kovaryasiya
- Maximum likelihood estimation (MLE)

Calculus
Əsasən törəmələr və gradient descent optimallaşdırması üçün lazımdır.
- Tək və çox dəyişənli funksiyalar
- Törəmə və inteqral anlayışları
- Qradient, Hessian matrisi


Diskret riyaziyyat (Discrete Math)
Əsasən məlumat strukturları, qraf nəzəriyyəsi və alqo­rithmlər üçün istifadə olunur.
- Qraf nəzəriyyəsi
- Kombinatorika
- Məntiq və riyazi sübutlar

Optimallaşdırma (Optimization)
- Məqsəd funksiyası (objective function)
- Məhdudiyyətlər altında optimallaşdırma
- Qradient əsaslı metodlar


Başlamaq üçün bu mənbələrə baxmaq olar:
- Khan Academy (xətti cəbr, ehtimal, kalkulus)
- 3Blue1Brown (vizual izahlar)
- mit OpenCourseWare – "Mathematics for Computer Science"