在我们的组织中，有许多从事分析和数据科学的人在他们的工作中表现良好，因为他们知道要使用 R/Python 等中的哪些包，需要哪些算法来解决特定类型的问题等。问题是他们对基础数学知之甚少，除了调用现成的函数之外，他们无法思考，即他们永远无法为特定问题构建自定义解决方案。让我们称他们为函数调用者，而不是真正的数据科学家，他们对基础数学有相当了解。
我们想举办一个培训课程，向函数调用者教授机器学习的数学基础，并帮助他们成为数据科学家。为此，我们入围了十个主题。
• 概率 • 各种概率分布和数据 • 最大似然法 • 线性代数（高级） • 单变量微积分、多变量微积分 • 矢量微积分 • 图形模型 • 贝叶斯网络 • 优化技术 • 统计模型
这将是一门80 小时的课程，因此不可能像大学/大学课程那样详细涵盖所有内容。
问题：假设课程将有足够的时间来教授和实施上述每个主题中的3 或 4件事。那么在这个背景下，每个主题可以涵盖的最好的 3 或 4 件事是什么？
注意：目标受众具有科学或大学水平的数学背景，但他们对机器学习中使用的数学没有深入的了解。