您需要微积分的工作知识，例如能够进行积分，而不是了解 Weierstrass 定理。例如，如果您可以在不使用笔和纸查看任何参考资料的情况下学习这个积分，那么您可能已经准备好参加这门课程：

$\int_{-\infty}^{\infty}\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}|x^3|dx$

了解线性代数也有帮助，但你可以在途中学习它。我不是在谈论任何疯狂的事情，它是简单的矩阵操作，几乎在 Madelung 的Die Mathematischen Hilfsmittel des Physikers书中的 Algebra.B 部分中描述的内容。它可以在这里在线获得，是一本关于应用数学的很棒的小书。例如，如果你能解出这个方程，你就可以开始了：

$\det\left|\begin{matrix}1-\lambda& 2\\2 &1-\lambda\end{matrix}\right|=0$

您不需要测度理论和实际分析，但了解它们会有所帮助。关键是不要报数学系教授的数学专业的课程。参加专为应用型人士设计的课程，可能是为心理学家或其他数学挑战者设计的课程。为物理学家教授的课程可能是一个很好的折衷方案：他们有足够的数学来真正获得有用的技能，但他们不关心证明和其他数学家痴迷的疯狂东西。

我也遇到过类似的情况，我是数学/CS双专业，但需要学习很多贝叶斯概率才能工作。我会推荐：

1. 做和理解积分的实际能力

2. 了解近似积分的数值方法（采样、蒙特卡洛方法）

3. 了解 R 编程语言非常有用——我遇到的大多数文本都是 R 中的示例。

4. 对模型评估的一般理解——你肯定会在统计数据中得到它，但你也可以在其他领域（心理学、生物学、机器学习）得到它。

5. 在进入贝叶斯概率之前，我没有看到学习纯数学的许多通用建模“技巧”，例如正则化和参数选择。

由于您是数学专业的，您可能无论如何都会看到真正的分析，但我并没有真正发现它对此有帮助。我也没有发现我在测度论方面的背景有帮助。很可能你学校提供的课程是在假设的统计背景下建立的——在这种情况下，我建议买一本关于贝叶斯统计/概率的书（我发现这本书很有用）并自己学习。