5年後にはAIの進化により、人間はこのへんの数学も覚えなくても機械学習ができるようになっていくと言われています。
データサイエンスで必要な数学
特に「機械学習」では、次の数学が必要となります。
（１）微分・積分
（２）線形代数
（３）統計・確率
※すべてが完璧に分かる必要はありません。基礎や概念さえ理解できれば、ひとまずOK。プログラミングする際には、このへんの計算を自動処理してくれる仕組みがあるため。ただ、よりステップアップしたい方は、もちろん、より専門的な数学を勉強が必要です。
簡単な説明
私もまだ確認、勉強中ですが、簡単な説明です。
●微分（曲線の接線の傾きを求める）
→機械学習では、予測値の誤差を減らすために使う。予測値の最適化。
●積分（さまざまな面積や体積を求める）
→機械学習では、微分と同じように予測値の誤差を減らすために使うと思う（まだ勉強中）
●数列（数の列のこと。一定の数を加えていく数列と、一定の数を掛けていく数列がある）
→線形代数で使う行列の理解に、数列の理解が必要。
●線形代数（大量のデータ<行列>をまとめて扱う）
→機械学習では、大量のデータを行列で扱うこうとができ、線形代数で表現できるため相性がよい。
→統計・確率では、線形代数が使われるので、先に理解が必要。
●統計（大量のデータからモデルを作る）
→機械学習では予測モデルをつくるため、モデルをつくるという点で密接した関係。
●確率（ある物事が起こる可能性の割合を求める）
→機械学習では予測モデルをつくるために使う感じか（まだ勉強中）
※この辺の数学は、Pythonでプログラミングしていくと、数学と機械学習の関係のイメージが掴めるようになると思う。
数学を学ぶには、むずかしく考え過ぎないこと
数学は、明確な答えと計算プロセスがあるため「できた」「できなかった」が、はっきりとわかる学問です。人によっては、正解にたどりつけない時に、自分には「向いていない」「才能がない」と思ってしまうことがあります。しかし、数学を学ぶ際には「できた」「できなかった」という結果にこだわる必要はありません。
明確な答えと計算プロセスがあるため、自分の回答が間違っていた場合には、どこで間違ったのかを検証することができます。これは「論理思考」だけではなく「自分の思考や感情を客観的に把握、制御する能力（メタ認知）」を育てることができます。「論理思考」や「メタ認知」は、ビジネス上のハイパフォーマーには必須のスキルです。
数学では、「できた」「できなかった」という結果を重視するのではなく、検証するというプロセスを重視するように考えましょう。また、自分の結果と人の結果を比較する必要もありません。自分より他人が早く、間違いなく正確にたどり着いても気にする必要はありません。自分のペースで、間違いを検証しながら学べればOKです。
分からない時は、ひとまず、その問題は置いておくのも良いでしょう。別の勉強をして、もう一度挑戦してみることや、そこは飛ばして先に進んでしまっても良いでしょう。もちろん、先輩にアドバイスや意見を求めてもOKです。また、Pythonでプログラミングを進めている内に、分かるようになるということもあります。むずかしく考え過ぎず、「分からないことが、分かるようになること」を楽しんで学んでください。
参考
図解眠れなくなるほど面白い数と数式の話（書籍）
https://www.nihonbungeisha.co.jp/book/b384161.html
AI・機械学習には数学が必要って本当？（株式会社キャパ）
https://www.capa.co.jp/archives/18629
機械学習をこれから始める人の線形代数を学ぶモチベーション（HELLO CYBERNETICS）
https://www.hellocybernetics.tech/entry/2017/07/14/223325
【第4回】メタ認知について学ぼう【認知心理学のすすめ（全5回）】（LearnTern（ラン・タン））
https://learn-tern.com/cog-psy-encouragement-4/
メタ認知とは？ 意味、重要性、具体例、高める方法について【メタって何？】（カオナビ人事用語集）
https://www.kaonavi.jp/dictionary/metacognition/