不确定你的教授对这门课程的学习强度有多大，但假设这是最难的入门课程，最好先学线性代数再学统计学。许多统计运算需要基本的线性代数概念。您需要能够理解向量空间和字段等抽象概念，以了解您的数据何时在正确范围内，您需要能够理解哪些操作是线性的，哪些是非线性的，这样您就不会应用错误对某事进行操作，最重要的是，您需要能够理解线性和非线性，因为这是许多统计方法的基础。统计涉及以有意义的方式转换数据，但您学习线性代数转换的基础知识。

对于初学者来说，统计数据更为重要，尤其是对于练习。Stat 有助于更好地理解指标，特别是对于回归问题，这在实践中是最重要的。

至于 LA，了解向量、矩阵及其加法、乘法等基本概念就足够了。

如果您只是 ML 应用程序/高级 API 的用户-“从菜单中选择”API（MS Azure 等），STAT 就可以了

如果你要深入研究和开发算法，你肯定需要线性代数，在那里你可以学习矩阵、矩阵乘法、线性方程、向量空间

在许多方面，线性代数是基础

你能评论一下为什么这对你来说是一件非常重要的事情吗？老实说（我的意见，但这是一个基于意见的问题）我认为不应该。如果您正在谈论第一学期的统计课程和第一学期的线性代数课程，那么无论哪种方式都可以。