Без заголовка

не совсем согласен что знания смежных не сильно нужны т.е. это так во многом конечно но к примеру я хотел применить лёрнинг (а когда-то датамайнинг) к одной своей задаче (точнее у задачи целая куча вариантов применения лёрнинга), ну и несколько встал в тупик точнее применить-то можно но кагбэ не всегда можно замапить данные в стандартную форму, чтобы подать на вход алго а если мапить прямолинейно, то алго замучается считать ну или там функции негладкие т.е. алго лёрнинга - это часть проблемы, в моем понимании, но чтобы создать какую-то систему в целом, нужно прям-таки стратегию лёрнинга сочинить (см. к примеру рассказы Л.Ботту про граф-трансформеры) может это конечно лично моя заморока, но я читаю статьи всякие и там тоже порой нетривиальные ходы делаются чтобы замапить предметную область на задачу лёрнинга т.е. для меня это целое направление творчества, ну и оно требует достаточно глубокого понимания принципов лёрнинга, а иногда и особенностей железячной архитектуры - чтобы туда ловко замапить задачу ну т.е. конечно есть разделение на какие-то уровни/слои, есть специализация, но на мой взгляд разработчикам каких-то конкретных применений лёрнинговых алго к практическим проблемам, зачастую надо глубоко понимать базовые основы хотя порой решения могут быть и простыми, легко отображаемыми в тот формат, который можно подать на вход алго т.е. применение алго лёрнинга как неких глубоко чорных боксов вполне возможно, но четта кажется мне очень ограниченным :)