Без заголовка

Мысль интересная, потому как learning занимает промежуточное место между инженерией и исследованиями. Системный инженер -- это понятно, что такое. А вот системный исследователь -- это непонятно, что такое, такого не бывает. Исследования всегда дисциплинарны, и "междисциплинарность" обычно означает занятия порождением новых дисциплин, "методологию". С representation learning я согласен, что есть общее основание (например, нужно понимать хотя бы http://rinuboney.github.io/2015/10/18/theoretical-motivations-deep-learning.html) и дальше хитро дробить знание так, чтобы был шанс разложенное по разным мозгам и инструментам знание склеить вместе. Понятно, что произвольным образом раздробленное знание имеет мало шанса склеиваться. А говорить, что "на основании общих принципов -- системного подхода и математики -- всё само склеится" -- это самонадеянно. Там есть и ещё один аспект того же самого: transfer learning (learning-in-the-small и learning-in-the-large) -- как разные языки программирования могут поощрять или не поощрять модульность и распределённую разработку, создание фреймворков и библиотек (помним, что php победил всех, как и perl -- оказались удобны для программирования-в-большом), так и парадигма лернинга может поощрять или не поощрять перенос знаний из одного проекта в другой. Так что у этой парадигмы кроме математических оснований может приключиться много других оснований при её создании. Но задача интересная: понять, какие там есть сейчас специализациии и нарезать дисциплины на разные специализации в рамках лёрнинга, сделать соответствующие этим дисциплинам инструменты (помним про развитие веб-инструментария по сравнению с HTML первой версии и тогдашними веб-серверами образца 1994 года).