Без заголовка

Вообще, на мой взгляд, байес крайне важен для современного лёрнинга, но не обязательно на первых порах. Как показывает курсеровский курс Эндрю Энджи, даже вероятностная трактовка лёрнинга не обязательна поначалу. По сути наиболее критичным является минимальный матан (функции, производные), линалгебра - без матриц и векторов записи больно громоздкие. Ну и какое-то прогарммирование (знание софтверного инжиниринга не требуется :)). Но, разумеется, если смотреть чуть дальше азов, то там уже нужен теор вер, и начальная статистика (всякие там средние, дисперсии и проч. Ну т.е. нужно понимаеть что такое случайная величина, выборка, инференс в общем и целом. Что такое bias/variance of estimator. Ну а потом конечно уже можно и к байесу переходить, тем более многое из самого интересного и в нейросетках и вообще в лёрнинге, требует байеса, тот же variational inference. Но в целом я бы сказал, что баейс не для начинающих, и часто воспринимается как хардкор, хотя, вообще говоря, там не так уж и сложно, если знать базу (вообще, все не так уж сложно, если знать необходимую базу :)). Мне кажется интересным направление учить программеров вероятностному программированию, и через него раскрывать базовые концепции теорвера, байеса и проч. Но пока не довелось поэкспериментировать на эту тему :)