начал изучать построение нейросетей на Python и столкнулся с тем, что базы высшей математики, которую мне дали в учебном заведении не хватает.
Все зависит от твоих собственных амбиций. Современные фреймворки машинного обучения не требуют
от тебя знания тройных интегралов и систем дифуров. В простейшем случай ты - читаешь документацию.
Настрашиваешь параметры (гипер-параметры) и наблюдаешь как идет процесс обучения). Где и в какой
части этот фреймворк требует интегралов - непонятно. Вроде нигда. С амбициями дата-инженера
тебе будет просто достаточно знать внешний API этих фреймворков.
Если же ты идешь в дата-сайентисты и от тебя заказчик требует обоснования внедрения данного метода
например - то здесь тебе надо просто чуть глубже знать некоторые математические свойства формул
применяемых в ML. Когда например градиентный спуск лучше а когда лучше отжиг.
