我最近在学习 ML 这些东西，我说说我这几天学习的经验吧。
我认为深度学习所谓的科班应该指的是：完全使用数学理论论证的形式去学习这个领域，要是这么学习确实不仅难度大，而且没有成就感，容易劝退。
但是想要接触这个领域没有数学知识基本上寸步难行，所以我先看了程序员的数学这本书复习了下以前忘了的数学知识，然后我又看了一本叫深度学习的数学的书来学习了一下梯度下降，反向误差传播公式的推导。
然后现在我正在看一本叫 Python 深度学习（第二版）的书来学习一下非形式化的机器学习模型搭建的方式和理论基础，看完这本后我准备看看周志华的那本机器学习来补一下数学论证的过程。

最后回答下你的问题，假如不经过这样的学习的话你面对一个搭建机器学习系统的时候根本不会知道怎么去用，怎么选择层，怎么选择激活函数和损失函数，也不知道数据集如何选择。就拿 mma 的神经网络教程举例，你没有基础根本不知道每一步在做什么 https://reference.wolfram.com/language/tutorial/NeuralNetworksIntroduction.html