我认为您问题的关键部分是“作为初学者”。出于所有意图和目的，您可以在不了解数学知识的情况下在各个领域创建最先进的 (SoTA) 模型。

这意味着您不需要了解反向传播、梯度下降，甚至不需要了解每一层的数学原理。分别地，您可能只知道存在一个优化器，并且不同的层通常会做不同的事情（卷积擅长拾取局部依赖性，当您没有先前的假设时，完全连接的层擅长以昂贵的方式拾取神经元之间的连接）等等。遵循一些在该领域建立的常见直觉和架构，你的建模能力就会随之而来（感谢开源机器学习框架的惊人工作——看看你谷歌和 Facebook）！但这只是权宜之计。

我将要扼杀的牛顿名言：“如果我看得更远，那是因为我站在巨人的肩膀上”。换句话说，他看得更远，因为他不只是利用他之前的人所做的，而是利用它来进一步扩展。所以是的，我认为你可以在对数学知之甚少的情况下按时完成你的对象检测项目（看看谷歌对象检测 API，它确实很神奇，你甚至不需要了解任何关于 ML 的知识就可以使用它，你只需需要数据。但是，这是一个很大的问题，但是，如果你想扩展到一个没有特别涉及的领域或以任何有意义的方式挑战极限，你可能必须学习数学，学习基础，学习基础。

• 不仅是 100% 好的，而且是过程。

您可能会惊讶地发现，即使是数学家也在数学上苦苦挣扎，无论是他们正在研究的证明，还是他们同事的证明。一些思想家远远领先于曲线，直到几代人之后才明白他们在说什么。

最重要的是坚持下去。

如果您想成为将模型用作黑匣子的蜜蜂工程师，那可能没问题。如果您想成为研究人员，作为工作职位或更好地了解该主题是不行的。反向传播只是基本的多元微积分。如果你在它上面拖拖拉拉，像 Hessians、正则化器、随机过程等会导致更多问题。如果你想走研究轨道，那么学习一些数学课程并优先考虑它们可能是个好主意。