Machine Learning.

Начать с матана и статистики.

арифметика

Читай: Петер Флах Машинное обучение … - хорошая книга, для введения и хорошей базы самое оно. Николенко «Глубокое обучение», это методы обучения и глубокое обучение, тоже чёткая книга, если осилил обе(Флах и Николенко), то дальше развиваться только практикой, только по мере набора опыта. Если хочешь что-то сверхлегкое доходчивое по нейросетям, то это Тарика Рашида читать или Рутковского и др., у них есть пара книг одновременно по нейросеточкам, генетическим алгоритмам и нечёткой логике. Также, если не страшен аглицкий(хотя на русском ей богу книг уже за глаза), то интересными считаю Погружение в в глубокое обучение(Dive into deep learning), 100 страничная книга по машобучению(The Hundred Page Machine Learning Book, она и на русский переведена издательством Питер, под названием «Машинное обучение без лишних слов», но в продажу поступит только в конце февраля, книга хорошая и насыщенная) и мне ещё нравится Machine Learning Refined(хорошо проиллюстрирована математика под методы обучения). Также я забыл упомянуть, что лезть без знаний матстатистики и матана бесполезно и вот как раз по матстатистике рекомендую настоящую жемчужину современного образования «наглядная математическая статистика» за авторством Лагутина.

А надо ли иметь степень кандидата, чтобы ввалиться и туда?

Смотря как глубоко, если потыкать нейросеточки на питоне, то тарика рашида хватит, если что-то по серьёзнее, то желательны знания технаря 2+ курса, машобуч это же не столь про нейросетки и про ИИ, сколь про методы оптимизации(матан, диффуры, линал и ангеом) и матстатистику, если не понимать теории, то уедете, но недалеко, можно попробовать галопом по европам прокатиться, но тогда споткнётесь на первой не совсем стандартной задаче или на задаче с малым объёмом данных.

Если вам не очень привычно посмотрите тарика рашида, а затем метод k ближайших соседей(один из самых простых алгоритмов обучения) если поймёте, то и большую часть остального потянете, по крайней мере применять на основе готовых библиотек сможете, но более глубокое понимание принципов работы методов поможет лучше подбирать параметры и быстрее обучать модель или нейросетку.

А пошагово что следует сдеалть, чтобы ввалиться туда? Какую математику необходимо знать, то есть какой уровень? Например, линал физфака подойдет?

Ещё раз если влиться это лишь использование, вы можете просто прочитать список методов обучения и когда какой применять, обойдётесь знаниями программирования, правда быстро споткнётесь, когда закончатся готовые решения с SO и профильных сайтов, если по серьёзному вливаться с матиматикой и блекджеком, то желательно знать: тервер и матстат(основы, распреденения и их функции, проверка гипотез, корреляция, ковариация), матан(интегральное и дифференциальное исчисления = пределы, ряды, интегралы), линал(матрицы и всё с ними связанное, в т.ч. собственные и сингулярные числа, многообразия, различные типовые матрицы, разложения матриц), методы оптимизации(мат программмирование и все все все), численные методы, дискретная математика(в основоном теория множеств и графы). В целом это не столь обязаловка сколько оптимум, линал и тервер и матан это для доказательств и оценок, чтобы понимать как оценивать и работать с имеющимися данными и выбирать ~лучший метод обучения, методы оптимизации это по сути про костяк почти любого методы обучения, т.к. оптимизация это если не все то почти каждый метод.

В интернете этом вашем есть перцы, которые выкладывают видеоуроки по ML, мягко говоря, не совсем понимая, как эта вся математика работает. На уровне революционного чутья. И ничё, некоторые стандартные вещи у них неплохо получаются, даже деньги делают на этом какие-то. Но чтобы вникнуть, как всё это работает, конечно первые три курса вышки с мат. уклоном необходимы.

А за сколько с нуля можно дорасти до этого уровня?

А надо ли иметь степень кандидата, чтобы ввалиться и туда?

Можешь иметь хоть дочь кандидата, главное мозги, мне кажется.

А за сколько с нуля можно дорасти до этого уровня?

От мозга зависит.
Тебе оно зачем? Серьезно спрашиваю, не для «не нужно!», а просто.
Если по работе - одно дело, если для себя, то самый топчик - берешь и тыкаешь. А дальше сам поймешь, пошло оно тебе или нет.