Al estudiar el aprendizaje automático, ¿debería centrarme más en las matemáticas o en la implementación práctica de algoritmos?

Es de suma importancia hacer ambas cosas.

Hay algunos matices que no obtendrás, a menos que conozcas los supuestos básicos que se hicieron cuando se desarrolló una técnica. Por ejemplo, algo como por qué la regularización por lazo lleva la mayoría de los parámetros a cero en comparación con la regularización de crestas, etc. O algo tan básico como por qué la regularización es importante.

Algunas matemáticas que entran en los algoritmos son absolutamente hermosas. Si pudiera describirlo, lo haría, pero algo tan simple como una buena suposición de convertir la prueba en álgebra de escuela secundaria puede hacerte muy feliz.

Pero hay algunos algoritmos cuya belleza nunca entenderás sin verlos en acción. Mi investigación actual se ocupa de algunos problemas que parecen muy triviales si los describe un experto, pero entiendes lo difíciles que son una vez que comienzas a implementarlos. Nunca creerás que EM o la iteración de potencia funcionen hasta que lo pruebes en un pequeño ejemplo. A veces, usar matrices básicas para obtener una solución en lugar de usar una biblioteca, y observar los valores mutados a los parámetros óptimos me da la sensación de que tengo que ver a David Blaine en vivo.

Las matemáticas y la programación, ambas son arte, para ser apreciadas. Yo recomendaría ambos.

Depende de tu objetivo final.

Ya que estás preguntando … probablemente significa que tus fortalezas no están en matemáticas o programación. Suponiendo que ese sea el caso, eso sugiere que es más probable que sea un usuario de los algoritmos de Aprendizaje automático (ML) en lugar de un implementador .

Siendo ese el caso, es lo suficientemente bueno como para tener una comprensión aproximada de las matemáticas y la implementación, pero es más importante entender cómo usar los algoritmos ML. Especialmente conociendo las ventajas y desventajas de las diferentes técnicas de ML.

Esto es algo así como saber cómo conducir un automóvil: es útil conocer algunos de los principios subyacentes de cómo funciona un automóvil, pero a menos que esté diseñando / construyendo / reparando automóviles, un conocimiento superficial está bien.

Tenga en cuenta el Teorema Sin almuerzo gratis. La implicación es que es mejor tener una amplitud de conocimiento que una profundidad.

No hay almuerzo gratis en búsqueda y optimización – Wikipedia