Nlp/cv действительно сейчас востребованы и что-то одно (или nlp или cv) из этого точно нужно, но заниматься nlp/cv без достаточного фундамента в машинке вообще - не очень идея. Помимо того, что всякие лайтгбмы и регрессии продолжают применяться на трансформированных сетками данных, это вопрос освоения и математического фундамента, и корректных методов построения выборок обучения/валидации, контроля качества данных, выбора валидационных метрик и метрик обучения и так далее.
А ещё нужен стек имплементации моделей (контейнеры точно) и чистый код (pep8, да).

А сами коллеги конечно основы классического мл знают да, поэтому могут уже смотреть в сторону nlp/cv?

Если нужно прям быстро - тогда овладевайте искусством использования готовых моделей, к тому же nlp/cv к этому предрасположены. Борьба за SOTA модель в самом разгаре.

Ну, ds - не хирургия. Экономистов в хороших вузах на регрессионные модели и временные ряды все время обучения дрочат, аналитики умеют на питоне, теоретической фундаментальной математикой занимаются немногие. И матфаков достаточно, выпускники которых хотели бы быть не продажниками, скажем, а опыта в ds не имеют. И как теперь жить?..

Крч, сложность преувеличена, предостережением не прониклась

А те, кто родился раньше 2000 года, увы, имеют чёт на паскале, Бейсике и c++ изобразить ещё.

Или нужно ещё чище, типа ассемблера?..

Теmр
Ну, да, знают. Кто-то с llm работает, кто-то с классическим

Вопрос был немного не про то, но спасибо)