Вот статья, которая расставляет по полочкам индустрию ML —
https://vas3k.ru/blog/machine_learning/. Она написана в 2018, но более-менее актуально и сейчас.
Ко всему прочему, что советовали выше, добавлю:
— питон нужен, он в любом случае много где полезен
— начни просто с какой-то придуманной задачки для себя и начинай погружаться в тему. Ну, условно, натренируй сетку для распознавания цветов (растений). Это сразу потребует кучи вспомогательных действий: надо где-то достать кучу фоток -> надо распарсить какой-то сайт -> надо на питоне написать утилиту по парсингу сайта и выкачиванию картинок -> надо куда-то положить это в БД; потом надо сделать из этого датасет — опять питон и какая-то либа. Потом нужно их все привести к одному разрешению и что-то еще сделать — вот тебе и PIL пригодился (либа для работы с изображениями). Потом обучишь и поймешь, что обучилась плохо. Пойдешь изучишь тему балансировки датасета — тоже применишь и реализуешь такое. Ну и так далее. Потом поймешь, что нужно к этому веб-морду прикрутить или какой-то АПИ. Заюзаешь FastAPI + базу прикрутишь. Потом захочешь сам че-нить оптимизнуть, чтобы это на мобилках работало. Ну и так далее...
Ну и походу будет понятно: что более интересно, какая область применения ML, что вообще там есть (а там реально очень много всего вспомогательного вокруг).
