ИИ-инженер в основном использует готовые модели, а не обучает их с нуля. Но без базы машинного обучения не понять, почему модель ошибается, как оценить качество и когда дообучение имеет смысл.
Минимальный набор: что такое обучение с учителем и без, зачем делить данные на обучающую, валидационную и тестовую выборки, что такое переобучение, какие бывают метрики, как устроена нейросеть и трансформер. Математика — на уровне интуиции: векторы, градиент, вероятность.
Если вы хотите обучать модели сами — это путь ML-инженера или Data Scientist, и там этот этап раскрывается в отдельную большую карту.