Обзор математики для начинающего ML-инженера

Поясните, пожалуйста, что подразумевается под строгостью? Уточнение того, что у нас куча допущений? И еще. Я начало Вашей статьи прочитал. Там Вы говорили про применение математики "если ..., то ..." и у меня возник вопрос. Вы против таких "приблизительных" допущений? Или нет, но с явным уточнением, какие допущения имеют место быть? Я лично никаких проблем в этом не вижу, если сами допущение прозрачны и, соответственно, их пользователь понимает, что на выходе может получить ерунду, так как допущения. Логично, что пользуясь теоремой Байеса на неточных данных мы можем получить ерунду и все пойдет по одному месту, но порой приходится принимать решение с неточными/неполными данными и мир не будет у нас спрашивать, готовы ли мы. А так мы можем решить задачу хоть как-то удовлетворительно/хорошо. Собственно, примерно по этой парадигме, насколько я понимаю, и работает ML. Да и в других прикладных дисциплинах, я думаю, что-то похожее. Когда какие-то выкладки (иногда очень красивые и хорошие) могут разрушаться в столкновении с гораздо более сложной реальностью и приходится что-то выдумывать, чтобы оно работало.