Для развития математического аппарата для машинного обучения и дата саенса до минимального уровня, вам следует уделить внимание следующим основным концепциям:

Линейная алгебра: изучение матриц, векторов, операций с ними, решение систем линейных уравнений, вычисление определителей и собственных значений.

Математический анализ: изучение производных и интегралов, определение максимумов и минимумов функций, изучение переменных и векторных функций.

Статистика: изучение базовых понятий статистики, таких как среднее значение, медиана, мода, дисперсия, корреляция, регрессия, тестирование гипотез.

Теория вероятностей: изучение основных понятий вероятности, условной вероятности, независимости событий, законов распределения случайных величин.

Дополнительно, стоит освоить основы оптимизации, в том числе градиентного спуска, который является ключевым алгоритмом в машинном обучении.

Для изучения этих концепций вы можете использовать различные онлайн-курсы, учебники и практические задания, также рекомендуется использовать популярные библиотеки для работы с данными, такие как NumPy, Pandas, scikit-learn.

Не стоит бояться абстракций, так как они могут помочь вам лучше понять базовые принципы и применять их в практических задачах. Важно стремиться к пониманию концепций, а не к их формальному запоминанию.