Всегда легко написать: учи #language_name - будешь уметь делать #task_name. По факту, все гораздо сложнее. Напишу на примере Python для Data Science. Все видели рекламы типа за 3 месяца научим питону и писать нейронки. Вот, это полнейший шлак.
Чтобы учить язык нужно много времени и сил. И это только синтаксис. Тут же идут простые алгоритмы, работа со структурами данных. Иначе каждый посмотревший Питон за час от ХаудиХо сейчас бы рушил рынок труда. Если нет математической подготовки (на уровне мат логики), то даже циклы с условками будут иногда в задачках вызывать трудности. А уж работа со словарями или деками…..
Но это только сам язык. Дальше на нем нужно еще прикладные штуки начать писать. И это снова совсем не просто, если не «скопировать/вставить» делать, типа черный ящик - хрен знает, как работает, но что-то выдает. Для машинного обучения (без нейронок) уже нужна мат база (хотя бы линал, чтобы а матрицах не тонуть). Дальше нужно болтать алгоритмы машинного обучения. Иначе норм спецом не стать. На первом же собесе спросят, а почему собственно градиентный спуск называется градиентным (у меня спросили

. Дальше линейные модели, параметрические модели, непараметрические и так далее.
В нейронках без подготовки вообще повеситься можно. Только в рекламах курсов все просто и понятно - за день напишете 3 нейронки. По факту, это сложные математические и технические концепции. Тот же GAN для генерации картинок. BERT для генерации текстов.
В общем, за каждый языком стоят прикладные задачи, да которые и платят деньги. Отталкиваться нужно не только от языка, но и от этих задач. Тупо будет выучить Питон ради нейронок, а потом понять, что нейронки и машинное обучение ну просто не заходят.