个人经验，以下几方面需要了解:
1. 编程语言及工具
目前最常用的是语言是Python，C/C++,R等，至少掌握一门语言; 深度学习架构pytorch, tensorflow等，也都摸一下，这一部分主要侧重于应用层，再了解一下常用的算法，(网上有帖子形象的展示各算法大概是怎么回事，不求细节，有个概念)，实现现成的算法，维护现有的机器学习平台，增加应用，修改接口等等，都没问题。
2. 算法及模型
这一层主要是遇到实际的问题，理解问题并能够选择合适的算法或模型来搭建框架，解决问题。另外，对算法原理熟悉了，有助于过程中调参和优化。
推荐周志华的《机器学习》，清华大学出版社，比较有条理。
常见的算法或模型都有，如线性模型，决策树，神经网络，贝叶斯分类，聚类分析等算法。
3. 高等数学知识
这部分知识一是第二部分的基础，也是研究机器学习算法的必备。
数值分析，线性代数，矩阵分析，优化理论等知识储备，只有掌握了这些才有可能优化现有的模型，提出新的算法模型。