正好相反。
搞数学的通常瞧不起搞深度学习的。搞数学，要在逻辑推导上有严密的思考与论证，不能留下任何漏洞，对人的数理逻辑能力与抽象理解能力要求极高。搞深度学习，现在就是堆数据，靠经验，理论没啥大突破，谁数据多，经验多，谁的模型就好用些。
当年，都是搞数学没啥成就的人，转个计算机，把过去的数学工具包装下，搞搞优化，就都成了专家，不过是拾人牙慧。现在搞深度学习的人，数理功底还不如那些不成器的前辈，靠烧数据就觉得自己多了不起，而看不起搞数学的，只能暴露自己对数学的肤浅认识，自取其辱。
最后，让我想到当年丘成桐教授在国内，经常被一些愚蠢的人问那些脑筋急转弯的数学应用题，以测试数学家的计算能力。暴露了人们对于数学的理解就是解应用题这个低级层面，对重要数学问题的理解，重要数学家的贡献一无所知。
科学无国界，学科之间还是有着内在的联系。《Deep Learning》是一本旨在帮助从业人员进入机器学习领域的教科书，以开源的形式在网上免费提供。这本书具体来说，是机器学习的一种，一种能使计算机系统从经验与数据中得到提高的技术。
而数学作为传统基础学科，随着人类对自然的不断认识有了更新的内涵。深度学习是一种特定类型的机器学习，还是离不开数学基础工具。一些计算机深度学习的算法，还是要利用到数学基础分析类知识。像这些专业类的知识，也只是在某些领域的应用，不像数学基础类知识，在各学科中都能看到它的身影。这也是基础类知识的重要性所在。
至于题主的问题主观臆想大了些，能学到这些专业类的知识，本身的基础就应该不浅的。怎么会看不惯甚至鄙视呢？让人想起诺贝尔在设立奖项时，就没有数学奖，这也是有着个人的原因，此中道理自然有心人会知道的。
科学家是有祖国的，知识之间相汇融合，大学科理念，专业门类下知识之间有交叉也是很正常的。要有相容共发展的胸怀。
