读完李航老师的《统计学习方法》第二版以后对机器学习理论的认识相当于什么水平？

如果读透读懂了李航老师的《统计学习方法》第二版以后，对机器学习理论的认识相当于什么水平？

1、之所以强调理论认识，是因为你不看相关的代码书籍，你还是不会调包，你还是没法将“掌握的理论”+“想法”(既用理论解决具体问题的方法、路径) 通过代码来实现。但我认为这部分不属于机器学习论的部分。而且我觉得理论吃透了，再看代码书籍就和看说明书一样。不知道这个想法对不对？

2、关于“相当于什么水平”，答主是否可以给个比喻。比如吃透李航的《统计学习方法》第二版 相对于机器学习专业的学生来说类似于—————学完微积分+线代+概率论 相对于与一般工科生，仅仅是打了个基础？或者有其他更好的类比？

3、不考虑进入机器学习的细分领域（NLP之类的，推荐系统，自动驾驶）。就说机器学习的通识理论学习，如果继续深入学习的话，后续应该读什么书籍？推荐的理由是什么？可否给出路线图以及路线图每个节点的说明？

4、各位如何评价这本书在机器学习理论领域的深度和广度？

5、与《统计学习要素》（第2版）Trevor Hastie / Robert Tibshirani / Jerome Friedman 对比，在深度广度，读者友好性方面如何？

吐个槽：不知道为什么西瓜书评价那么高。统计学习方法、西瓜书我都是看的线性回归和PCA两个章节。感觉西瓜书就是给已经学会机器学习的人看的书。不会的人还要借助南瓜书来读西瓜书。那不相当于买了个字典，还要再买一本怎样查字典？所以是不是我看西瓜书的方法不对？