소위 해석학이라는 말로 통용되는 분야는 실수 위에서 극한을 다룬다고 보면 됨 (실수 공간에서 standard topology를 줌)
그러면 딥러닝에서 극한이 어디에서 쓰일까? 를 생각하면
되는데 당연히 딥러닝의 근간인 UAT에 나오지만 이건
당연하다고 '받아들이고' 딥러닝을 하는거고..
결국 알고리즘의 수렴을 다룰 때 해석학이 필요하겠지
요약하면, 너만의 딥러닝 알고리즘을 만들어서 논문을
낼거라면 그 알고리즘의 수렴성을 보일 때 반드시 해석학의
도구들을 사용해야 하고, 이럴거면 해석학 공부가 필요함
근데 그냥 수렴한다고 알려진 알고리즘들을 이용해서
뭔가 다른일을 할거라면, 굳이 필요없을듯