愛笑的咯咯哥
（1）人工智能其實是一個大範疇的交叉學科，並不是一個實際的研究方向，所以你需要在其中選一個細分的領域進行研究，比如自然語言處理，計算機視覺，推薦系統等等
（2）不管是哪個方向，你必須掌握一下基本的知識，比如數學，概率論與數理統計，高數，線性代數，這個是基礎，也是非常重要的。
（3）論文，這個非常重要，只有精讀相關領域的論文，才能讓你更深入的瞭解他。
（4）相關算法知識，比如一些分類聚類算法，比如主題模型，分詞，比如CNN之類的
（5）最後就是一些實踐經驗。
總之一句話，做之前要想好，想好了就去幹！加油💪
機器學習與數據挖掘
先上結論：
人工智能相關的崗位很多，不同的崗位，不同的境界所需要掌握的程度不一樣。對人工智能算法的理解主要有四種境界，你需要確定自己需要達到哪種境界，才好確定你的努力方向和策略。
1.知其然境界2.應用者境界3.工程師境界4.科學家境界一、知其然境界
第一個是知其然，也叫知其所以然境界，知道當下的人工智能到底是什麼，知道機器學習和深度學習大概是個什麼東西，不會過分的去神話AI，知道目前AI的優勢，更知道目前AI的侷限，如果你從事相關產品經理或者做相關領域投資，達到第一境界即可。
二、應用者境界
應用者境界是大部分人工智能算法工程師所在的境界，主要就是明白算法原理，知道如何實現，核心在於知道如何把他應用在一個實際的業務場景之中，如果你是一個利用AI來解決業務問題的算法工程師，那麼你至少需要達到這個境界。
三、工程師境界
工程師境界也是很難的一種境界，需要用很強的理論背景和工程實現能力，能獨立復現最新的論文，深刻理解論文的實現原理，並能在上面做一些小創新。如果你想成為更牛逼的AI算法工程師，那麼就需要達到這個經濟。
四、科學家境界
科學家境界是很少很少一部分人能達到的境界，主要是那些從事人工智能研究的科學家，他們能原創出很多的算法和理論，解決一些最前沿的難題。比如深度學習的鼻祖Hinton,生成對抗網絡發明人 Ian goodfellow,Xgboost發明人陳天奇等等。
不同的境界對應不同的要求，簡單點概括就是：
工程能力決定你的下界，理論能力與業務理解決定你的天花板。PS：本號作者目前是某大廠機器學習算法工程師，致力於全棧AI算法和業務場景落地，非常樂於在網上分享最新的AI知識，也經常開直播教同學AI算法和編程。感興趣的同學可以關注本頭條號，獲得最新的乾貨！
人工智能與未明學院
另外有一點可以給你建議，就你目前不瞭解自己能力的情況下，多出去找找，和不同面試官溝通一下就能知道自己處於什麼水平，還有哪些地方需要提高和改進，實踐是檢驗真理的唯一標準嘛。
另外思維導圖，首先你要知道行業有那些技術解決什麼問題，然後和別人討論，找找相關理論書籍，最後就針對某一個問題為出發點做一個框架把你知道的所有知識都填進去，然後再進行梳理，這樣效果會很好。
新科技思維
nlp算法工程師路過，傳統的十幾個方法，數學原理要懂，能推導。深度學習三種網絡，tensorflow編程，Linux操作，還有結合具體領域的積累。差不多就這麼多吧，聽起來很多，但是隻要有數學基礎，一年足夠了
機智的林二狗
人工智能其實就是一個概率學。
有多大的概率選1，
多大的概率選0，
在學習人工智能之前，應該要把基礎知識要打牢。比如是做web開發的，前期的html javascript。CSS，數據庫，php，這些把它先學好。再學習人工智能，慢慢應用到項目當中。
白帽黑客hacker
理論肯定要武裝一下的：西瓜書+多看看論文
實踐：刷一些機器學習的比賽題+多看看業界應用實戰
找工作這個事情個人認為是：能力+臨時刷題+運氣
歡迎關注我，小編在java web開發、大數據、知識圖譜、機器學習有一些經驗，歡迎多多交流~
k6k4
人工智能是一個集科技大成的專業，需要掌握的東西會非常多，而我們只是根據自己的情況做其中的一部分。比如編程的就專注於程序的優化，算法的就在於算法的設計，人體動力學就專注於和人結合這一塊的設計等等，我們只掌握一個專業就不錯了
梁眼看天下
編輯寶寶…人工智能思維導圖這種東西很多網絡培訓機構的課程目錄就是了
