用戶7440821997705
這是一個非常好的問題，作為一名科技工作者，同時也是一名計算機專業的教育工作者，我來回答一下。
首先，自學人工智能知識對於學習者的要求還是比較高的，一方面人工智能技術的知識量比較大，另一方面學習難度也相對比較大。對於初學者來說，可以根據自己的發展規劃來制定學習路線，如果未來要從事行業領域內的人工智能技術開發，可以分別學習編程語言和人工智能平臺知識，然後通過實踐來提升開發能力。
從目前人工智能人才的培養方式來看，當前研究生教育依然是培養人工智能技術人才的主要渠道，但是隨著人工智能平臺的陸續開放，人工智能應用開發的技術門檻也有了較大幅度的下降，普通開發人員經過一個系統的學習過程（主要學習人工智能平臺），也能夠完成各種人工智能應用軟件的開發。
對於自學者來說，以人工智能平臺為基礎來學習人工智能知識是比較現實的選擇，一方面學習難度相對比較低，另一方面對於實驗環境的要求也相對比較簡單。在具體的學習過程中，需要學習以下兩方面內容：
第一：編程語言。編程語言可以從Python語言開始學起，目前Python語言在人工智能開發領域也有比較廣泛的應用。在學習Python語言的過程中，還可以同時學習一下計算機基礎知識，包括操作系統、數據庫和計算機網絡等。在條件允許的情況下，可以進一步學習一下機器學習知識，這會在一定程度上提升對於人工智能技術的認知能力。
第二：人工智能平臺。人工智能平臺的學習首先要選擇一個開放的人工智能平臺，目前選擇計算機視覺平臺和自然語言處理平臺都可以，相關的案例也比較多。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。
如果有互聯網、大數據、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區留言，或者私信我！
IT人劉俊明
人工智能是一個綜合學科，其本身又分為多個方面如神經網絡、機器識別、機器視覺、機器人等。
需要的基礎知識包括:
1. 數學基礎
高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。數學基礎知識蘊含著處理智能問題的基本思想與方法，也是理解複雜算法的必備要素。今天的種種人工智能技術歸根到底都建立在數學模型之上，要了解人工智能，首先要掌握必備的數學基礎知識。線性代數將研究對象形式化，概率論描述統計規律。
2. 算法的積累
人工神經網絡，支持向量機，遺傳算法等等算法；當然還有各個領域需要的算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM；總之算法很多需要時間的積累。
3. 掌握至少一門編程語言
如C語言，Python， MATLAB等。畢竟算法的實現還是要編程的；如果深入到硬件的話，一些電類基礎課必不可少。
AI大本營
一、人工智能是一個綜合學科
而其本身又分為多個方面如神經網絡、機器識別、機器視覺、機器人等。一個人想自學所有人工智能方面並不是很容易的一件事。對於你想知道人工智能在編程方面需要多深的要求。怎麼說好呢無論C++還是彙編他都是一門語言主要會靈活運用。大多機器人仿真都用的混合編程模式，也就是運用多種編程軟件及語言組合使用。之所以這樣是為了彌補語言間的不足。prolog在邏輯演繹方面比突出。C++在硬件接口及windos銜接方面比較突出，MATLAB在數學模型計算方面比較突出。如果單學人工智能算法的話prolog足以，如果想開發機器仿真程序的話VC++ MATLAB應該多學習點。對於你想買什麼書學習。我只能對我看過的書給你介紹一下，你再自己酌量一下。
- 1.人工智能算法方面:《人工智能及其應用》第三版、人工智能與知識工程。這兩本感覺買一本就可以了。第一本感覺能簡單並且全面點。這類書其實很多可是。大多內容都是重複的所以買一到兩本即可。
- 2.機器視覺算法方面:《機器視覺算法與應用》這本書講的大多都是工業化生產中機器視覺應用。從內容來說並不是很簡單，建議不要當入門教材來學習。
- 3.機器人方面：新版《機器人技術手冊》日譯的書，可能這是我當初在噹噹網裡找到唯一一本比較全面實用的機器人方面的書。這本書由基礎到應用以及一些機器人實際問題上講述得很全面。強烈建議買一本。
![]()
二、學習人工智能AI需要下列最基礎的知識：
1.需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。
2.需要算法的積累：人工神經網絡，支持向量機，遺傳算法等等算法；當然還有各個領域需要的算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM；總之算法很多需要時間的積累。
3.需要掌握至少一門編程語言，畢竟算法的實現還是要編程的；如果深入到硬件的話，一些電類基礎課必不可少。
人工智能一般要到研究生才會去學，本科也就是蜻蜓點水看看而已，畢竟需要的基礎課過於龐大。
小玖說科技
零基礎入學的，這是人工智能的所有課程，要是感興趣的話可以瞭解一下：第一階段前端開發 Front-end Development
1、桌面支持與系統管理（計算機操作基礎Windows7）
2、Office辦公自動化
3、WEB前端設計與佈局
4、javaScript特效編程
5、Jquery應用開發第二階段核心編程 Core Programming
1、Python核心編程
2、MySQL數據開發
3、Django 框架開發
4、Flask web框架
5、綜合項目應用開發第三階段爬蟲開發 Reptile Development
1、網絡爬蟲開發
2、爬蟲項目實踐應用
3、機器學習算法
4、Python人工智能數據分析
5、python人工智能高級開發第四階段人工智能 PArtificial Intelligence
1、實訓一：WEB全棧開發
2、實訓二：人工智能終極項目實戰
工匠理念
人工智能涉及範圍太廣了，一個人不可能全面掌握。比如計算機視覺CV、自然語言處理NLP、大數據、機器人、自動駕駛等。我本人是做計算機視覺算法的，算是你所說的人工智能領域。
以計算機視覺來說，第一階段，最基礎的應該算是數據，包括高等數學，概率論，圖論，隨機，矩陣論，最優化理論等等。其次是要對計算機有一個比較清楚的認識，比如計算機的構造，語言等。
第二階段，要選定研究一個領域，計算機視覺也有很多方向，比如模式識別，目標檢測，分割，分類等，這個領域的歷史，應用，發展等等都要清楚認識，一個領域能研究透徹也是相當不容易的。
第三階段，就是深耕這個領域，英文論文閱讀能力得跟上，因為算法研究是人工智能工作的主要內容。其次要精通一門編程語言，python，C++或者R語言。可以熟練編程實現一篇文章。
第四階段，就是能夠創新的階段，能夠對一些問題提出自己的想法，並創造性地解決一個領域的難題。慢慢成為一個領域的大佬。
人工智能近幾年確實很火，而且會越來越火。這是趨勢，社會要發展，科技要進步，勞動力要解放。社會發展的規律。
AITech
高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。數學基礎知識蘊含著處理智能問題的基本思想與方法，也是理解複雜算法的必備要素。今天的種種人工智能技術歸根到底都建立在數學模型之上，要了解人工智能，首先要掌握必備的數學基礎知識。線性代數將研究對象形式化，概率論描述統計規律。
需要算法的積累：核心算法
人工神經網絡，支持向量機，遺傳算法等等算法；當然還有各個領域需要的算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM；總之算法很多需要時間的積累。
需要掌握至少一門編程語言：
比如C語言，MATLAB之類。畢竟算法的實現還是要編程的；如果深入到硬件的話，一些電類基礎課必不可少。
Ledy
人工智能是一個很寬泛的詞彙，目前比較熱門的人工智能方向是大數據和機器學習。如果自學人工智能，首先要看學習的目的是什麼。如果是想進入這一行業工作，那麼可以選不同行業最關心的方向。目前比較成熟的人工智能技術是圖像識別和語音識別，已經有很好的應用。正在高速發展的方向有自動駕駛、醫療診斷、醫藥、政府管理等。人工智能的基礎學科包括統計學、神經網絡、數據庫等，專業要求比較高。
理人輕語
最起碼得的需要數學基礎：
高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。數學基礎知識蘊含著處理智能問題的基本思想與方法，也是理解複雜算法的必備要素。今天的種種人工智能技術歸根到底都建立在數學模型之上，要了解人工智能，首先要掌握必備的數學基礎知識。線性代數將研究對象形式化，概率論描述統計規律。
需要算法的積累：
人工神經網絡，支持向量機，遺傳算法等等算法；當然還有各個領域需要的算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM；總之算法很多需要時間的積累。
需要掌握至少一門編程語言：
比如C語言，MATLAB之類。畢竟算法的實現還是要編程的；如果深入到硬件的話，一些電類基礎課必不可少。
濤滔韜
自學：如果選擇的是看Python教學視頻或書籍來自學的，就需要有較強的學習能力、自制力和毅力，需要花大量時間來學習。雖然可以重複看，反覆思考和學習，但這種自學的學習方法沒有培訓機構那樣系統化、科學規範的教學，缺少專業老師指點，缺少技術學習交流，缺少真實的企業項目實戰練習。遇到不會和難以理解的知識點無法得到及時有效的解決，對於一些重要的知識點，無法有更深的和把握。還有就在通過自己一段的學習後，自我感覺良好，可在應聘或實際應用中確發現自己一問三不知的情況。因此，自學是很難形成實際項目操作能力的，找工作更是難上加難。總之，自學是鮮有成功的。
萌寵阿
人工智能就是要學習人類的感官知識。首先要懂得機器視覺,熟悉各種傳感器知識，掌握各種模糊算法，還有大數據處理。
