自學：如果選擇的是看Python教學影片或書籍來自學的，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，缺少真實的企業專案實戰練習。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。還有就在透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專案操作能力的，找工作更是難上加難。總之，自學是鮮有成功的。

零基礎入學的，這是人工智慧的所有課程，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、桌面支援與系統管理（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特效程式設計

5、Jquery應用開發第二階段核心程式設計 Core Programming

1、Python核心程式設計

2、MySQL資料開發

3、Django 框架開發

4、Flask web框架

5、綜合專案應用開發第三階段爬蟲開發 Reptile Development

1、網路爬蟲開發

2、爬蟲專案實踐應用

3、機器學習演算法

4、Python人工智慧資料分析

5、python人工智慧高階開發第四階段人工智慧 PArtificial Intelligence

1、實訓一：WEB全棧開發

2、實訓二：人工智慧終極專案實戰

人工智慧是一個綜合學科，其本身又分為多個方面如神經網路、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，機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慧問題的基本思想與方法，也是理解複雜演算法的必備要素。今天的種種人工智慧技術歸根到底都建立在數學模型之上，要了解人工智慧，首先要掌握必備的數學基礎知識。線性代數將研究物件形式化，機率論描述統計規律。

2. 演算法的積累

人工神經網路，支援向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，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；總之演算法很多需要時間的積累。

3. 掌握至少一門程式語言

如C語言，Python， MATLAB等。畢竟演算法的實現還是要程式設計的；如果深入到硬體的話，一些電類基礎課必不可少。

一、人工智慧是一個綜合學科

而其本身又分為多個方面如神經網路、機器識別、機器視覺、機器人等。一個人想自學所有人工智慧方面並不是很容易的一件事。對於你想知道人工智慧在程式設計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。大多機器人模擬都用的混合程式設計模式，也就是運用多種程式設計軟體及語言組合使用。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++在硬體介面及windos銜接方面比較突出，MATLAB在數學模型計算方面比較突出。如果單學人工智慧演算法的話prolog足以，如果想開發機器模擬程式的話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.人工智慧演算法方面:《人工智慧及其應用》第三版、人工智慧與知識工程。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.機器視覺演算法方面:《機器視覺演算法與應用》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、學習人工智慧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，機率論數理統計和隨機過程，離散數學，數值分析。

2.需要演算法的積累：人工神經網路，支援向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，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；總之演算法很多需要時間的積累。

3.需要掌握至少一門程式語言，畢竟演算法的實現還是要程式設計的；如果深入到硬體的話，一些電類基礎課必不可少。

人工智慧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。

最起碼得的需要數學基礎：

高等數學，線性代數，機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慧問題的基本思想與方法，也是理解複雜演算法的必備要素。今天的種種人工智慧技術歸根到底都建立在數學模型之上，要了解人工智慧，首先要掌握必備的數學基礎知識。線性代數將研究物件形式化，機率論描述統計規律。

需要演算法的積累：

人工神經網路，支援向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，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；總之演算法很多需要時間的積累。

需要掌握至少一門程式語言：

比如C語言，MATLAB之類。畢竟演算法的實現還是要程式設計的；如果深入到硬體的話，一些電類基礎課必不可少。

人工智慧是一個很寬泛的詞彙，目前比較熱門的人工智慧方向是大資料和機器學習。如果自學人工智慧，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慧技術是影象識別和語音識別，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。人工智慧的基礎學科包括統計學、神經網路、資料庫等，專業要求比較高。

人工智慧涉及範圍太廣了，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、大資料、機器人、自動駕駛等。我本人是做計算機視覺演算法的，算是你所說的人工智慧領域。

以計算機視覺來說，第一階段，最基礎的應該算是資料，包括高等數學，機率論，圖論，隨機，矩陣論，最最佳化理論等等。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，因為演算法研究是人工智慧工作的主要內容。其次要精通一門程式語言，python，C++或者R語言。可以熟練程式設計實現一篇文章。

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。

人工智慧近幾年確實很火，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。

高等數學，線性代數，機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慧問題的基本思想與方法，也是理解複雜演算法的必備要素。今天的種種人工智慧技術歸根到底都建立在數學模型之上，要了解人工智慧，首先要掌握必備的數學基礎知識。線性代數將研究物件形式化，機率論描述統計規律。

需要演算法的積累：核心演算法

人工神經網路，支援向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，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；總之演算法很多需要時間的積累。

需要掌握至少一門程式語言：

比如C語言，MATLAB之類。畢竟演算法的實現還是要程式設計的；如果深入到硬體的話，一些電類基礎課必不可少。

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，自學人工智慧知識對於學習者的要求還是比較高的，一方面人工智慧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慧技術開發，可以分別學習程式語言和人工智慧平臺知識，然後透過實踐來提升開發能力。

從目前人工智慧人才的培養方式來看，當前研究生教育依然是培養人工智慧技術人才的主要渠道，但是隨著人工智慧平臺的陸續開放，人工智慧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（主要學習人工智慧平臺），也能夠完成各種人工智慧應用軟體的開發。

對於自學者來說，以人工智慧平臺為基礎來學習人工智慧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：程式語言。程式語言可以從Python語言開始學起，目前Python語言在人工智慧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，包括作業系統、資料庫和計算機網路等。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慧技術的認知能力。

第二：人工智慧平臺。人工智慧平臺的學習首先要選擇一個開放的人工智慧平臺，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。

首先你得需要有python的基礎，其次我建議要學人工智慧最好還是到企業內部 教室裡面都是紙上談兵

像百度和東軟，深蘭科技和交大都有合作人工智慧課程，好像叫交大人工智慧中心，你可以自己搜一下，好像就是直接深蘭科技裡面上課的

這種企業裡面授課的我感覺更好點

首先你得需要有python的基礎，其次我建議要學人工智慧最好還是到企業內部 教室裡面都是紙上談兵

像百度和東軟，深蘭科技和交大都有合作人工智慧課程，好像叫交大人工智慧中心，你可以自己搜一下，好像就是直接深蘭科技裡面上課的

這種企業裡面授課的我感覺更好點

人工智慧是需要人力、腦力、開發、高等技術與不斷的研究和嘗試等等一系列超高難度的作業才能完成的科技產品。當然這種研究是得到國家和人們大力支援的發展。它的發展對國際影響力是非常大的。人工智慧也可以定義為高仿人類，雖然不可能會像人一樣具有靈敏的反應和思考能力，但人工智慧是按照人類的思想結構等等的探索而開發的研究。人工智慧的開發最主要的目的就是為了替人類做複雜、有危險難度、重複枯燥等的工作，所以人工智慧是以人類的結構來設計開發的，人工智慧在得到較好的開發後國家也是全力給予支援。人工智慧的開發主要也是為了幫助和便利人類的生活。所以人工智慧的定義一直以來都是以“協助人類”而存在的。人工智慧概念的火熱促進了不少行業的興起，比如域名，許多相關的.top域名已經被註冊。以後可能在很多傳統行業，比如銀行，會有人工智慧幫你得到更好的收益。信用卡或其他的貸款會由人工智慧來決定哪些人士可以安全地放貸，而且會還錢。然後再往下人工智慧可以開始動了，就可以進入工業機器人、商業機器人，終進入家庭機器人。

需要數學基礎：高等數學，線性代數，機率論數理統計和隨機過程，離散數學，數值分析。需要演算法的積累：人工神經網路，支援向量機，遺傳演算法等等演算法;當然還有各個領域需要的演算法，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;總之演算法很多需要時間的積累。需要掌握至少一門程式語言：畢竟演算法的實現還是要程式設計的;如果深入到硬體的話，一些電類基礎課必不可少。

建議去培訓機構，或者職業學院學習。