1.線性代數，機率論與數理統計，高等數學得學好。

2.熟練掌握一門程式語言，建議c++或者Python。

3.至少會一個深度學習開源工具，Tensorflow或者caffe。

4.斯坦福的公開課CS231或者CS229自學完，或者學習NG教授的深度學習系列課程。

5.掌握常見深度學習演算法原理和實現，CNN和RNN。

6.跟著Github上的專案學，閱讀原始碼，一句一句看懂。

7.自己動手做實際專案。

當前和未來兩年，人工智慧是技術行業的發展主流。用來開發機器學習主要有三門語言：Python Java C++，其中Python是主流。人工智慧培訓講師哪個好？想必不用我強調，大家也清楚2019人工智慧學習路線圖對大家來說有多重要吧？

在課程方面，目前人工智慧的課程制定沒有統一的標準，因此不同機構的課程內容是由差別的，有的課程內容多，有的課程內容少，有的課程內容複雜，有的簡單，自然學習起來所需要的時間也是不一樣的。

一般來說，課程比較全面，對於一個零基礎的學員來學習的話，要學習半年左右的時間才能掌握。

把新學到的東西和日常的工作、生活聯絡起來，進行思考。比如：將理論代入現實，不同領域間事物的類比，相似內容的對比等。

以身邊的例項來檢測理論。不僅能夠加深理論知識的理解，而且有助於改進日常事物的處理方法。

如果想要更好地掌握人工智慧，建議用以下兩個方法：

一是記錄：

準備一個筆記本，紙的或者電子的。有什麼發現、感想、疑問、經驗等等，全都記下來。

如果是對某個話題、題目有比較完整的想法，最好能夠及時整理成文，至少記錄下要點。

隔一段時間後把筆記整理一下，把分散的點滴整理成塊，一點點填充自己的“思維地圖”。

二是分享：

知識技能這種東西，學了，就得“得瑟”——把學習到的新知識、理論、方法，分享給更多的人。如此一來，倒逼自己整理體系、記憶要點，堪稱與人方便自己方便的最佳例項。

把自己的感想、體會、經驗分享出來也是同理，還多出了鍛鍊自己邏輯思維能力和歸納總結能力。一舉多得，何樂而不為？

希望對大家有所啟發。

作為一名科技從業者，同時也是一名教育工作者，我來回答一下這個問題。

當前隨著人工智慧領域的快速發展，科技行業（網際網路）對於人工智慧方面的專業人才需求量也在逐漸增大，而傳統的研究生教育在人才培養規模上遠遠滿足不了行業的人才需求，所以一部分高校也開始在本科階段設立了人工智慧專業，雖然當前的培養規模並不大，但是未來的發展前景還是比較廣闊的。

人工智慧是典型的交叉學科，涉及到哲學、數學、計算機、控制學、經濟學、神經學和語言學等諸多學科，所以人工智慧專業的知識量還是比較大的，而且也有一定的學習難度，因此對於本科生來說，學習人工智慧專業是不小的挑戰。

要想學好人工智慧專業，在本科階段應該重視以下幾個方面：

第一：重視數學課程的學習。數學對於人工智慧專業的學習具有非常現實的意義，目前人工智慧領域的諸多研究方向，都離不開數學知識，所以一個紮實的數學基礎是能夠學好人工智慧知識的前提。人工智慧技術的基礎涉及到資料、算力和演算法三大方面，其中資料和算力可以透過資料中心來提供，而研發人員的工作重點就是完成演算法的設計。

第二：重視人工智慧基礎知識的學習。人工智慧基礎知識涉及到人工智慧的基礎知識體系，其中機器學習部分一定要重點關注。機器學習可以作為開啟人工智慧知識大門的鑰匙，同時機器學習在大資料等領域也有廣泛的應用。在學習機器學習知識的過程中，也會全面培養自己的研發方法，從而逐漸提升對於人工智慧技術的認知。

有一定python基礎的話可以選擇自學，但是還是培訓來的實在一些，也會做相關專案，掌握的更紮實，對於之後就業也有好處。