零基礎首先我建議你先補基礎，最起碼你要懂一點電腦基本執行原理和程式設計基礎，要不然你進去就是一頭汙水，還要有一定的數學基礎，你可以自己找一些網站自己學一些基礎，正所基礎不牢、地動山搖。

1.基礎數學知識：線性代數、機率論、統計學、圖論

2.基礎計算機知識：作業系統、linux、網路、編譯原理、資料結構、資料庫

3.常考程式語言基礎：C/C++、Python、Java

4.常考人工智慧基礎知識：ID3、C4.5、邏輯迴歸、SVM、分類器、等演算法的特性、性質、和其他演算法對比的區別等內容。

5.常考工具基礎知識：opencv、matlab、caffe等

要進入人工智慧行業，首先要有一定的數學功底，因為人工智慧不同於app開發，網頁開發、遊戲開發等傳統的網際網路職位，每天檢視api呼叫函式或者是美化介面。

人工智慧是從數學中的“逼近理論”逐步演化而來的，當今人工智慧所使用的方法，最開始的時候大部分是數學家為了逼近某些比較難表示的非線性函式而使用的。後來隨著計算機效能的提高，計算機工作者，統計學家，開始嘗試用這套“逼近理論”解決一些分類問題。逐步發展成為現在的人工智慧局面。

現在屬於人工智慧行業發展初期，各種可用的api函式都比較少，所以自己編寫演算法是必須要會的。

對於要深入掌握人工智慧知識的工程人員來說，數學是繞不開的坎。

對於要深入掌握人工智慧知識的工程人員來說，數學是繞不開的坎。

對於要深入掌握人工智慧知識的工程人員來說，數學是繞不開的坎。

從事人工智慧，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。

另外人工智慧對學歷要求很高，而且對演算法也有很高的要求，總的來講，入門人工智慧門檻很高。