近年來人工智慧隨著大資料的發展而得到了更廣泛的關注，目前機器學習、自然語言處理、計算機視覺、機器人學等人工智慧領域的細分方向得到了更多的應用，整個IT行業對人工智慧的人才需求也呈現出增長的趨勢，所以目前人工智慧人才的薪資待遇也比較高。

現在不少傳統開發領域（Web開發、移動互聯開發等）的開發者希望轉型到人工智慧領域，對於這部分開發者來說，可以按照以下路線進行：

第一：從大資料開始學起。大資料是人工智慧的基礎，對於機器學習而言，資料收集和資料整理是首先要做的事情，相對於人工智慧來說，大資料相對還是比較容易入門的。大資料的學習重點在資料分析領域，從資料分析過渡到機器學習是非常容易的。學習資料分析要從演算法設計、程式語言兩方面入手。一個比較好的建議是學習一下Python，然後使用Python的Numpy、Scipy、Matplotlib、pandas、Sympy等庫完成一系列資料分析任務。看幾個小例子：

第二：從大資料過渡到機器學習。在掌握了一定的大資料知識之後，就可以從大資料過渡到機器學習方向，因為目前透過機器學習的方式進行資料分析是比較流行的方式，現在不少AI程式設計師都是從大資料轉過來的。機器學習的學習內容包括演算法設計、演算法訓練、演算法驗證、演算法應用等環節，可以先從機器學習演算法開始入手，比如kNN、決策樹、樸素貝葉斯、支援向量機等常見演算法，然後透過實驗來實現演算法並進行驗證。看一個強化學習的描述過程：

第三：全面展開AI的學習。目前AI的知識結構包括自然語言處理、自動推理、機器學習、知識表示、計算機視覺和機器人學六大部分，要想了解這些內容要對AI有一個整體上的認知，然後選擇再逐漸深入。看兩個“機率推理”演算法的描述過程：

最後，如果感到在學習AI時有較大的困難，那麼讀研是一個不錯的選擇。

1.顛覆性思維，迴歸使用者需求的原點

2.場景驅動創新，找到新場景就開啟一片藍海

3.大道至簡，最好的互動方式或許不需要UI

以上僅個人觀點