想要知道AI深度學習需要具備哪方面的知識，我認為首先就是必須深透認識深度AI到底是什麼，他與傳統的人工智慧有什麼區別。

人工智慧，就好像第四次工業革命，正從學術界的私藏，轉變為一種能夠改變世界的力量。尤其，以深度學習取得的進步為顯著標志。

想要學好AI，我們先從概念和現象入手。

在我看來，深度學習是基於多層神經網路的，海量資料為輸入的，規則自學習方法。

過去的演算法模式，數學上叫線性，x和y的關係是對應的，它是一種函式體現的對映。但這種演算法在海量資料面前遇到了瓶頸。國際上著名的ImagineNet影象分類大賽，用傳統演算法，識別錯誤率一直降不下去，上深度學習後，錯誤率大幅降低。在2010年，獲勝的系統只能正確標記72%的圖片；到2012年，多倫多大學的 Geoff Hiton利用深度學習的新技術，帶領團隊實現了85%的準確率。2015年的ImagineNet競賽上，一個深度學習系統以96%的準確率第一次超過了人類（人類平均有95%的準確率）。

數學基礎方面，統計機率，性性代數，然後學會python，機器學習以及常見的演算法，然後就是基礎的深度學習框架的學習，tensorflow和pytorch，一些基礎的深度學習模型，CNN，RNN等，最後看你學那個方向，分為CV和NLP，會有不同的經典模型，比如NLP的transformer，bert等，最後就是一些經典的深度學習任務的實戰。