根據我多年的經驗。現在市面上人工智慧工程師，面向工程的有csdn，百度的，科大訊飛的，還有優達學城。個人覺得這些專案各有優勢，每一個公司出的產品都各有各自的特色，那就看你注重於哪個方面，如果你想在語音識別領域，那就選科大訊飛，如果你想在無人車領域，那就可以考慮百度和優達學城，如果是在軟體工程師方面，那就可以考慮csdn。

其實回答這個問題之前，首先要自己想清楚自己想在人工智慧哪個方向發展。

人工智慧可是一個大概念，應用領域非常多，使用技術也不盡相同。正是因為應用領域、技術的差異，還是根據自己未來規劃的方向和技術方向來選擇提供人工智慧相關培訓的機構。

在行業發展的早期，一般的技術方都會有合作機構來培育人才市場，畢竟人工智慧的技術平臺，是需要有豐富應用的，更多的開發者，就意味著平臺的應用豐富，那麼吸引的使用者也就多，從而形成平臺的良性迴圈。

所以平臺供應商都會有培訓機構。國內人工智慧最有名的兩家企業，百度和科大訊飛，都有相關的人工智慧平臺，那麼學習人工智慧，當然這兩家合作的培訓機構是比較適合的。

而科大訊飛的語音識別能力強，百度的無人駕駛強。這樣就需要進一步瞭解未來的求職方向了。

首先直言告訴你人工智慧不是人人都能學的會，不是報個班啥的就行的。你要能搞清楚她，必須的數學好，有一定得數學基礎。其次是演算法基礎，統計算法的熟練。然後還得有一定程式設計能力。三者缺一不可。

要入之前先學習下科普類的知識，瞭解些概念，這對一般人也大有裨益。

《機器人浪潮》

《人工智慧的未來》

《視覺化未來》

稍專業一點書籍學習:

《人工智慧及其應用》

《人工智慧與人工生命》

《人工智慧時代》

人工智慧不是就這幾年才發展起來的是幾十年積累的爆發，數學的最根本基礎。

高數、線代、機率論、數理統計等等都的學，反正這方面說實話蟲蟲也有點弱，還是儘可能學吧，別撓破頭皮就行。

演算法基礎也必不可少，人工智慧的每一個方面最底層都是演算法。

常用的模式識別演算法都要學習下，比如基本數值演算法、迴歸、貝葉斯、聚類、人工神經網路及深度學習、svm、遺傳演算法等。這一步可以結合matlab，r語言，python語言一起來學習。

ai框架學習必不可少，這讓你是直接上手使用ai的便捷方法。

1. TensorFlow

又谷歌推出，是深度學習屆標杆和明星。

2、H2O

水分子式，是一個企業級的ml框架。

3、Caffe

4、Deeplearning4j

Deeplearning4j，由Scala開發的基於Spark的開源分散式的深度學習專案，由Skymind牽頭開發。

麻省理工公開課:《機率論》，《 演算法導論》。

斯坦福大學：CS229 NG吳恩達的機器學習 （Deep Learning)，CS231n Convolutional Neural Networks for Visual Recognition，CS224n Natural Language Processing with Deep Learning

臺大學公開課：《機器學習基石》，《機器學習技法》，《Machine Learning and having it deep and structured》

Coursera公開課：《Machine Learning》，《Neural Networks for Machine Learning》。