人工智慧是一個集科技大成的專業，需要掌握的東西會非常多，而我們只是根據自己的情況做其中的一部分。比如程式設計的就專注於程式的最佳化，演算法的就在於演算法的設計，人體動力學就專注於和人結合這一塊的設計等等，我們只掌握一個專業就不錯了

（1）人工智慧其實是一個大範疇的交叉學科，並不是一個實際的研究方向，所以你需要在其中選一個細分的領域進行研究，比如自然語言處理，計算機視覺，推薦系統等等

（2）不管是哪個方向，你必須掌握一下基本的知識，比如數學，機率論與數理統計，高數，線性代數，這個是基礎，也是非常重要的。

（3）論文，這個非常重要，只有精讀相關領域的論文，才能讓你更深入的瞭解他。

（4）相關演算法知識，比如一些分類聚類演算法，比如主題模型，分詞，比如CNN之類的

（5）最後就是一些實踐經驗。

總之一句話，做之前要想好，想好了就去幹！加油

另外有一點可以給你建議，就你目前不瞭解自己能力的情況下，多出去找找，和不同面試官溝通一下就能知道自己處於什麼水平，還有哪些地方需要提高和改進，實踐是檢驗真理的唯一標準嘛。

先上結論：

人工智慧相關的崗位很多，不同的崗位，不同的境界所需要掌握的程度不一樣。

對人工智慧演算法的理解主要有四種境界，你需要確定自己需要達到哪種境界，才好確定你的努力方向和策略。

1.知其然境界2.應用者境界3.工程師境界4.科學家境界一、知其然境界

第一個是知其然，也叫知其所以然境界，知道當下的人工智慧到底是什麼，知道機器學習和深度學習大概是個什麼東西，不會過分的去神話AI，知道目前AI的優勢，更知道目前AI的侷限，如果你從事相關產品經理或者做相關領域投資，達到第一境界即可。

二、應用者境界

應用者境界是大部分人工智慧演算法工程師所在的境界，主要就是明白演算法原理，知道如何實現，核心在於知道如何把他應用在一個實際的業務場景之中，如果你是一個利用AI來解決業務問題的演算法工程師，那麼你至少需要達到這個境界。

三、工程師境界

工程師境界也是很難的一種境界，需要用很強的理論背景和工程實現能力，能獨立復現最新的論文，深刻理解論文的實現原理，並能在上面做一些小創新。如果你想成為更牛逼的AI演算法工程師，那麼就需要達到這個經濟。

四、科學家境界

科學家境界是很少很少一部分人能達到的境界，主要是那些從事人工智慧研究的科學家，他們能原創出很多的演算法和理論，解決一些最前沿的難題。比如深度學習的鼻祖Hinton,生成對抗網路發明人 Ian goodfellow,Xgboost發明人陳天奇等等。

不同的境界對應不同的要求，簡單點概括就是：

工程能力決定你的下界，理論能力與業務理解決定你的天花板。

對於這個疑問，我帶你先看看某公司人工智慧開發的應聘要求：

個人負責公司的演算法開發一年有餘，從同事和專案經驗要求來說，不是想象中那麼嚴格。

基本技能

1.掌握基本的高等數學、線性代數（矩陣運算）、求導運算等大學期間的基礎數學知識（也是大學必修課）；

2.對機器學習、深度學習有基本的瞭解，比如啟用函式、神經網路、演算法等；

3.深入瞭解和熟悉10個左右演算法，比如卷積、softmax、relu等；

4.對深度學習網路有基本的瞭解，比如分類網路（resnet）；

5.熟悉開源深度學習平臺，比如tf，caffe，caffe2等，有實戰經驗更好；

6.語言方面，主要是python，c/c++，matlab；

進階技能

1.深入探索和熟悉1-2個開源推理平臺，推薦tf和caffe，對其原始碼、框架熟悉，能夠進行程式碼修改和二次開發（演算法開發技能方面）；

2.有豐富的網路除錯和實戰經驗，有3-4年的人工智慧開發經驗，對影片&影象推理網路功能、效能等方面有提升、增強經驗，並具備充分的專業知識和業界認知（演算法開發經驗方面）；

3.博士或博士後，曾在xx期刊發表過人工智慧相關文章或有潛高專利，國外xx大學（人工智慧領域發現突出）研究所或博士（學術界方面）；

以上兩個方面決定你今後是做演算法專家還是演算法架構專家等方向。

基本如此，人工智慧入門沒想象中那麼難，只要度過並照著書操作過1-2個網路，讀讀caffe的原始碼就差不多。但是深入會非常難，尤其受限於學歷，因為人工智慧的創新，還是重點在學術界的創新，所以就需要更多的專業領域知識和科學研究經驗（這對於工作的工程師來說很難提升，沒有導師帶，跟蹤和參與人工智慧演算法、框架的開源社群是一條道路）。總體來說，入門簡單，往高處走很難。

人工智慧最看重專案經驗，不建議去那種培訓機構，在教室裡面紙上談兵 連個人工智慧產品都見不到的

我其實覺得要學人工智慧最好還是到企業內部 教室裡面都是紙上談兵

像百度和東軟，深蘭科技和交大都有合作人工智慧課程，好像叫交大人工智慧中心，你可以自己搜一下，好像就是直接深蘭科技裡面上課的

這種企業裡面授課的我感覺更好點