要想入行人工智慧工作，首先要了解人工智慧所涉及到的知識結構，同時結合自身的基礎制定一個適合自己的學習路線。

人工智慧雖然經過了60多年的發展，但是目前人工智慧依然處在行業發展的初期，也就是通常所說的“弱人工智慧階段”。人工智慧目前研究的內容集中在自然語言處理、知識表示、自動推理、機器學習、計算機視覺和機器人學六個方面，目前機器學習是一個研究的熱門，從機器學習開始入門人工智慧是一個不錯的選擇。

機器學習簡單的理解就是從一堆雜亂無章的資料中找到背後的規律，機器學習的步驟包括資料收集、資料整理、演算法設計、演算法實現、演算法驗證和演算法應用，也就是說機器學習從資料收集開始，核心是演算法設計。常見的機器學習演算法包括kNN、決策樹、支援向量機、樸素貝葉斯、Apriori等，這些演算法也是機器學習的重點內容。

對於基礎比較薄弱的學習者來說，從大資料開始學習是一個不錯的選擇，一方面原因是機器學習的基礎是資料，另一方面原因是大資料的學習路線相對清晰，透過機器學習的方式實現資料分析也是目前大資料領域一個流行的做法，所以從大資料進入機器學習領域是相對比較順利的方式。

作者簡介：中國科學院大學計算機專業研究生導師，從事IT行業多年，研究方向包括動態軟體體系結構、大資料、人工智慧相關領域，有多年的一線研發經驗。