首先要學習程式設計，這裡首推Python。

程式設計對於任何一個新手來說都不是一件容易的事情，相對於其他程式語言，Python對於任何一位想學習的程式設計的人來說的確是一個福音，Python的語法簡介優雅更貼近人類說話的語態, 擁有非常強大的庫，同時被稱為最優雅的語言之一。通常來說對於同樣的功能，Java寫十幾行的程式碼，一行Python程式碼就可以搞定。即便沒有太多的程式設計或者計算機方面的基礎，透過短期的學習，也能夠上手Python開發想要的應用程式，更適合新手入門。

現今在網際網路行業中，大資料、雲計算或人工智慧最火，每款手機都標榜著自己是引入了人工智慧這個技術。阿里巴巴、騰訊等網際網路巨頭都在向這方面投巨資。那麼比較來說哪門語言對於這些技術開發是友好的經驗是成熟的，它的發展就必然廣闊。而在Python20多年的積累和沉澱，在大資料、人工智慧方向，可以說是目前最好的語言之一。再加上Python簡單易用的特性，所以迅速的到了行業的認可，成為除了Java外生命力最強的一門語言。學習完Python不用擔心找不到工作，更不用擔心你的收入會上不去，現在在整個行業中Python處在需要大量人才湧入，而行業很缺人的這種狀態。

Python本身來說並不是一門新的語言，在過往的20年來，Python一直在悄無聲息地生長髮芽，直到這幾年，隨著網際網路的發展以及人工智慧的普遍應用，Python呈現出了強大的生命力。

第1步：學習人工智慧

從這個課程的大型彙集，面向學生和教授的專門資源，以及研究文章、線上研討會和教程的圖書館起步。

1.1機器學習。掌握監督學習演算法、機器學習重要概念等的實踐知識。

1.2深度學習。學習深度學習的基礎知識，神經網路架構、卷積網路架構和迴圈網路架構的基本原理，及其他。

1.3利用 TensorFlow的應用深度學習。瞭解如何使用最流行的機器學習框架用 Python構建神經網路應用程式。

第2步：探索框架

使用最流行的軟體框架來開發現已針對英特爾® 硬體最佳化的機器學習應用程式，以提供更快的速度和更高的準確性。

2.1TensorFlow學習。這款來自谷歌的開源軟體庫配備針對英特爾® CPU 的最佳化以提高速度。

2.2Caffe學習。利用這款面向機器學習的框架建立功能強大的應用程式，縮短開發時間。

2.3BigDL學習。在可在現有 Spark 或 Hadoop群集之上執行的 Apache Spark程式上執行分散式深度學習訓練。

第 3 步：開發人工智慧應用程式

使用英特爾® 硬體實現跨 CPU、VPU、FPGA、桌上型電腦和膝上型電腦的快速推理和訓練。

3.1英特爾® DevCloud。訪問這個英特爾® 至強® 可擴充套件處理器支援的免費雲計算叢集，用於機器學習和深度學習訓練及推理的專案。

3.2利用英特爾® FPGA 進行深度學習推理。掌握在強大的英特爾® FPGA 上實行高速機器學習推理應用程式工程的過程。

3.3電腦上的人工智慧。在膝上型電腦、2 合 1 裝置和桌上型電腦上，利用英特爾® 處理器和英特爾® 處理器顯示卡驅動基於推理的應用程式。

以上資料摘自與Intel官網（https://software.intel.com/zh-cn/ai/get-started），該網站提供詳細的學習影片及文件內容，方便有興趣的人更快速的學習人工智慧開發。

AI方向太多，對基礎演算法要求比較高。相對於培訓機構直接上手軟體開發來說，AI入門要求來的更高，難度也大。建議碩士及以上的計算機相關專業再來入坑...

第一波：英語基礎要紮實，最起碼要能閱讀英語論文，因為AI技術不像軟體開發基礎，有大量的各種各樣的資料，並且每年的技術更新也比較慢。但是AI技術是仍在蓬勃發展的，只有比較好的英語基礎才能掌握到第一手的高質量的學習資料（論文）

第二波：計算機基礎及演算法。AI技術仍然是軟體技術，除非你僅僅是學術方向，在工業領域仍需要非常多的計算機基礎知識作為支撐：計算機網路/作業系統/分散式系統等等相關的計算機概念。同樣的掌握和具備強大的演算法能力AI自然更加得心應手。

第三波：數學基礎。AI技術很多理論都是計算機技術與數學知識的結合，像微分/機率論/數學分析等在AI領域都是不得不知的基礎。

最後：AI領域市場需求沒有想象中那麼大，入行需謹慎！