1. 如果想要入門人工智慧行業，首先要有一定的數學功底，最初的人工智慧演算法都是研究人員為了逼近那些比較難的非線性函式而使用的，所以我們平常要多學習一些基礎數學知識：線性代數、機率論、統計學、圖論等等。

2. 學習人工智慧主要是演算法+實現，在演算法方面，我們要學習大量的人工智慧基礎知識，就是各種機器學習/深度學習演算法，比如決策樹、SVM、Adaboost、隨機森林、邏輯迴歸以及聚類等機器學習演算法，還有CNN、RNN、LSTM等深度學習演算法。我是做計算機視覺的，剛開始我是先接觸和學習大量的影象處理基礎知識，也就是傳統的影象處理方法，熟悉了這些之後再去研究深度學習演算法，這樣可以更好地理解深度學習演算法。現在有很多關於演算法方面的書籍以及相關演算法部落格文章，可以找到相關方向的書籍並結合一些教學影片進行學習，效率可能更快一些。

3. 在演算法實現方面，需要根據自己的發展方向來選擇程式語言和實現平臺，比如計算機視覺方向，如果實現傳統影象處理的話，一般在MATLAB和Opencv平臺上實現，MATLAB平臺使用的就是matlab語言，Opencv平臺用的是C/C++語言，這就需要你熟悉相關程式設計平臺和程式語言；如果研究深度學習演算法的，大部分是在深度學習框架下實現，比如Tensorflow、Caffe、MxNet、Keras等等，這些平臺都可以用Python語言實現演算法，有的也可以用C++語言。所以在演算法實現上，你要學習相關的程式語言C/C++、Python等，還有一些計算機基礎知識作業系統、Linux、資料庫、資料結構等。

就我個人而言，覺得應該先明確發展方向，再去學習其領域相關演算法和具體的程式語言。以上只是我的個人觀點，結合我的實際情況說了一些，有想入門的朋友可以一起交流學習。

隨著大資料相關技術的逐漸成熟和發展，人工智慧也得到了廣泛的關注，藉助於大資料這個重要的基礎，機器學習等人工智慧技術也取得了一定的發展，在自動駕駛、智慧醫療、智慧教育、智慧金融等領域都有一些落地應用。相信未來在物聯網、大資料和雲計算等技術的支撐下，人工智慧必將得到進一步的發展，所以學習人工智慧相關技術是不錯的選擇。

學習人工智慧技術通常要經過以下幾個步驟：

第一：瞭解人工智慧概念並選擇一個學習方向。人工智慧是一個典型的交叉型學科，包括哲學、數學、計算機、經濟學、神經學、機械學、語言學等，這也是為什麼人工智慧領域具有較大研發難度的原因。人工智慧經過60多年的發展，目前主要的研究方向集中在自然語言處理、自動推理、知識表示、機器學習、計算機視覺和機器人學等六個大的領域，目前機器學習比較熱門，也是入門人工智慧領域不錯的選擇。

第二：從程式語言開始學習。以機器學習為例，雖然機器學習的核心在於演算法，但是入門階段的演算法並不複雜，具備一定的線性代數和機率論基礎是完全可以入門的。對於數學基礎不好的人來說，也可以在學習機器學習的過程中補學相關內容。透過程式語言來完成一些簡單演算法的實現過程可以瞭解機器學習的實踐過程，所以從程式語言開始學習機器學習是比較現實的選擇。目前Python語言在人工智慧領域有廣泛的應用，而且Python語言簡單易學，所以學習Python語言對於初學者來說是不錯的選擇。

第三：注重實踐。學習人工智慧相關技術一定要結合大量的實驗，透過實驗一方面可以驗證各種演算法的效果，另一方面也可以對抽象概念形成畫面感，增強對於這些概念的理解。所以，初學者一定要多做實驗。

如果你不想花錢報輔導班，你就憑藉你的特長去一家人工智慧公司，然後你一大半的同事都會成為你的免費老師，我就是這麼幹的

我做新媒體運營，現在在北京來也網路科技有限公司，一家做TO B 對話機器人的公司，在北京中關村，上海也有分公司，我們公司特別看重技術，所以技術人員都很厲害，領導層都是圈內知名的，這裡不方便點名，隨便一個演算法的實習生都是中科院的、或者留學回來的。

平時工作之餘，跟實習生請教一下，大家都知道，實習生相對比較閒，態度超級好，這樣很快就入門了。

這應該是最好的學習了，不用教學費還拿工資！