這是一個非常好的問題，作為一名科技工作者，同時也是一名教育工作者，我來回答一下這個問題。

首先，當前教育領域是人工智慧技術的一個重要落地應用場景，一方面教育領域有很多傳統問題急需解決，另一方面教育領域的很多場景比較適合人工智慧技術的應用，而且當前教育領域對於人工智慧技術也有比較大的期待。

從當前人工智慧技術在教育領域的應用情況來看，主要涉及到三大方面，其一是用於輔助課堂教學；其二是輔助學生的課後複習和預習；其三是擴充套件學生的知識面，同時輔助學習進行一些實踐操作。雖然當前一部分人工智慧產品的設計比較全面，但是在落地應用的效果上卻有很大的差別，導致這個問題的原因，主要是沒有形成一個完善的體系。

從人工智慧技術本身來看，當前人工智慧技術依然存在很多問題，比如對於使用者有較高的要求（掌握程式語言），同時對於應用場景也有較高的要求（雲計算和大資料環境支撐）等等，但是從大的發展方向來看，隨著人工智慧技術的不斷完善，人工智慧的應用效果會越來越好，這是當前人工智慧教學受到廣泛關注的重要原因。

人工智慧產品與教育領域的結合有很多切入點，而且不同的學科門類往往也需要有不同的教學方式，從而需要不同的人工智慧產品，這也為更多的創業者在教育領域創業提供了更多的機會。另外，對於有豐富教育經驗的教育工作者來說，也可以參與到人工智慧產品的研發當中，這個過程也會獲得一定的收益。

從人工智慧技術本身來看，當前人工智慧技術依然存在很多問題，比如對於使用者有較高的要求（掌握程式語言），同時對於應用場景也有較高的要求（雲計算和大資料環境支撐）等等，但是從大的發展方向來看，隨著人工智慧技術的不斷完善，人工智慧的應用效果會越來越好，這是當前人工智慧教學受到廣泛關注的重要原因。

1.Python核心、Python面向物件程式設計、Python高階

2.資料結構與演算法、Linux 作業系統、IO 網路程式設計、併發程式設計、Python 正則表示式、MySQL

3.HTML、CSS、JavaScript、MySQL 高階、Python Django 框架、Ajax

4.1.非關係型資料庫Redis、Python爬蟲、Flask 框架、Tornado 框架

4.2.機器學習數學基礎、資料分析、資料視覺化、人工智慧，機器學習，深度學習技術

看看這學習計劃，3/4的時間都花在了以Python為主要語言的網路程式設計上，和人工智慧有一丁點關係，但是完全是兩種思路的方向。

而人工智慧主要是需要什麼呢，對於各個學科都有不同，比如資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等，都需要相應的領域基礎，主要內容包括知識表示、自動推理和搜尋方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智慧機器人、自動程式設計等方面，裡面的核心是數學，線性代數、機率論、數理統計、最最佳化理論、資訊理論、形式邏輯、線性代數等等，這些是培訓班教不了，也不會教的。

可能會偶爾教一些Pytorch/TensorFlow框架呼叫一下，跑跑幾個demo，也僅此而已了。沒有研究經驗，沒有理論基礎，完全就是一個基礎開發工程師，和人工智慧沒有半毛錢關係。現在AI工程師最底線也是數學或者計算機研究生學歷起步，而培訓出來的，也夠不到，企業也不給這個機會，所以更是少得可憐。基本上，培訓機構出來的，也很難找到人工智慧的的崗位，所以也就是忽悠一下外人而已。

核心是數學 ai核心是線性代數 統計學，想搞ai 先成為數字家，不要以為會點程式設計就可以搞ai 就像別以為會搬磚頭就會設計大樓一樣

原因很簡單：因為人工智慧的“風口”還沒到來，人工智慧的“應用場景”還不多，而沒有實際載體的人工智慧，更多是理論上的探討和趨勢研究。

這就不難理解，為什麼人工智慧教學很火，卻效果一般？“紙上談兵”居多的東西，怎麼可能落到“實處”呢……沒有效果是必然的。

教學都是理論課程，離實踐還有很大差距啊！

紙上談兵就是這麼來的。

實際效果就得透過實踐來檢驗，透過做專案，做工程來證明。