再來說說你的人工智慧，這是個東西前景很好。但是前景好的行業不代表你能在這裡混得好。看你的興趣那麼廣就說明了一個問題，你根本不瞭解這個行業，更沒有一個可行的職業規劃。所以你是從自己所理解的角度去看這個行業，然後恨不得所有沾邊的都學個透！這就是不可行的了！

再說點你的就業擔憂。這個是每個畢業生都要經歷的過程，缺乏社會經驗和專業指點。比如你如果想了解這個人工智慧的就業情況你完全可以去各大招聘網站搜尋。裡面就有相關專業的要求和資薪，做完這個調查你就會更有方向。

最後說一句，學習是什麼時候都不晚的，何況你才21，這才多大啊！祝你早日實現自己的夢想！

1.python是不是最適合開發人工智慧的語言？

人工智慧的領域很廣，很多程式語言都可以用於人工智慧的開發。很難說AI必須要用哪一種語言，哪一種最適合；但是python簡單易入門，相對人工智慧領域中來說，是使用比較廣泛的。它可以將資料結構和其他常用的AI演算法無縫連結。此外，python的庫和大量的資源，所以自己學習的話不是特別有難度的。

2.熟練python以後還需要去學習爬蟲、web以及自動化運維等相關知識嗎？

人工智慧跟前端移動端是沒有很大關係的，web全棧開發更是沒有什麼關係。

3.很喜歡人工智慧技術，該怎麼自學？

想要從python入門的話，看到上面線路圖的第一個階段。之後都可以跳過了，直接學習第七和第八個階段。Python的基礎知識入門的話，建議前期看影片學習，之後可以買本基礎知識的書，當做工具書。影片的話，老師可以直接告訴你重點等等。

羅列一套自學方案的話，整理起來真的是字數太多了。樓主可以根據下面要學洗的內容做成自己的學習導圖。

數學基礎：微積分、線性代數、機率統計、資訊理論、集合論和圖論，博弈論；

你說最後學數學，沒必要怕數學；本科當中都會有機率論線性矩陣等等，但是不用你去算出來。這裡所需要的就是看懂公式然後推導。

一、機器學習演算法：

1.機器學習基礎：①估計方法；②特徵工程

2.線性模型：線性迴歸

3.邏輯迴歸；4.決策樹模型；5.支援向量機；6.貝葉斯分類器；

7.神經網路：深度學習

8.聚類演算法：K均值演算法

二、機器學習分類

1.監督學習：①分類任務 ②迴歸任務

2.無監督學習：聚類任務

3.遷移學習

4.強化學習

三、問題領域

1.語音識別； 2. 字元識別：手寫識別；3.機器視覺；4.自然語言處理：機器翻譯；5.自然語言理解；6.知識推理；7.自動控制；8.資料探勘；

四、機器學習生態

1.加速晶片； 2.虛擬化；3.分散式結構；4.庫和計算框架；

6.雲服務

五、行業競賽

六、其他相關人工智慧的技術

1.知識圖譜； 2.統計語言模型； 3.專家系統； 4.遺傳演算法； 5.博弈演算法：納什均衡

4.21歲學習人工智慧可行嗎？來得及嗎？

喜歡加堅持完全可行的，也許會遇到難處別放棄。自學的話是有些難度，最好找個論壇找個志同道合的人一起學習。21歲來的及，這麼年輕哪有來不及的一說。

5.每天學習3-4個小時，除數學基礎外，只熟練一門程式語言，可以直接涉足人工智慧或者演算法相關行業嗎？

想要速成，那就是去背程式碼，不管學到哪裡就努力背下來。要先從資料科學開始學習，因為你不能保證你以後就一定可以從事人工智慧的工作。資料科學也就是你說的演算法和人工智慧是有交叉的。

6.學成以後沒有優勢如何去找工作？

這個應該等學成以後再說，因為很難。尤其是人工智慧方面，資料科學就是挖掘和分析學好了，自己做幾個專案的拿著專案去找工作不難。找到工作之後再自己去考本或者證書都可以的。

最後說一下python的基礎知識可以到黑馬影片庫去學習，裡面有很詳細的入門的教程。關於資料科學的，微軟有很多免費課的。

估計學歷會卡死你，往後只會越來越注重科班出身的學歷，搞ai的指數級增長，以後當個論文工程復現的工程型演算法都困難，會框架調參的人越來越多，你拿什麼跟科班出身的學生競爭，另外不懂程式碼也沒多大關係，你可以先從影象，文字，語音某一塊入手，找找相關論文，你會發現都是數學，不知道你高數機率論線性代數偏微分方程泛函分析等學的咋樣，英語是否能閱讀相關文獻，每天學3-4小時估計夠嗆，python這門語言確實比較適合新手入門，但找工作不容易，我覺得你可以做兩手準備學java，java開發工作好找，需求量大。

如何讓自己在最短的時間內學會python和演算法？

先要知道python和演算法之間的關係！

關於Python,程式江湖裡從不缺少金句：「人生苦短，我用Python！」「學完Python，便可上天！」，而最近這些話從調侃正在變為事實！而對於演算法又是一個綜合的交叉學科，需要系統學習，

書名：《Python 3破冰人工智慧：從入門到實戰》

推薦理由：

數學基礎：從歷年數學建模競賽入手，解讀人工智慧中的數學方法。

程式設計實踐：100餘個程式碼例項，全面講解網路爬蟲、資料儲存與資料分析等內容。

演算法應用：實戰案例輔以豐富圖解，詳盡分析人工智慧演算法特性及其應用場景。

本書創新性地從數學建模競賽入手，深入淺出地講解了人工智慧領域的相關知識。本書內容基於Python 3.6，從人工智慧領域的數學出發，到Python在人工智慧場景下的關鍵模組；從網路爬蟲到資料儲存，再到資料分析；從機器學習到深度學習，涉及自然語言處理、機器學習、深度學習、推薦系統和知識圖譜等。

此外，本書還提供了近140個程式碼案例和大量圖表，全面系統地闡述了演算法特性，個別案例演算法來自於工作經驗總結，力求幫助讀者學以致用。書中還有一系列的Python周邊小知識，教你更好地掌握Python，活學活用Python。

第二本書籍：選擇自己的職業方向

可以是機器學習、深度學習、自然語言處理等

本人從事人工智慧相關行業，對於學習人工智慧有一些自己的體會，因為我也是自學的，雖然不是很精通，但是日常的工作還是可以去做的！

首先要根據自身的情況來決定，不能盲目追求這個熱度！因為學習人工智慧是一個很煎熬的過程。需要興趣和基礎共同支撐！

就拿我個人的經歷來說，我以前幹前端的，後面由於工作需要自學了Python，前年才轉向人工智慧，過程很是波折，付出的學習代價只有自己知道！對於我個人，算是有一定的程式設計基礎，但是人工智慧不是程式設計那麼簡單的，它也需要很多數學統計學的知識！

下圖是人工智慧的知識體系

由於畢業時間較長很多數學的知識都不記得了，剛開始學起來很困難，尤其是在機器和學習深度學習的學習過程中很多知識點很難理解，幾乎是聽不懂的狀態。後來乾脆暫停學習，開始數學知識的補充，當然不是盲目的什麼都學，主要補充學習中用到的數學知識，如矩陣，向量，線性代數，機率論等。一點一點的來，學完數學知識就去學習人工智慧，不會了再去看數學！就這樣近三個月，終於對機器學習深度學習有了初步瞭解！這也算是入門了！在接著學起來就輕鬆了很多！也逐步的掌握了一些演算法！

從自學的角度來說是完全可以的，只要你有一定的數學基礎，會一門程式語言，就可以開啟你的自學之旅了！如果你是小白（零基礎），也是可以的，關鍵的還得有數學基礎（第三次強調了），人工智慧的程式語言python很好學。數學才是人工智慧的最基礎的東西！

現在應該在說說就業，這個應該是最重要的，在目前來看，人工智慧的就業偏向於高學歷，好專業，學歷碩士以上和計算機相關專業，數學統計學專業的很吃香！當然本科也可以！專科有些吃力～不過只要努力還是有機會的！

演算法工程師。。。。兄弟，理論上是可行的，只要你有足夠的毅力和決心。

如果只是掌握python以及怎麼使用現成的一些ai庫，這個沒什麼難度。目前大多數人都是傳參俠。。

如果要去搞演算法這一塊，就惱火了，要有紮實的高等數學微積分，機率論，線性代數的知識，AI玩的6的大牛都是對各個演算法瞭如指掌，從理論到實戰手撕程式碼都很牛逼，但是光理論上研究就勸退了大部分人，其中不乏985/211這些重點大學的本科生，很多人都對AI感興趣，但是沒有多少人能從算法理論知識上熬過來，實在太苦了。

有空可以去網上找找《統計學習方法》這本書的pdf版看看，如果你堅持認真看完了，那就當我上面的都是廢話。