能有這樣的想法是值得稱讚的。

這樣的目標符合時代潮流

不要急功，先把數學學好。以後人工智慧也好，大資料也好，數學在這個過程中就像過日子中的柴米油鹽，有了這些才能做好飯，炒好菜。

有必要研究生也學數學。

至於計算機語言，找個流行的自學就行了。

人工智慧技能列表：迴歸分析、聚類分析、分佈、關聯規則、迴歸、決策樹、SVM、Adaboost、加法模型、LR、SVM、決策樹、DNN、CNN,、AlexNet、GoogleNet、Caffee、TensorFlow......

還沒完呢!

線性迴歸演算法、梯度下降原理、邏輯迴歸演算法、決策樹、貝葉斯、Kmeans 聚類、DBSCAN 聚類、降維演算法......

作為一家專業的大資料公司，我表示非常看好你這種有主觀能動性的複合型資料人才哦（雖然是未來的）~

資料行業的工作，說易不易，說難不難的，並且想在這個行業做事，也有很多種方法，無論是演算法，還是運維，亦或是架構，核心內容都可以圍繞大資料展開。

不過其實你的數學基礎，決定了你無論做技術還是做分析都很贊，以資料分析師為例，淺談一下入行的方法~

下面分享的是在網際網路行業，如何快速成為一個數據分析師？我分幾個部分：基礎《計算機科學概論（第11版） (豆瓣)》，瞭解計算機基本原理，目標是知道一個網站或APP是怎麼執行的。《深入淺出統計學 (豆瓣)》養成每天看36氪之類的習慣，在這裡『讀懂』網際網路資料採集不論是自有平臺，還是第三方分析工具，這一步其實不需要你自個採集，但你需要知道採集什麼，而最主要的輸出物就是設計指標體系和埋點方案。《精通Web Analytics 2.0》《精益資料分析》提數和處理這一步分兩種，如果你在甲方做資料分析，且是自有平臺，你可能需要下面的技能：《SQL必知必會》或者看關於SQL 教程_SQL教程_w3cschoolHive而對於採用了第三方資料分析工具作為解決方案的時候，你可能需要了解並掌握第三方工具的使用，尤其是對於一些具有強大分析功能的工具，在完成資料接入後，基本上的統計和分析需求都可以直接在BI層面上拉取。功能比較簡單的比如百度統計、友盟、TalkingData，靈活的比如谷歌分析、Mixpanel，還有我們神策分析 ：）。這裡可以瞭解一些最基礎的網站分析概念：《人人都是網站分析師》

資料分析

同樣，這一步如果是自有平臺，你可能需要選擇會以下技能：《利用Python進行資料分析 (豆瓣)》 或者 《R語言實戰》學下 SAS或SPSS 軟體偉大的Excel當然，如果是第三方解決方案，很多分析需求都能直接透過視覺化操作解決。資料視覺化這一步最多的要麼是報表要麼是演示，你需要熟練得使用以下兩項技能：ExcelPPT

到這裡，基本上，你已經是個合格的網際網路資料分析師了，可以應付大部分運營或產品的人提出來的統計和分析需求。當你掌握了各項技能後，決定你一份報表或一份報告所能輸出的價值的大小，甚至是該統計哪些指標，用什麼樣的分析思路，都取決於你對業務的認知。

至於技術層面，你可以優先了解一下Hadoop、SQL、Kudo等相關的技術，當然寫程式碼的技術也是必需的，無論前端後端運維架構演算法……

你不能只會世界上最偉大的語言吧，PHP~

本人也是數學專業，現在工作快兩年，做安卓開發。你如果將來真想做大資料或者人工智慧，專業課一定要認真聽，還有就是學校基本會開資料結構，C需要這樣的課程，也要認真聽，最後，一定要考研，考研就要考這兩個方向的一個，個人覺得，如果你真想成為這兩行業的弄潮兒，研究生的知識都還不夠，至少是博士，所以成就有多大，就看你能力有多大吧！最後補充一點，人工智慧和大資料做的比較好的，國內都是BAT這樣的大公司，他們對招這方面的人才學歷很重視，所以努力往上讀吧！