這是一個非常務實的問題，我結合當前人工智慧領域的創新趨勢和產業應用情況來說說個人建議。

首先，當前本科生學習人工智慧要結合自身的發展規劃來制定學習規劃，要明確自己走學術創新路線還是走產業應用路線，不同的路線需要構建不同的知識結構，學習側重點也有區別。

如果有繼續讀研的計劃，那麼就應該重視構建自己的理論知識體系，可以從經典的機器學習演算法開始，然後逐漸擴充套件自己的知識面，要重點學習深度學習、計算機視覺、自然語言處理相關的內容，這會為後續的科研活動奠定基礎。

如果有就業的計劃，就應該重視提升自己的工程實踐能力，在學習機器學習的過程中，要重視如何完成演算法模型的落地應用，要重點學習深度學習框架和開發平臺，這個過程中還需要積累一定的行業背景知識，這對於後續的就業會產生比較直接的影響。

不論是走學術創新路線還是走產業應用路線，人工智慧相關知識的學習對於場景的要求都相對比較高，並不建議在脫離交流和實踐的場景下完全自學，一方面本科生很難給自己規劃出比較合理的學習路線，另一方面也大機率會走不少彎路。

目前不少大廠都陸續開放了自己的機器學習平臺，平臺上也有很多案例可以參考學習，而且這些案例的學習門檻都不高，這會讓初學者實現快速入門，但是這些案例通常都是應用層面的介紹，並不會深入探討演算法模型相關的內容，所以後期還是需要重點關注一下當前的最新創新成果。

我從去年開始就安排組裡的同學整理人工智慧領域的一些研究成果，不僅關注最新的研究成果，也在集中整理大量的經典文獻，後續我們會把這些整理出來的資料分享出來，方便初學者同學使用。

為了讓更多同學有機會參與到高質量的交流和實踐活動當中，我聯合多名大陸外知名大學的導師和網際網路大廠的企業導師，共同搭建了一個技術論壇，在持續開展人工智慧、大資料、物聯網相關的科研實踐和成果分享活動，感興趣的同學可以聯絡我申請參與。