lovetankai
首先得具備紮實的數學功底，至少學過線性代數，概率論和數理統計; 其次至少會一門編程語言，c++或者是python; 最後，精通深度學習常用算法，CNN，RNN等網絡模型，最好會夠手動搭建網絡。而且，深度學習引擎至少熟悉一個，Tensorflow或者Caffe。
這個名字真好聽
一. 目的
本文的目的是給出一個簡單的，平滑的，易於實現的學習方法，幫助 “普通” 程序員踏入AI領域這個門。這裡，我對普通程序員的定義是：擁有大學本科知識;平時工作較忙;自己能獲取的數據有限。因此，本文更像是一篇 “from the scratch” 的AI入門教程。
二. AI領域簡介

AI，也就是人工智能，並不僅僅包括機器學習。曾經，符號與邏輯被認為是人工智能實現的關鍵，而如今則是基於統計的機器學習佔據了主導地位。最近火熱的深度學習正是機器學習中的一個子項。目前可以說，學習AI主要的是學習機器學習。
但是，人工智能並不等同於機器學習，這點在進入這個領域時一定要認識清楚。關於AI領域的發展歷史介紹推薦看周老師寫的《機器學習簡介》。下面一個問題是：AI的門好跨麼?其實很不好跨。我們以機器學習為例。

在學習過程中，你會面對大量複雜的公式，在實際項目中會面對數據的缺乏，以及艱辛的調參等。如果僅僅是因為覺得這個方向未來會“火”的話，那麼這些困難 會容易讓人放棄。考慮到普通程序員的特點，而要學習如此困難的學科，是否就是沒有門路的?答案是否定的。只要制定合適的學習方法即可。
三. 學習方法
學習方法的設定簡單說就是回答以下幾個問題：我要學的是什麼?我怎樣學習?我如何去學習?這三個問題概括說就是：學習目標，學習方針與學習計劃。學習目 標比較清楚，就是踏入AI領域這個門。這個目標不大，因此實現起來也較為容易。“過大的目標時就是為了你日後放棄它時找到了足夠的理由”。
學習方針可以總結為 “興趣為先，踐學結合”。簡單說就是先培養興趣，然後學習中把實踐穿插進來，螺旋式提高。這種方式學習效果好，而且不容易讓人放棄。有了學習方針以後，就可以制定學習計劃，也稱為學習路線。下面就是學習路線的介紹。
四. 學習路線
我推薦的學習路線是這樣的，如下圖：

圖1 AI領域學習路線圖
這個學習路線是這樣設計的：首先了解這個領域，建立起全面的視野，培養起充足的興趣，然後開始學習機器學習的基礎，這裡選擇一門由淺入深的課程來學習， 課程最好有足夠的實驗能夠進行實戰。基礎打下後，對機器學習已經有了充足的瞭解，可以用機器學習來解決一個實際的問題。
這時還是可以把 機器學習方法當作一個黑盒子來處理的。實戰經驗積累以後，可以考慮繼續進行學習。這時候有兩個選擇，深度學習或者繼續機器學習。深度學習是目前最火熱的機 器學習方向，其中一些方法已經跟傳統的機器學習不太一樣，因此可以單獨學習。除了深度學習以外，機器學習還包括統計學習，集成學習等實用方法。
如果條件足夠，可以同時學習兩者，一些規律對兩者是共通的。學習完後，你已經具備了較強的知識儲備，可以進入較難的實戰。這時候有兩個選擇，工業界的可以選擇看開源項目，以改代碼為目的來讀代碼;學術界的可以看特定領域的論文，為解決問題而想發論文。
無論哪者，都需要知識過硬，以及較強的編碼能力，因此很能考察和鍛鍊水平。經過這個階段以後，可以說是踏入AI領域的門了。“師傅領進門，修行在個人”。之後的路就要自己走了。
路西法李
智力水平是最重要的，不聰明的建議直接淘汰，否則後期也只能作為一個調包俠的存在。
要有較好的算法基礎和數學基礎，否則培養成本太大，最後年紀小一點，有可能的情況下大後端出身，偏底層的較好，玩概念的，計算機基礎差的慎入
一個數學成績好的人智商通常都差不了哪去，其實就是看天賦。
還要看一個人的定力怎麼樣，有沒有耐心去學習。
還有一點其實也很重要，就是看這個程序員是不是科班出身的，如果是科班出身的程序員的基礎都非常紮實，這一類的人通常教得比較省心。
莫非8125
你只能去識別
他了解人工智能，還是不瞭解人工智能
也就是他現階段具不具備人工智能所涉及的技能
因為沒有學不會的技術
每個人都有潛力和能力
這不是別人所能決定或者測試出來的
只能說某個時間點，某個階段的一個結果
不能代表任何事情
瞭解人工智能實驗，可以關注在線實驗室
http://www.edu.futurelab.tv
AI學習社
看他對數學問題感不感興趣，如果一提到數學都不願意思考的，那麼我看來他可能不適合人工智能。
