我們的愛JH
機器學習是我的主要研究方向，目前也在帶相關方向的研究生，所以我來回答一下這個問題。
首先，人工智能領域是一個典型的交叉學科，不僅計算機專業的畢業生可以向人工智能領域發展，數學、物理、自動化、機械類等專業的畢業生也可以從事人工智能領域的研發工作，隨著人工智能行業的生態不斷健全和發展，未來更多專業的畢業生都可以向人工智能領域發展。
如果要從事人工智能領域的研發工作，需要具備以下幾個方面的知識基礎：
第一：數學知識。人工智能領域的研發分為六大方向，分別是機器學習、計算機視覺、自然語言處理、自動推理、知識表示和機器人學，這六大方向的研究都需要研發人員具備紮實的數學基礎，包括高數、線性代數和概率論知識。當然，研發人員還需要學習大量的算法知識，算法設計、算法實現和算法訓練往往是人工智能領域研發的核心環節。
第二：計算機基礎。人工智能的研發需要具備一定的計算機基礎知識，包括操作系統、計算機網絡、數據庫和編程語言知識，其中編程語言是算法實現的主要方式，目前Python語言在人工智能領域的應用比較多，而且Python語言學起來也比較簡單，所以對於計算機基礎比較薄弱的初學者來說，可以從Python語言開始學起。
第三：人工智能基礎。不論往人工智能領域的哪個方向發展，從業者都需要具備一定的人工智能基礎知識，這些人工智能的基礎知識是從事人工智能領域研發的重要基礎。從目前的人工智能技術體系來看，人工智能領域的基礎知識包括人工智能的概念、問題求解、搜索、博弈、約束滿足問題、推理與規劃、機器學習等內容。
最後，機器學習的內容具有較高的難度，需要學習者有一個系統的學習過程，通過讀研的方式來入行人工智能領域是個不錯的選擇。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。
如果有互聯網、大數據、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區留言！
IT人劉俊明
傳統計算機科學的數學基礎是離散數學（數理邏輯），而現在談論的人工智能被狹義化了，特指深度學習這個分支，而深度學習是基於神經網絡的技術，其數學基礎是概率論和統計學，因此一些非計算機專業如通訊與電子、信號與信息處理、醫學電子等，或者其它以概率論和統計學為基礎的專業，轉深度學習很容易。計算機院系搞人工智能，也從傳統的計算機科學向這個方向轉。
kelimacaxia
人工智能這個行業大體可以分為技術型和業務應用型兩類，技術型多為研究人工智能算法，基本上都是數學和計算機專業畢業的，而業務應用類主要工作是解決如何把人工智能技術（或產品）融合到業務需求場景中，做做這項工作不一定是計算機專業，但是個人認為懂一些計算機知識會更容易做這項工作。
陳葉PPT
你可以試試啊 只是學計算機的會更容易一些
