睡杲杲_
人工智能開發一般從Python開始，不過對數學與統計學有要求，尤其是概率統計。
1.不過Python僅僅是編程語言，你應該首先還要選擇一個發展方向，學習特定方向的Python模塊，比如數據分析與挖掘、爬蟲工程師、Web開發、自動化運維、自動化測試，甚至人工智能。Web開發小型是PHP居多，中大型Web應用Java獨霸天下Python很難抗衡。自動化測試與運維已經脫離了軟件開發主方向，工資與發展的話相比來說沒有開發與數據分析好。總體來講用Python做數據分析甚至人工智能是最好得方向，不過人工智能難度要高，對學歷與學校也有要求，建議從數據分析入行，未來向大數據甚至人工智能方向發展是不錯的選擇，這也是Python語言最有優勢的領域。人工智能學習總體路線圖：數據科學中統計學基礎-->Python核心編程-->Python數據科學/數據分析-->機器學習-->深度學習-->選擇數據挖掘/計算機視覺/自然語言處理/語音技術中的一個方向.
2.不過不是科班出身，走人工智能方向要費勁得多，數學與統計要好！
3.IT技術發展到現在，編程語言Python是較好的選擇。
4.數據崗位發展方向，都是比較新型的職位，數據分析員、數據分析師、數據產品經理、數據總監、首席數據官等等，從數據分析員、初級數據分析師（就是表哥表姐哦）入行，逐步發展！
5.Python推薦書籍：
Python書籍建議，以下推薦的書都是本人看完了的，許多書比較之後的結果，建議按順序學習，並且多動手實踐。視頻就不推薦了，想了解數據分析師的發展情況可以關注我，裡面不少視頻！
1.Python入門級別，比較經典，邊看便動手，程序就是寫出來的：
https://item.jd.com/11993134.html
2.Python高級，網絡/Web核心技術寫的不錯
https://item.jd.com/11936238.html
3.數據分析、數據科學方向必讀書籍，Pandas創始人寫的：
https://item.jd.com/12398725.html
4.Python數據分析與數據化運營（第2版），作者是數據分析達人，案例實用
https://item.jd.com/12629982.html
5.PYTHON3網絡爬蟲開發實戰，爬蟲經典，全面！
https://item.jd.com/26623764542.html
6.軟件開發就得動手做，君子動口不動手過時了，從基礎到數據分析的小項目都有：
https://item.jd.com/12512461.html
到以上可以向數據分析與爬蟲方向發展，爬蟲一般結合數據分析。
一下就是往數據挖掘、人工智能機器學習、深度學習發展了。
7.Python機器學習入門基礎，上手快。
https://item.jd.com/12301195.html
8.深度學習入門，從最基礎開始，學起來輕鬆：
https://item.jd.com/12403048.html
9.人工智能發展最快最有前景的分支就是機器學習，經典之作《Python
深度學習》，Keras框架作者寫的，主要是使用Keras框架。
https://item.jd.com/12409581.html
其他人工智能框架（Tensorflow/PyTorch）與分支，比如計算機視覺、自然語言處理、語音輸入等等分支各有不錯的書籍，抽空再貼上來。
《數據分析師，您瞭解嗎？》西瓜視頻合集
https://www.ixigua.com/pseries/6802012202610983435_6802008605076750859
《機器學習入門系列》西瓜視頻合集
https://www.ixigua.com/pseries/6803957129586672140_6803859387329806855
語凡提
大家常說的人工智能其實包含了自然語言處理（NLP）、機器視覺（CV）、數據挖掘（DM）三個大方向。這些大方向下面又有以下分類的小方向：
NLP：機器翻譯、文本分類、知識圖譜、文本相似度計算、語音識別、情感計算、自動摘要、聊天機器人等等
CV：行人檢測、人臉識別、自動駕駛、圖像分類、目標檢測、智能安防等等
DM：廣告計算、推薦系統、用戶畫像、各類預測分類任務等等，DM很多領域也需要用到 NLP 的知識。
所以你看，人工智能有這麼多方向，每個方向都有它自己的學習路線和學習重點。
但是不管你將來想走哪個路線，它們所需要的基礎知識都是大體相通的，現在我給你推薦一些人工智能的基礎學習路線吧。
一、編程語言
首選建議你使用Python入門，當然之後根據需要可能需要學習其他高性能語言，比如C++、JAVA 等。
首先需要學習Python的基礎語法知識，你去網上隨便找一個在線教程或者買一本入門書籍，耐著性子看一遍，按著教程敲一遍代碼就可以學會了。
其次你還需要學習Python的一些常用庫，比如 Numpy, pandas，matplotlib等，這些庫建議你看一看《利用Python進行數據分析·》這本書，學一遍記住有哪些功能API就行，用到的時候不記得了再常翻翻。
二、數學基礎
人工智能專業對數學的要求相比於其他編程方向更高、更多。尤其你需要有統計學、概率論、線性代數的基礎，至少要求達到本科理工科所需要的水平吧。
三、數據結構和算法能力
不管你學哪種編程語言，這個是必須要有的，不需要你理解多深，只需要你知道有哪些數據結構算法，用的時候能想起來。
四、機器學習、深度學習框架
推薦使用 sklearn 入門傳統機器學習算法，後期針對需要學習 spark ；推薦使用 keras、pytorch 入門深度學習算法，這兩個框架對新比較友好，你也可以學習tensorflow，它在工業界用的比較多。
五、機器學習、深度學習書籍推薦
李航的《統計學習方法》
周志華的《機器學習》
三巨頭合著的《深度學習》
這些書籍都有很多配套的學習資源，多用百度搜一搜。
好了學完上面的基礎，你可以確定往哪個方向深入學習了，然後再針對學習吧。
如果我的回答對你有幫助的話可以點個贊哦~
當然你也可以關注我，可以去我的主頁看看，我上傳了一些Python和深度學習相關的視頻，後期也將持續上傳這個方面的教程。
每天都要機器學習
總共分為以下幾部分：
1.人工智能現狀
第一章 人工智能來了
2.人工智能發展歷程
其中有幾個圖非常好，一個是高德納關於技術的路線圖：
高德納諮詢公司（Gartner）技術成熟度曲線
如上圖的曲線所示，一種新科技的研發過程通常是這樣的：初創公司接受第一輪風投，開發出第一代產品，雖然不成熟，但足以吸引一批早期接受者——粉絲。在早期階段，產品的優點被粉絲放大，大眾媒體跟風炒作，將該技術推向一個充滿泡沫的膨脹期。隨著盲目的追捧者激增，跟風研發、生產的初創公司越來越多，產品的不足被無限放大，負面報道開始出現，供過於求的市場競爭中，大批跟風入局的初創公司不是被兼併，就是走向倒閉，只有少數擁有核心競爭力的堅持了過來。跌入低谷後，第二輪、第三輪風投資金注入大浪淘沙後僅存的中堅企業，新一代技術和產品也隨之問世，整個技術曲線步入穩步攀升的平臺期和成熟期，潛在用戶的接受程度也從5%以下逐漸提升到20%到30%，初創企業和風投資本開始迎來高額回報。
3.人工智能對人類有威脅嗎
4.人工智能目前的典型應用場景
5.人工智能帶來的創新創業機遇
6.人工智能時代教育與個人發展
最後附上人工智能學習知識框架思維導圖，若想要原圖的關注我，私發你。
Echa攻城獅
沒有
