每个大点又包括许多的小点，以是学起来还挺费劲的。
可能须要一定的学历哀求，有一定的知识根本，特殊是数学根本，这是必备的知识。

学习时建议先从大略的开始。
如果从最难的部分开始的话，很有可能你会气馁，会放弃，以是，不如在学习过程中制订一些小小的可实现的目标，让自己充满动力。

以下是从在这领域学过的大佬得到的履历。

1、选择一种编程措辞（至少要学会一门措辞）

首先，你得学会一种编程措辞。
虽然编程措辞的选择有很多种，但大部分人都会选择从Python开始，由于Python的库更适用于机器学习。
它供应了高效的高等数据构造，还能大略有效地面向工具编程，后面可以学学C或者C++。

“Python是一个不错的选择”，它扮演着科学打算和数据剖析的主要角色（拥有如Numpy和SciPy这样的库），同时针对不同的算法，有丰富的库支撑。

2、学习代数、微积分、概率统计学的根本知识

数学根本是必备的，不好的话记得先补一补，不然的话有些理解起来会很头疼。

如果想理解机器学习更深层次的东西，学习这些知识是必不可少的，且会让你获益匪浅。
同时我们可以利用Python科学数据库如Numpy&SciPy的上风。
在学习不同的算法时，你

须要将数据可视化，并学会利用在算法中用到的代数、微积分等观点属性。

3、学习Python库，学习机器学习、深度学习

机器学习库中已经写好了无数个Python库。
在Python中，可以先从SciPy, PyBrain, Matplotlib 和Numpy开始学习，这些对付写机器学习算法都将十分有用。

实在，这也是学习人工智能的第一步。

推举复旦大学邱老师的开源书《神经网络与深度学习》

4、学习Scikit-Learn库

最强大的API之一，拥有各种算法功能强大的数据编码器（Algorithms Powerful Data Encoders）

强烈推举你看看这本书——Python Machine Learning Edition 2，中文名《Python 机器学习》第2版，作者Sebastian Raschka。

5、至少学习一个框架

推举Pytorch，由于它很适宜学习做研究。

在学习框架的过程中去实践，实现一些模型。

框架很多，后面可以多学学，比如TensorFlow

6、选好自己的方向

人工智能有许多的方向，确定好自己的方向

人工智能有自然措辞处理、打算机视觉、推举系统，强化学习等等。

明确方向后，对应的技能路线比比皆是，然后向专业方向挺进。

7、多实战，进行总结

积极参加网络上各种编程竞赛。
这类竞赛一样平常都很耗时，但不管若何，在刚开始的时候没必要一定要取得一个很高的排名，由于参加比赛的人都很精良。
刚开始，在他们面前我们可能只是个无名小卒，但也别灰心，只要每天持续练习，向每个人学习就好了。

我们的目标，仅仅是重在参与，学习更多知识罢了，除此之外也可以学习人工智能300 集进行深造。

要记住参加比赛的目标，不是通过得胜赢取百万奖金，而是为了学习。

须要人工智能300集的小伙伴，记得私信666领取，入门人工智能不在困难。