这里我们紧张评论辩论的是编程技能。
（推举学习：Python视频教程）

如果你打算采取 Python 作为紧张开拓措辞（这也是目前人工智能领域的主流），那么 Python 的开拓根本是必须得节制的，这是统统基于 Python 开拓的根基。
你得对 Python 的基本语法、数据类型、常见模块有所理解，能精确利用条件、循环等逻辑，节制 list、dict 等数据构造及其常用操作，理解函数、模块、面向工具的观点和利用等等。

在对此已经闇练之后，你须要学习数据处理干系的 Python 工具库：

NumPy

NumPy 供应了许多数学打算的数据构造和方法，较 Python 自身的 list 效率高很多。
它供应的 ndarray 大大简化了矩阵运算。

Pandas

基于 NumPy 实现的数据处理工具。
供应了大量数据统计、剖析方面的模型和方法。
一维的 Series，二维的 DataFrame 和三维的 Panel 是其紧张的数据构造。

SciPy

进行科学打算的 Python 工具包，供应了诸如微积分、线性代数、旗子暗记处理、傅里叶变换、曲线拟合等浩瀚方法。

Matplotlib

Python 最根本的绘图工具。
功能丰富，定制性强，险些可知足日常各种绘图需求，但配置较繁芜。

只要你用 Python 和数据打交道，就绕不开以上这几个库，以是务必学习一下。

而在此之后，你就须要根据自己的详细方向，选择更专业的工具包进行研究和运用。

Python 在人工智能方面最有名的工具库紧张有：

Scikit-Learn

Scikit-Learn 是用 Python 开拓的机器学习库，个中包含大量机器学习算法、数据集，是数据挖掘方便的工具。
它基于 NumPy、SciPy 和 Matplotlib，可直接通过 pip 安装。

TensorFlow

TensorFlow 最初由 Google 开拓，用于机器学习的研究。
TensorFlow 可以在 GPU 或 CPU 上运行，在深度学习领域表现精良。
目前无论是在学术研究还是工程运用中都被广泛利用。
但 TensorFlow 相对来说更底层，更多时候我们会利用基于它开拓的其他框架。

Theano

Theano 是成熟而稳定的深度学习库。
与 TensorFlow 类似，它是一个比较底层的库，适宜数值打算优化，支持 GPU 编程。
有很多基于 Theano 的库都在利用其数据构造，但对付开拓来说，它的接口并不是很友好。

Keras

Keras 是一个高度模块化的神经网络库，用 Python 编写，能够在 TensorFlow 或 Theano 上运行。
它的接口非常大略易用，大大提升了开拓效率。

Caffe

Caffe 在深度学习领域名气很大。
它由伯克利视觉和学习中央（BVLC）和社区贡献者开拓，具有模块化、高性能的优点，尤其在打算机视觉领域有极大的上风。
Caffe 本身并不是一个 Python 库，但它供应了 Python 的接口。

PyTorch

Torch 也是一个老牌机器学习库。
Facebook 人工智能研究所用的框架是 Torch，DeepMind 在被谷歌收购之前用的也是 Torch（后转为 TensorFlow），足见其能力。
但因 Lua 措辞导致其不足大众。
直到它的 Python 实现版本 PyTorch 的涌现。

MXNet

亚马逊 AWS 的默认深度学习引擎，分布式打算是它的特色之一，支持多个 CPU/GPU 演习网络。

借助这些强大的工具，你已经可以利用各种经典的模型，对数据集进行演习和预测。
但想成为一名合格的人工智能开拓者，仅仅会调用工具的 API 和调参数是远远不足的。

Python 是人工智能开拓的主要工具，编程是此方向的必备技能。
但并不是节制 Python 就节制了人工智能。
人工智能的核心是机器学习（Machine Learning）和深度学习。
而它们的根本是数学（高档数学/线性代数/概率论等），编程是实现手段。

以是你想要进入这个领域，除了编程技能外，数学根本必不可少，然后还要去理解数据挖掘、机器学习、深度学习等知识。

这不是条几个月就能速成的路，但坚持下去一定会有所收成。

更多Python干系技能文章，请访问Python教程栏目进行学习！

以上便是python人工智能须要学什么的详细内容，更多请关注其它干系文章！

更多技巧请《转发 + 关注》哦！