如何零基础学AI？

AI（人工智能）领域是近些年的热门领域，早期AI只是研究生阶段的研究方向，但是目前不少重点高校已经陆续在本科阶段开设了AI专业，以满足科技行业发展对AI人才的需求。由于AI人才的短缺比较明显，所以目前从事AI研发的工程师往往都具有较高的薪资待遇，从就业的角度出发，学习AI是一个不错的选择。

由于AI是一个典型的多学科交叉领域（哲学、数学、计算机、经济学、工程学等），所以AI人才的培养周期比较长，同时难度也比较大。对于基础比较薄弱的人来说，如果想学习AI方面的知识，可以按照以下几个步骤来学习。

第一：基础知识。学习AI有两个比较重要的基础知识，一个是数学基础，另一个是计算机基础。数学基础包括高等数学、线性代数、概率论和离散数学等内容，计算机基础则包括操作系统、计算机网络、算法设计、编程语言等内容。建议在学习编程语言的过程中，逐步补齐各个方面的知识结构，编程语言可以选择Python。

第二：人工智能基础。人工智能虽然经过了半个多世纪的发展，但是目前人工智能技术依然处在发展的初期阶段，需要攻克的方向集中在六大领域，分别是自然语言处理、知识表示、自动推理、计算机视觉、机器人学和机器学习。学习人工智能的基础知识包括搜索、对抗、推理与规划、决策、样例学习等内容。

第三：选择一个切入点。学习人工智能最好选择一个切入点深入下去，目前机器学习就是一个不错的切入点。机器学习随着大数据的发展而得到了较为广泛的重视，在自动驾驶、智慧医疗等领域已经有较为广泛的运用，也积累了大量的经验，而且机器学习也是大数据比较常见的数据分析方式，因此从机器学习开始深入AI是比较好的选择。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续在头条写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网方面的问题，也可以咨询我，谢谢！

AI这个职位首先一般学历要求比较高，如果没有明确方向还是要去培训系统一点。

为什么有些学Deep Learning的看不惯甚至鄙视学数学的？

正好相反。

搞数学的通常瞧不起搞深度学习的。搞数学，要在逻辑推导上有严密的思考与论证，不能留下任何漏洞，对人的数理逻辑能力与抽象理解能力要求极高。搞深度学习，现在就是堆数据，靠经验，理论没啥大突破，谁数据多，经验多，谁的模型就好用些。

当年，都是搞数学没啥成就的人，转个计算机，把过去的数学工具包装下，搞搞优化，就都成了专家，不过是拾人牙慧。现在搞深度学习的人，数理功底还不如那些不成器的前辈，靠烧数据就觉得自己多了不起，而看不起搞数学的，只能暴露自己对数学的肤浅认识，自取其辱。

最后，让我想到当年丘成桐教授在国内，经常被一些愚蠢的人问那些脑筋急转弯的数学应用题，以测试数学家的计算能力。暴露了人们对于数学的理解就是解应用题这个低级层面，对重要数学问题的理解，重要数学家的贡献一无所知。

不会吧，深度学习还指望数学界能给出个稳定性证明呢