上一篇我们讲到了人工智能的一些应用，对于计算机专业的小白，我们如果对人工智能感兴趣，我们该如何入手呢？本文主要参考了一个已经工作多年的大牛的一篇博客，针对AI小白整理归纳而来，写此主要是为了方便我后期学习是作参考之用。
从基础的数据分析、线性代数及矩阵等等入门，只有打好了基础，后面才好学，不能没有逻辑的看一块学一块。
python具有丰富和强大的库，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。这也是人工智能必备知识。
对于机器学习算法，不仅要了解，还要会用。如果是多年的程序员，可参考下图所示。
当第三步完成得差不多的时候，相信你已经进入这个领域了。因为机器学习是一门多领域交叉的学科，涉及概率论、统计学、算法复杂度等多门学科。是AI的核心，是使计算机具有智能的根本途径。后续就可以学习如下图所示的内容。
人工智能的学习过程，不能缺少实际项目应用的操作。当你深度学习都学完之后。就可以找一些实际的例子来实验一些你的学习成果。
推荐算法是计算机专业的一种算法，就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西，在AI种起到一定的判断作用。
分布式收索引擎是根据地域、主题、IP地址及其它的划分标准，将全网分成若干个自治区域，在每个自治区域内设立一个检索服务器的装置。这些就是人工智能主要应该学习的内容。
以上就是我学习人工智能的以来对其的一个浅层的了解，记录下来只为了能相互学习，如果有不对的地方，还望指出，谢谢。
关注公众号：【计算机视觉技术】 专业计算机视觉技术分享平台，“有价值有深度”分享开源技术与最新论文解读，转播视觉技术的业内最佳实践。 大家一起学习交流吧
同时在公众号给大家准备了一份2022B站保姆级资料包，关注后评论【666】免费领取资料，让你三个月从零入门深度学习！内含：
【3.机器学习实战项目】：Kaggle竞赛案例/推荐系统实战/数据分析建模等
【4.深度学习理论入门】：必备框架（Pytorch+TensorFlow）+神经网络模型基础
【5.计算机视觉实战项目】：OpenCV图像处理+物体检测YOLO实战+Unet图像分割实战等
