一、总论
- 掌握知识重要的不是储备了多少，而是能应用多少。
- 工作不是学术研究，能快速解决问题才是最重要的，这决定了自己的能力水平。
- 企业切实需要的是能实际解决问题的人，并不是只有一堆理论知识的人。
- 不管是Python，还是深度学习框架，很多的数学函数和运算都已经封装好了，只需要学会如何调用他们，并学会用对应函数解决问题即可。但这种解决问题是凭经验一点点累积起来的，所以动手实践才是硬道理。
二、工业界和学术界
学术界侧重提出更好的模型，更好的优化方法；
工业界则把这些方法落地，应用于具体行业的实际生产中。
虽然也有很多学术界的专家跑到工业界，但这其实只是推动理论进入实践而已，并非说明进入工业界的人工智能必须得有扎实的专业基础，其实如果仔细看的话，会发现只有高精尖的人才这样转移，很多或者说大量的实操者还是普通人。有专业和扎实的基础固然好，但没有也无妨，只要自己掌握的知识内容足够解决问题即可。
三、学习资料
不管是同事朋友推荐，还是自我搜寻和积累，我们总能积攒出很多资料，不管是数学的还是Python的，甚至多达好几个G，瞬间让动力满满的自己被堆成山的资料吓怕，学了很久都不见技能的增长，慢慢就没有了兴趣和动力。
其实，资料不在于多少，而在于真正能解决自己的模糊和无知。想从数学、Python、函数库等系统学习，自然是一件好事，但如果是为了先进入这个领域，完全没必要系统学习，先让自己可以逐渐运用起来，后面再慢慢系统化补充。
四、数学
入行人工智能，了解导数、概率、矩阵及其运算等基本数学知识即可，无需系统学习数学知识，应该花更多精力熟悉不同算法，掌握调参技巧，务实代码功底。
五、Python
入职人工智能，无需系统学习Python，学会Python基础和科学计算库numpy的调用即可。Python一个显著的特点就是自带的标准库和第三方库很灵活。
1、Python主要应用
Web开发、数据挖掘、数据分析和处理
但Web开发中，用JavaScript更多，因此数据挖掘和数据分析和处理才是Python实现机器学习上的主要应用。
2、Python次要应用
系统编程、系统运维、大数据、云计算、金融、图像、网站开发方面的应用
3、机器学习
学习监督学习和非监督学习算法
4、机深度学习
TensorFlow、Pytorch框架，对于模型的理解和通过模型搭建框架很重要。
5、工具
- 科学计算库 numpy
- 数据分析库 pandas
- 可视化绘图工具 Matplotlib
六、机器学习和深度学习
机器学习
- 用人工提取的特征来表述数据
- 对领域的特定知识进行手动提取
- 模型算法：优化特征的权重进行模型的学习
- 内容：
- 机器学习基础
- 监督学习
- 非监督学习
- 强化学习
- 深度学习
深度学习
- 用机器提取的特征来表述数据
- 自动提取内在特征
- 模型算法：优化特征的权重进行模型的学习
可以先学习人工智能最核心的内容——深度学习，学会用深度学习搭建一个神经网络模型，然后再训练模型。其次，再学习机器学习。
七、AI领域
自然语言处理
自然语言处理综合了语言学、计算机科学、数学于一体，研究自然语言与计算机系统有效通信的系统。
重要应用：
多语言翻译
机器翻译可以把外文翻译为我们可以理解的语言，但很多时候不太符合语言逻辑，需要我们根据语法和语言习惯等进行二次加工，所以，如何解决这个二次加工，让机器翻译的输出是直接被人类所使用，是这个应用方向的重点研究内容。尤其是诸如法律、医疗、教育等专业领域的翻译对准确的要求更高，这也是多语言翻译垂直领域的研究内容。
虚拟个人助理
虚拟个人助理是指使用语音、文本、图像等方式，来使机器帮人类完成日常生活小事，比如苹果的Siri，还有钢铁侠里的Jarvis，当然了Jarvis已经是一种很理想、很智能的助理了，但遗憾的是目前的科技还不足以研究出如此智能的助手，当前的智能音箱、智能家居、车载语音助手等都是虚拟助理的应用。
智能病例处理
智能病例处理是指运用自然语言处理技术，综合机器学习抓取病例中的信息，生成标准化的数据库。随后抽提变量、生成思路、生成论文图标的全过程，都由机器完成，可以挖掘变量相关性，激发论文思路，同时提供临床科研的专业统计分析支持。而这可以大大提高处理病例和临床信息的速度，进而提高医院的办事效率。
计算机视觉
解决机器“看”的问题，用摄像头和电脑代替人眼完成目标进行识别、跟踪、测量等视觉工作，并进一步做图形处理，使电脑把图像处理为更适合人眼观察或仪器检测的图像。
重要应用：
智能安防
这是目前计算机视觉处理比较广泛的一个应用，通过大街小巷的摄像头取到图像，智能的对视频或图像信息进行处理。
人脸识别
通过各种形式的图像或视频提取，对内容中的人脸进行捕捉，进而根据捕捉到的人脸在系统中做进一步处理，目前也有比较成熟的公司在专攻此方向。
语音识别
语音识别是指与机器进行语音交流，让机器明白自己说了什么。这个方向涉及信号处理、模式识别、概率论、信息论、发声机理、听觉机理等。
重要应用：
智能医院
凭借语音识别技术，医院可以实现智能语音交互的知识问答和病例查询。应用在医院的方方面面，总体提升医院的智能水平。
口语评测
利用云计算技术，将口语评测放在云端，并开发API供客户远程使用，实现人机交互教学，口语一对一辅导。
专家系统
此领域是人工智能中最重要和最活跃的一个领域，系统中含有大量某领域专家水平的知识和经验，用人类专家的知识和解决问题的方法，模拟人类专家的决策过程，去解决需要人类专家处理的复杂问题。
重要应用：
无人汽车
依靠车内的以计算机为主的智能驾驶仪来完成无人驾驶目标，这也是一门综合的学科，会涉及雷达、红外、图像处理等内容。目前也有众多公司在深耕此领域，有驾驶辅助系统，有无人驾驶系统，也有无人驾驶汽车等。
天气预报
专家系统可以通过手机定位到用户所处位置，再利用算法分析雷达图或云图等一些列内容，进行数据处理并预测。很多天气软件中现在都可以精确到街道或区域，精确到分钟，比如“20分钟后雨停”等诸如此类的精确预报。
城市系统
将交通、能源、供水等基础设施全部数据化，将散落在城市各个角落的数据进行汇总、分析、计算，实现对城市的全局和区域把控，随时了解城市任何动态。比如有些城市已经在运用的城市大脑，就是对地图、摄像头、道路等信息进行实时分析和预测，调解红绿灯，调整城市拥堵，及时发现道路事故等。
交叉领域
其实，AI的任何一个领域都或多或少的是一种交叉领域，综合多方面的研究方向。然而，领域交叉最多的还是智能机器人，无论是语音还是图像，亦或者是决策，都是综合很多方面的学科和内容，来让机器人智能处理问题。
重要应用：
物流机器人
将机器人等AI技术运用于物流管理中，在仓库管理、物料运输等多方面都可以进行效率提升、成本节约，再加上其易控制、更精确等特点，目前和未来都会是产业和生活转变的重要工具。
萌宠机器人
智能机器人进入早教领域，与孩子玩耍，帮孩子解答问题，进而开发孩子的脑力、动手能力等。 尤其是其语音识别功能更是可以寓教于乐，帮助孩子成长。
