AI是近年来计算机专业的热门方向。中国早期，人工智能主要是研究生开设的专业，但从2017年开始，32所重点大学相继在本科开设人工智能相关专业。

现在看来，人工智能领域已经出现了人才短缺的愿意探索人工智能的学习。

一、涉及知识点

AI是一门典型的多学科交叉学科，包括：哲学，数学，计算机，经济，语言，神经等。因此，真正开始人工智能的学习周期非常长。

当前AI的应用主要有：机器视觉，人脸识别，专家系统，智能搜索，自动化程序设计，智能控制，机器人学，语言和图像处理等。每个应用方向的知识点都不一样，比如语言识别涉及数学、计算机、语言等主要内容。机器学涉及数学、计算机、工程等。

我们以语言识别为例来看发展史:

二、零基础怎么入门？

如果这个零基础真的完全不懂计算机基础知识，一定要慎重选择人工智能专业。应用层的开发很费劲，对于零基础要深入研究原理会很吃力。

如果你有一定的数学理论基础，主要学习计算机相关内容，建议学习周期为2-3个月。对于有一定计算机基础但需要学习人工智能技术和数学理论知识的学生，通常需要4-5个月的学习时间。简单的数学知识要学很久，那么6个月以上就可以完成入门了。

三、AI学习知识点

Python是必修课，75%的人工智能方向使用Python。至少要从基础语法学习到面向对象。

第二是机器学习科学计算库，这里学到的程度是可以独立分析数据，比如电影数据。

机器学习算法:算法篇涉及的内容非常多和困难。

sklearn介绍、sklearn获取数据集、seaborn介绍、数据可视化、数据集划分、 特征工程、特征预处理、归一化、标准化、特征选择、特征降维、 交叉验证、网格搜索、模型保存和加载、欠拟合、过拟合、 KNN算法、欧式距离、曼哈顿距离、切比雪夫距离、闵氏距离、标准化欧式距离、余弦距离、汉明距离、 杰卡德距离、马氏距离、KNN中k值的选择、kd树、案例：鸢尾花种类预测、 线性回归、求导、最小二乘法、正规方程、梯度下降法、FG、SGD、mini-batch、SAG、Lasso回归、零回归、 Elastic Net、案例：波士顿房价预测、 逻辑回归、sigmoid、对数似然损失、混淆矩阵、精确率、召回率、F1-Score、ROC曲线、AUC指标、ROC曲线的绘制、 案例：癌症分类预测、决策树算法、熵、信息增益、信息增益比、基尼值、基尼指数、ID3、C4.5、CART算法、 案例：泰坦尼克号乘客生存预测、集成学习、boosting、Bagging、随机森林、GBDT、XGBoost、 案例：泰坦尼克号乘客生存预测优化、聚类算法、K-means聚类实现、SSE、“肘”方法、轮廓系数法、 CH系数、Canopy、Kmeans++、二分k-means、k-medoids、kernel kmeans、ISODATA、Mini-batch K-Means、 案例：探究用户对物品类别的喜好细分。

每一步的学习都要有实战项目，才能验证自己是否真的学会了。而且系统项目的理论知识也很重要，lambda大数据开发也是必须学习的。

因此零基础的小伙伴们自学相对来说还是比较困难的。