学习人工智能不仅需要具有较为全面的基础知识 同时还需要有一个主攻方向

首先，人工智能技术体系还是比较庞大的，而且当前人工智能领域的研究尚处在初期，人工智能概念本身也在不断地发展和变化，所以当前学习人工智能不仅需要具有较为全面的基础知识，同时还需要有一个主攻方向。

人工智能是一个较为典型的交叉学科领域，涉及到哲学、数学、计算机、控制学、经济学、神经学和语言学等学科，所以人工智能本身的知识量还是非常庞大的。基础比较薄弱的初学者可以一边学习人工智能知识，一边补学相关内容，并不是一定要从数学开始学起。实际上，长期以来，人工智能领域的专业人才培养都是以研究生教育为主，主要原因就是人工智能领域的学习难度比较大，而且对于学习场景的要求也比较高。

当前人工智能领域有六个大的研究方向，涉及到计算机视觉、自然语言处理、机器学习、自动推理、知识表示和机器人学，其中计算机视觉和自然语言处理是当前的热点领域，不少大型科技(互联网)公司的人工智能平台也都是基于这两个技术体系打造的。对于初学者来说，目前了解人工智能可以从机器学习开始，一方面机器学习的知识体系相对比较全面，学习案例也比较多，另一方面机器学习也是人工智能领域诸多研究方向的基础。实际上，机器学习也是当前大数据分析的常见方式之一，在大数据领域也有广泛的应用。

机器学习的步骤主要涉及到数据收集、算法设计、算法实现、算法训练、算法验证和算法应用，这些步骤需要初学者掌握一定的数学知识和程序设计知识。对于初期的学习者来说，可以采用比较成熟的数据集来完成算法的训练和验证，这会在一定程度上降低学习模块。在学习的初期，可以从经典的机器学习算法入手，比如决策树、朴素贝叶斯、k-mean等算法，这些算法对于初学者的数学基础要求也并不算高，上手也比较容易。