人工智能发展得非常迅速，很多小伙伴打算学习，但是不知道要学什么，所以下面小编给大家介绍人工智能学什么，一起来看看吧。

人工智能学的知识

需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。

需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法;当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM;总之算法很多需要时间的积累。

需要掌握至少一门编程语言：毕竟算法的实现还是要编程的;如果深入到硬件的话，一些电类基础课必不可少。

人工智能的学习路线

(1)了解人工智能的一些背景知识。人工智能里面的概念很多，比如机器学习、深度学习、神经网络等等，使得初学者觉得人工智能很神秘，难以理解。刚开始学习的时候，知道这些名词大致的意思就行了，不用太深究，学习过一段时间自然也就清楚这些概念具体代表什么了。

(2)补充数学或编程知识。在系统学习AI之前，一般要补充一些数学或者编程方面的知识。如果你的数学和编程比较好，那么学习人工智能会轻松很多。

(3)熟悉机器学习工具库。现在人们实现人工智能，主要是基于一些机器学习的工具库的，比如TensorFlow、PyTorch等等。

(4)系统的学习AI知识。指机器学习，因为目前人工智能主要是通过机器学习的方式来实现的。

(5)动手去做一些AI应用。学习过几周的深度学习之后，就可以动手尝试去做一些AI应用了，比如图像识别，风格迁移，文本诗词生成等等。边实践边学习效果会好很多，也会逐渐的加深对神经网络的理解。

人工智能学习的方法

1、学习或者回忆一些数学知识。因为计算机能做的就只是计算，所以人工智能更多地来说还是数学问题。需要掌握基本的概率统计、高等数学、线性代数等知识，如果学过就比较，没学过也没关系，仅仅知道原理和过程即可，有兴趣的读者可以涉猎一些推导证明。

2、掌握经典机器学习理论与基本算法。这些基本算法包括支持向量机、逻辑回归、决策树、朴素贝叶斯分类器、随机森林、聚类算法、协同过滤、关联性分析、人工神经网络和BP算法、PCA、过拟合与正则化等。

3、掌握一种编程工具。Python语言是一种解释型、面向对象、动态数据类型的高级程序设计语言。

4、研读经典论文，关注最新动态和研究成果。一些经典论文是必读的。例如，要做手写数字识别，若采用LeNet，要先阅读一下LeNet的学术论文;要做物体目标检测的训练，若选定MSCNN框架，可以先读MSCNN相关的论文。