人工智能概念太大，這里暫且跟下熱點將人工智能等同于深度學習（實際上這是錯誤的人工智能包含深度學習），將討論的范圍做適當的收緊。如果你想知道人工智能是如何從人類的數據中學習的，可以先從機器學習的算法入手，這些算法有趣且不難理解，是很好的激發學習興趣的著手點。

1、如何學習人工智能？

人工智能是通過學習人類的數據，從中找出規律，然后代替人類在各個領域工作。如果你想知道人工智能是如何從人類的數據中學習的，可以先從機器學習的算法入手，這些算法有趣且不難理解，是很好的激發學習興趣的著手點，機器學習的算法有比如：非監督式學習中的K-Means算法，DBSCAN，t-SNE等等，主要不是用來預測，而是對整個數據有一定的深入了解。

監督式學習中常見的有：回歸算法：試圖采用對誤差的衡量來探索變量之間的關系的一類算法，常見的種類有最小二乘法，邏輯回歸，逐步式回歸，多元自適應回歸樣條，以及本地散點平滑估計，決策樹學習：根據數據的屬性采用樹狀結構建立決策模型，通常用來解決分類的問題。常見種類有：分類及回歸樹，隨機森林，多元自適應回歸樣條，以及梯度推進機，

（雖然名字長但是內容不難理解）深度學習算法在近期贏得了很多關注，特別是百度也開始發力深度學習后，更是在國內引起了很多關注。在計算能力變得日益廉價的今天，深度學習試圖建立大得多也復雜得多的神經網絡，很多深度學習的算法是半監督式學習算法，用來處理存在少量未標識數據的大數據集。常見的深度學習算法包括：卷積網絡，堆棧式自動編碼器，

（同樣是名字長但是內容不難理解）了解過一些算法后，就可以簡單的跑一些數據來做自己的預測了！這時需要學習一下編程語言Python，具體的指令非常簡單，幾乎一行代碼就能訓練好預測模型，然后做出自己的預測結果了！具體資源有很多教機器學習的書籍和視頻，B站和西瓜視頻都有很多人在科普。如果想自己做一些預測項目自娛自樂一下，也可以去Kaggle這個網站，有很多有趣的項目，網站提供數據，自己做模型做預測然后提交，比照精確度，滿滿的成就感，

2、程序員如何學習人工智能？2019年人工智能的薪資前景如何？

人工智能的研究領域已經遇到了瓶頸，想必業界也會很快接近這個瓶頸。到時候AI一定會回歸理性而不再作為一個噱頭，投資方面也會冷卻對AI相關產業的投資，但是不會終止，優秀的AI項目依然會獲得大量的資助，前景也很好；但是濫竽充數借著AI之名趁機混入市場的項目最終會遭到淘汰，薪資方面，企業也開始理性面對算法工程師的崗位，依然會提供比開發更高的薪酬，但是錄用人數減少，而且如果AI的進展不順利，那么算法部門是有可能縮減甚至裁撤的。

3、人工智能該怎么學？培訓機構收費貴不貴？

你好，我是新東方AI研究院高性能計算負責人，前百度深度學習技術平臺部資深算法，很高興受邀回答這個問題，人工智能概念太大，這里暫且跟下熱點將人工智能等同于深度學習（實際上這是錯誤的人工智能包含深度學習），將討論的范圍做適當的收緊。劃重點：我不太建議花錢培訓，以下列出不花錢就能從入門到精通進入人工智能領域。

深度學習動手系列選一門合適的語言，初學者建議pytorch或者tfkeras這個入門更簡單一些，找幾本動手書，亞馬遜大神李沐的書和對應的pytorch版本都是不錯的選擇。Github跟一些著名的項目深度學習都在解決具體的問題，選定一個領域，比如語音識別ASR，那么拿這個關鍵字到github選擇star多的一個或者多個項目仔細研究清楚代碼和背后的數學原理，你都可以有大的收獲，

適當參加一些比賽很多人都是在kaggle比賽中實現從入門到精通，網上也有很多的文章講到這個學習提高過程可以參考一下。搜索引擎搜大神的可視化或結合代碼的博客教程理論很復雜，但是通過動圖、視頻等方式可以更好的理解一個算法的細節，也更容易因為理解到尾形成深度記憶，B站或者youtube跟隨AI大神的教學視頻國內的同學們可能youbute不太方便，那么很多b站的up主已經幫你做好了搬運的工作。