学习路径简介（仅仅是了解，非专业解释）

当我想踏足人工智能领域的时候，第一件事就是了解。
看了看：

推荐学习的有Java以及Python。
如果以后想往大数据方向发展，就学习Java，
而Python可以说是学习人工智能所必须要掌握的一门编程语言。
大多数机器人的仿真都是采用的混合编程模式，即采用多种编程软件及语言组合使用
所以一门编程语言是肯定不够的，反正根据需要多多益善。

整个的学习路径大致如下：
python等相关基础--->初阶：机器学习--->中阶：框架应用--->高阶：场景应用

基础

python语法基础：数学库numpy,pandas,matplotlib,seaborn 等
Linux基础：日常操作都会在这里面弄，必须得学学
数据结构和算法基础：大厂必备基础
数学基础：最基础的高数、线性代数、概率论、统计学等等是必要的。

初级

机器学习：通过编程让计算机从数据中学习
常用的机器学习算法如下：
K近邻算法（KNN)
线性回归
多项式回归
逻辑回归
模型正则化
主成分分析（PCA）
线性判别分析（LDA）
支持向量机（SVM）
决策树
随机森林
朴素贝叶斯（NB）
学习矢量量化（LVQ）
Boosting 和 AdaBoost
（这些后面会慢慢学到补充）

学完以上基础算法，简单的预测分类的应用没问题
更多的应用可以在Kaggle和GitHub上学习。
Kaggle是你之后学习历程的必经之地。
另外的：集成学习 模型选择 模型调试

中级

框架应用：对于大量的数据集，python因为是封装的语言，处理太慢，所以引出一些框架，如Tensorflow，pytorch，Caffe，Keras等
神经网络
强化学习
迁移学习
等

那其实这些就是我的学习路径了。