我是学软件开发专业的，方向基本也就确定了，要么前端，要么后端，或者大数据。
首先，编程这个问题问的领域比较大，为什么说大？如我上述，学软件开发，要么前端，要么后端，也是编程，大数据，也是编程，人工智能一样也是编程……
所以，没有明确一个具体的方向。
编程世界，有一门古老的语言叫做C语言，它是C++和JAVA的祖先，一切语言的基础都来自它，所以，你不妨与它先认识。
但是，现在因为人工智能的火起来的python语言，就有很多人学习它，也有很多人说它语法简单，易学易上手，这个说法没错。也有人说它是新手学习最好的语言。确实，没有严谨的语法，可以说是“为所欲为”。JAVA写100行代码，它可能只需要写20行。
只不过，我还是说说我想说的主角吧！它是C语言，为什么是它的，因为你只有学会它，再学C++和JAVA就容易得多，可以说很快带你成为一名程序员。当然，不是绝对的。
而学习python也并非不可，只是它不同与C/C++和JAVA。学会以后，再回头看C，感觉不是一个世界的。
现在大学都是以C语言为专业基础语言，你不妨可以先从它下手。
希望这份答案能对你有帮助。
评论0
加载中...
这是一个非常好的问题，作为一名IT从业者，我来回答一下这个问题。
如果当前要想编写人工智能软件，通常有两种路线，一种路线是自己完成人工智能算法的设计和实现，同时完成最终的软件编写（场景落地）过程。以开发机器学习的落地应用软件为例，开发者可以自己完成数据收集、算法设计、算法实现、算法训练、算法验证等一系列步骤，然后最终完成算法应用。这种开发路线对于开发人员的要求相对比较高，而且开发周期也相对比较长，好处是可以根据应用场景进行更加灵活地调整。
另一条开发路线是基于已有的人工智能平台来完成人工智能软件开发，采用这种方式对于开发人员的要求相对低一些，开发人员只需要根据场景的要求把相应的功能集成到软件中就可以了，这种开发方式也会有相对比较短的开发周期。在生产环境下，采用基于人工智能平台进行软件开发是比较现实的选择，也会快速推动人工智能技术的落地应用。
对于基础比较薄弱的初学者来说，要想快速掌握人工智能软件的编写，可以先从学习人工智能平台开始。当前大型科技公司纷纷开放了自己的人工智能平台，这些人工智能平台大多基于计算机视觉和自然语言处理技术打造的，相关技术也有大量的落地应用案例可以参考。
学习基于人工智能平台的开发，可以按照三个阶段来组织学习计划，首先要学习编程语言，目前从Python语言开始学起是不错的选择；其次是学习人工智能平台的体系结构和功能（API）；最后是进行场景实践练习。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！
评论0
加载中...
首先问题就有理解偏差，人工智能不是软件，而是一项功能，或者说是能力。你要做的软件是通过人工智能的技术能力在一个特定的场景下完成某项任务。
至于如何学习，首先要掌握基础编程语言，以下任选其一要熟练掌握：
Python：被认为是所有AI开发语言列表中的第一位。Python相对简单易学，可以很容易地学习。此外python有很多AI相关的库，便于在机器学习等方面快速上手。
C++：已经非常成熟了，而且是最快的计算机语言，如果你的项目开发时间有限，那么C++是很好的选择，它提供更快的执行时间和更快的响应时间，老司机优势显现无疑，游戏开发大部分都是用C++语言。
C ++适用于机器学习和神经网络。
Java：也是计算机语言的老司机之一，虽然褒贬不一，但是在各种项目的开发中，Java都是常用语言之一，它不仅适用于NLP（自然语言处理）和搜索算法，还适用于神经网络。
Lisp:相当古老的语言，差不多是在人工智能火起来之后才又回到众人眼中。有人认为Lisp是最好的人工智能编程语言，因为它为开发人员提供了自由。在人工智能中使用Lisp，因其灵活性可以快速进行原型设计和实验，当然这也反过来促进Lisp在AI开发中的发展，例如，Lisp有一个独特的宏系统，有助于开发和实现不同级别的智能。
但同时也因为它的古老，掌握的人不是大多数。
Python的课程是现在最火爆的，很多网课，从零开始学到高级课程全都有。对自学没有信心的话也可以参加社会上的线下培训班。一定要坚持下去。但总体来说市场上的课程还是有些乱，要边学便自己梳理知识体系。
其次要找好方向：
计算机视觉CV、自然语言处理NLP、机器学习ML这三个方向是最火的，但其中也涉及了很多更深的知识，比如神经网络、深度学习、强化学习等。
所以要有一定的数学基础：微积分、概论、线性代数；
其次是算法与模型，这也是重中之重，算法模型学不好以后会很痛苦，甚至有些方面完全不能理解。
此外，还要深入了解一些框架：
谷歌的Tensorflow:
TensorFlow是一个开源软件库，可以描述一幅数据计算的数据流图（data flow graph）,用于各种感知和语言理解任务的机器学习。当前被50个团队用于研究和生产许多Google商业产品，如语音识别、Gmail、Google 相册和搜索。
Facebook 的 PyTorch：
与TensorFlow抗衡的学习框架，由 Facebook 的团队开发，并于 2017 年在 GitHub 上开源。
TensorFlow 和PyTorch的关键差异是它们执行代码的方式。这两个框架都基于基础数据类型张量（tensor）而工作。TensorFlow更像是一种语言，而PyTorch与Python结合的更紧密。
TensorFlow 是一种非常强大和成熟的深度学习库，具有很强的可视化功能和多个用于高级模型开发的选项。它有面向生产部署的选项，并且支持移动平台。另一方面，PyTorch 框架还很年轻，拥有更强的社区动员，而且它对 Python 友好。
所以如果你想更快速地开发和构建 AI 相关产品，TensorFlow 是很好的选择。建议研究型开发者使用 PyTorch，因为它支持快速和动态的训练。
两者还有很多差异，各有优缺点，可以在实践中慢慢摸索。
评论0
加载中...
首先，明确你要解决的问题，并选择合适的算法，可能传统机器学习算法就可以，也可能需要借助当下最火的神经网络算法。
其次，根据需求和算法，选择合适的技术平台。并搜集数据进行算法训练。
最后，当算法训练达到预期效果后，开始应用，同时持续运营维护，通过新的实际数据再进行不断的算法训练。
评论0
加载中...
现在人工智能主要指的是机器学习，因为目前人工智能主要是通过机器学习的方式实现的。
机器学习知识主要有三大块：
1，传统的机器学习算法，如决策树、随机森林、 SVM等，这些称为传统机器学习算法，具有深度学习的特点。
2，深度学习，指的是深度神经网络，可以说是目前最重要的人工智能核心知识。
3，强化学习，源于控制论，有时候也翻译成增强学习。深度学习可以和强化学习相结合使用，形成深度强化学习。
题主如果没有经过系统的学习想要直接编写运用了人工智能技术的软件，那显然是不可能的。
我的答案就是如果题主没有编程的基础，那么不妨先补充一些数学或者编程方面的知识。
1，人工智能的学习在入门的阶段需要用到高等数学、线性代数和概率论的知识。
2，学习Python，Python是一种比较容易学习和使用的编程语言，机器学习领域使用最多的编程语言就是Python。
最后附一张黑马的Python人工智能学习路线图。
评论0
加载中...
人工智能系统是一个相对复杂的智能化系统，一个具有特定任务的智能化系统通常由若干个子系统组成，同时又是一个多领域、多专业、多团队或人员相互协作的系统工程。单就软件系统建设而言，以编程为例，一个智能化系统的软件系统，除了要有控制整个系统协调工作的系统程序外（如操作系统，数据库系统等），还需要对相关的硬件（如机械手，或流水线等逻辑部件或设备）实施控制程序编程，通常是一些实现某个特殊功能的专用控制程序。作为一个智能化系统的团队成员之一，掌握一门或两门计算机软件的基础理论和编程技巧是必须的。如果你能熟练掌握ASM和C（例如C++），想必你就能成为一个智能化系统建设团队中的中梁砥柱。祝你成功！
评论0
加载中...
8
回答2
回答10
回答0
回答10
回答3
回答6
回答10
回答0
回答0
回答
