学电脑技术学软件开发好还是学人工智能好
作为一名IT行业的从业者，同时也是一名计算机专业的研究生导师，我来回答一下这个问题。
在当前大数据、人工智能的时代背景下，学习人工智能的相关技术是不错的选择，未来的发展空间也比较大，但是由于人工智能人才的培养周期比较长，而且对于数学等基础学科有较高的要求，所以对于基础比较薄弱的人来说，从软件开发开始学起是不错的选择，也是比较现实的选择。
对于初学者来说，可以先从软件开发技术开始学起，在学习的过程中不断丰富自身的知识结构，未来也可以向大数据、人工智能方向发展，而且人工智能也需要具备扎实的编程基础，从这个角度来看，学习软件开发技术和学习人工智能技术并不矛盾。
对于面临大学专业选择的学生来说，如果对于人工智能感兴趣，同时具有扎实的数学基础，那么目前不少双一流高校（原985）开设的人工智能专业是不错的选择，未来既可以选择就业也可以继续读研。
对于有就业需求的大学生，或者是已经毕业的人来说，可以选择从软件开发技术开始学起。软件开发技术通常需要学习三大块内容，其一是编程语言，其二是数据库，其三是平台知识（与具体领域相关）。
目前比较流行的编程语言包括Java、Python、PHP、JavaScript、Go等，不同的编程语言通常有不同的开发场景。如果计算机基础比较薄弱，那么Python是不错的选择，因为Python语言简单易学且应用场景广泛，另外Python语言的实验环境也比较容易搭建。在学习编程语言的过程中，可以同时学习数据库开发知识和平台相关知识，平台与具体的方向有直接关系，比如大数据方向通常会学习Hadoop、Spark平台。
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。
如果有互联网方面的问题，或者考研方面的问题，都可以咨询我，谢谢！
学人工智能好不好
有关机器学习领域的最佳介绍，请观看Coursera的AndrewNg机器学习课程。它解释了基本概念，并让你很好地理解最重要的算法。
有关ML算法的简要概述，查看这个TutsPlus课程“MachineLearningDistilled”。“ProgrammingCollectiveIntelligence”这本书是一个很好的资源，可以学习ML算法在Python中的实际实现。它需要你通过许多实践项目，涵盖所有必要的基础。这些不错的资源你可能也感兴趣:
PererNorvig的UdacityCourseonML（MLUdacity课程）TomMitchell在卡梅隆大学教授的AnothercourseonML（另一门ML课程）YouTube上的机器学习教程mathematicalmonk二、深度学习
关于深度学习的最佳介绍，我遇到最好的是DeepLearningWithPython。它不会深入到困难的数学，也没有一个超长列表的先决条件，而是描述了一个简单的方法开始DL，解释如何快速开始构建并学习实践上的一切。它解释了最先进的工具（Keras，TensorFlow），并带你通过几个实际项目，解释如何在所有最好的DL应用程序中实现最先进的结果。
在Google上也有一个greatintroductoryDLcourse，还有SephenWelch的greatexplanationofneuralnetworks。
之后，为了更深入地了解，这里还有一些有趣的资源：
GeoffreyHinton的coursera课程“NeuralNetworksforMachineLearning”。这门课程会带你了解ANN的经典问题——MNIST字符识别的过程，并将深入解释一切。MITDeepLearning（深度学习）一书。UFLDLtutorialbyStanford（斯坦福的UFLDL教程）deeplearning.net教程MichaelNielsen的NeuralNetworksandDeepLearning（神经网络和深度学习）一书SimonO.Haykin的NeuralNetworksandLearningMachines（神经网络和机器学习）一书三、人工智能
“ArtificialIntelligence:AModernApproach(AIMA)”（人工智能：现代方法）是关于“守旧派”AI最好的一本书籍。这本书总体概述了人工智能领域，并解释了你需要了解的所有基本概念。
来自加州大学伯克利分校的ArtificialIntelligencecourse（人工智能课程）是一系列优秀的视频讲座，通过一种非常有趣的实践项目（训练AI玩Pacman游戏）来解释基本知识。我推荐在视频的同时可以一起阅读AIMA，因为它是基于这本书，并从不同的角度解释了很多类似的概念，使他们更容易理解。它的讲解相对较深，对初学者来说是非常不错的资源。
大脑如何工作
如果你对人工智能感兴趣，你可能很想知道人的大脑是怎么工作的，下面的几本书会通过直观有趣的方式来解释最好的现代理论。
JeffHawkins的OnIntelligence（有声读物）G?del,Escher,Bach我建议通过这两本书入门，它们能很好地向你解释大脑工作的一般理论。
其他资源：
RayKurzweil的HowtoCreateaMind（如何创建一个头脑RayKurzweil）(有声读物).PrinciplesofNeuralScience（神经科学原理）是我能找到的最好的书，深入NS。它谈论的是核心科学，神经解剖等。非常有趣，但也很长–我还在读它。四、数学
以下是你开始学习AI需要了解的非常基本的数学概念：
微积分学
KhanAcademyCalculusvideos（可汗学院微积分视频）MITlecturesonMultivariableCalculus（MIT关于多变量微积分的讲座）线性代数
KhanAcademyLinearAlgebravideos（可汗学院线性代数视频）MITlinearalgebravideosbyGilbertStrang（GilbertStrang的MIT线性代数视频）CodingtheMatrix?（编码矩阵）–布朗大学线程代数CS课程概率和统计
可汗学院Probability（概率）与Statistics（统计）视频edxprobabilitycourse（edx概率课程）五、计算机科学
要掌握AI，你要熟悉计算机科学和编程。
如果你刚刚开始，我建议阅读DiveIntoPython3（深入Python3）这本书，你在Python编程中所需要的大部分知识都会提到。
要更深入地了解计算机编程的本质–看这个经典的MITcourse（MIT课程）。这是一门关于lisp和计算机科学的基础的课程，基于CS-结构和计算机程序的解释中最有影响力的书之一。
六、其他资源
Metacademy?–是你知识的“包管理器”。你可以使用这个伟大的工具来了解你需要学习不同的ML主题的所有先决条件。kaggle?–机器学习平台软件工程师如何转行做人工智能
谢谢邀请！
软件工程师转行做人工智能是一个不错的选择，但是要根据自身的知识结构进行相应的准备。对于研发级软件工程师（研发级程序员）来说，转行做人工智能是相对比较容易的，因为研发级工程师往往都有扎实的算法基础。对于应用级软件工程师（应用级程序员）来说，转行做人工智能需要一个系统的准备（学习）过程。
人工智能目前的研究方向比较多，比如自然语言处理、机器学习以及计算机视觉都是不错的研究方向，下面就以机器学习为例，说一下作为应用级软件工程师来说，都应该做好哪些准备。
首先，需要系统的学习一下算法知识。机器学习的研发是以算法为核心进行展开的，所以要有一个扎实的算法基础。这个过程需要了解一些比较经典的算法设计过程，逐步培养起解决问题的思路。这部分的学习内容包括随机算法、堆排序算法、快排、计数排序、贪心算法、核算法、势能法、图算法、多线程算法、数论算法和近似算法等，在学习算法的过程中也会连带着把数据结构一并学习一下，因为算法和数据结构本就不分家。
其次，了解机器学习的实现步骤。机器学习的流程包括数据收集、数据整理、算法设计、算法实现、验证算法和应用算法，数据收集是机器学习的第一步，目前可以用于机器学习的公共数据集并不少，对于实验来说已经够用了。接下来就是了解常见的机器学习算法，目前比较常见的机器学习算法包括NB、k-mean、kNN、SVM、Apriori、EM、PageRank、CART等算法，对于有算法基础的人来说，这些算法的学习并不困难。
最后，选择一门编程语言来实现这些算法并对其进行验证。对于软件工程师来说，这个步骤还是相对比较轻松的，目前使用Python做机器学习的算法实现是一个比较常见的做法。
人工智能是我的主要研究方向之一，目前我也在带相关方向的研究生，我会陆续在头条写一些关于人工智能方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有人工智能方面的问题，也可以咨询我，谢谢！
初中毕业学人工智能发展好吗
回答了:
应是可以的，只要努力，下决心，什么事都可能发生。智能是一门新学科，随着时间推移，科学会越来越进步，智能科学也进入了各个领域，它是一个新的革命，能使人类减轻了劳动强度，效力，生产力的提高，前程不可估量，美好。至于说初中毕业生学习人工智能会有什么阻力，能力不足，这个是肯定的，那样的话也只有边学边干，多找老师指导，并加强智能方面的学习。知识就是生产力，是推动社会发展的动力。跟上形势，潮流，社今更进步，明天会更好!