首先， 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等；人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能；因此人工智能最重要的两个因素是数据和算法。

其次，人工智能从实际应用上大致可分为两个主要的方向即理论研究（算法、模型）和工程实践（编程实现），如何系统学习？选择编程语言至关重要，目前主要的AI框架 TensorFlow（c++，python）、Caffe（c++）、CNTK（c++）、Theano（python）、Keras（python）、Torch（c）、

http://Accord.NET

（c#）、Spark MLlib（Java、Scala、Python、R）、Sci-kit Learn（python）、MLPack（c++）、Deeplearning4j（java），可见python、c++的ai框架最多，但鉴于c++学习门槛较高而python在数据处理方面的优势，建议编程语言选择python，框架选择google的 TensorFlow 。

再次，前面已经讲到人工智能最重要的两个因素是数据和算法，数据方面在工程实践中可以由业务数据提供或自行通过网络获取，算法方面主要有决策树、随机森林算法、逻辑回归、SVM、朴素贝叶斯、K最近邻算法、K均值算法、Adaboost算法、神经网络、马尔可夫等，学习路线可参见附图。为了更好的系统学习，推荐学习资源方面我从如下四个方面帮你推荐：