IT领域知识体系经历多年的演变，技术体系变得很庞大。在自己的从业经历中，结合现如今的情况我把技术和应用体系划分为通用领域和专业领域两大部分。

在通用领域，基本上是沉淀出来的技术体系，这些技术体系在支撑着各个专业领域，只是领域的特点会带来技术体系侧重点不同，也会催生不同的解决方案。

AI这个领域定位

AI平台系统架构 ai通用架构_python编程

  1. 当下AI的研究方向、方法、核心算法模型、计算训练、推理等应用步骤表明相对常见的通用技术领域来讲，是属于专有领域的范畴；
  2. AI所使用的技术方面，在冯诺依曼计算机架构上，基本上是通用，也就是大数据、分布式、微服务等那些通用技术在其中同样得到很好的应用。
  3. 同时，AI专业领域结合通用技术能力构建的人工智能框架和平台又可以给各个专业或通用领域赋能，也就是AI最终从专业领域走向普惠各行各业的趋势已经很明显。

AI领域入手流程

当我们开始进入AI这个领域的时候，你是否有下面这些感受：

AI平台系统架构 ai通用架构_AI平台系统架构_02

AI这个领域当下因为一些助推其发展的条件的成熟愈发变的很火爆，初步想入门或者从通用IT工程领域转变过来的人员在刚开始接触的时候，是不是也有上述这么多的乱糟糟的概念感觉不知道如何入手？

针对这种情况，本人打算从如下几个方面来入手：

AI平台系统架构 ai通用架构_大数据_03

1.认识AI的重要性

首先入门者个人要认同AI这个领域的趋势和重要性，这样会为你提供坚持的动力，因为大多数之所以进入一个领域不太容易成为专家外，一个重要原因就是开头很新鲜、入门之路坚持坚持就断了，导致很多领域进入、开始、断开，平白无故浪费很多时间投资。

2.认识AI的基本背景

进入一个全新的领域，认识它的背景是很重要的，可以通过一些简史来概要加深领域理解，对AI有一个概要的认识，有助于你认识这些后续演变的各种概念、名词，而不被乱花了眼。

3.入门需要掌握的基础

1）编程语言方面

基础能力方面，python编程是最常见和通用的技能，需要具备基本的python编程能力；

深入框架方面的，需要根据不同的框架语言来定，c++、python不等；

2）通用技术能力

大数据计算思路，在了解和深入的过程中可以加深下理解和掌握，数据是AI的基础；

云计算相关的分布式计算思路，在了解和深入AI的框架和平台化方面加深理解和掌握，对想深入的框架和平台有帮助。

3.入门后的方向

1）参与AI应用方向工作

利用掌握的基本编程技能，选择领域的框架或者平台，先参与一些稳定、经典的模型应用场景的实践学习，来提升对AI领域的理解。

2）参与框架及生态开源工作

再深入的情况下，可以参与选择的开源框架的社区工作，包括bug修复、新特性的提交，或者一些边缘配套，将其更好的推向开发应用领域的开源工作。