1.數(shù)學(xué)基礎(chǔ),要學(xué)習(xí)人工智能，最基本的高數(shù)、線代、概率論必須掌握，至少也得會(huì)高斯函數(shù)、矩陣求導(dǎo)，明白梯度下降是怎么回事，否則對(duì)于模型的基本原理完全不能理解，模型調(diào)參與訓(xùn)練也就無(wú)從談起了。2. 編程基礎(chǔ),如果是做純算法研究員，工程能力的要求不會(huì)太高，但也需要能寫(xiě)源代碼；而對(duì)于做算法引擎開(kāi)發(fā)或是應(yīng)用開(kāi)發(fā)的工程師來(lái)說(shuō)，代碼實(shí)現(xiàn)的能力高低就直接決定了工作產(chǎn)出的質(zhì)量與效率了。所以，想做AI工程師的你需要熟練掌握至少一種編程語(yǔ)言，并掌握配套的工具、常用庫(kù)等。3.機(jī)器學(xué)習(xí)基礎(chǔ),人工智能的熱潮來(lái)源于深度學(xué)習(xí)相關(guān)技術(shù)與應(yīng)用的優(yōu)異表現(xiàn)，所以招聘最熱的崗位無(wú)疑是機(jī)器學(xué)習(xí)算法工程師。因此，機(jī)器/深度學(xué)習(xí)的經(jīng)典算法、常見(jiàn)的神經(jīng)網(wǎng)絡(luò)模型、模型調(diào)參和訓(xùn)練技巧就需要盡可能多和深入地掌握了。4.專(zhuān)業(yè)領(lǐng)域知識(shí)基礎(chǔ),人工智能主要應(yīng)用領(lǐng)域可大致分為圖像、語(yǔ)音和NLP（自然語(yǔ)言處理）。無(wú)論是其中哪個(gè)領(lǐng)域，都有海量的專(zhuān)業(yè)知識(shí)需要去掌握，比如如果你想從事智能駕駛行業(yè)的機(jī)器視覺(jué)方面的工作，那么你就需要掌握?qǐng)D像相關(guān)的知識(shí)；而如果你想做一款智能音箱的算法開(kāi)發(fā)，你就需要掌握語(yǔ)音和NLP相關(guān)的知識(shí)。5.具體行業(yè)的深度認(rèn)知。任何應(yīng)用場(chǎng)景都有自己獨(dú)特的數(shù)據(jù)結(jié)構(gòu)，而一個(gè)能夠落地的AI應(yīng)用自然離不開(kāi)對(duì)于業(yè)務(wù)本身的深入理解。算法工程師們需要清晰地把握一個(gè)AI系統(tǒng)由哪些模塊組成，相互關(guān)系是什么，都用到哪些技術(shù)，解決什么問(wèn)題，才可能針對(duì)具體的問(wèn)題展開(kāi)實(shí)驗(yàn)研究，從而進(jìn)行優(yōu)化。