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，至少也得會高斯函數(shù)、矩陣求導(dǎo)，明白梯度下降是怎么回事，否則對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太高，但也需要能寫源代碼；而對于做算法引擎開發(fā)或是應(yīng)用開發(fā)的工程師來說，代碼實現(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言，并掌握配套的工具、常用庫等。3.機器學(xué)習(xí)基礎(chǔ),人工智能的熱潮來源于深度學(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疑是機器學(xué)習(xí)算法工程師。因此，機器/深度學(xué)習(xí)的經(jīng)典算法、常見的神經(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.專業(yè)領(lǐng)域知識基礎(chǔ),人工智能主要應(yīng)用領(lǐng)域可大致分為圖像、語音和NLP（自然語言處理）。無論是其中哪個領(lǐng)域，都有海量的專業(yè)知識需要去掌握，比如如果你想從事智能駕駛行業(yè)的機器視覺方面的工作，那么你就需要掌握圖像相關(guān)的知識；而如果你想做一款智能音箱的算法開發(fā)，你就需要掌握語音和NLP相關(guān)的知識。5.具體行業(yè)的深度認知。任何應(yīng)用場景都有自己獨特的數(shù)據(jù)結(jié)構(gòu)，而一個能夠落地的AI應(yīng)用自然離不開對于業(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)，解決什么問題，才可能針對具體的問題展開實驗研究，從而進行優(yōu)化。