开发人工智能的难点不在于工程实现，而在于数据科学方面的知识储备。会用框架和算法的开发者很多，但是知道为什么要这样用的人很少。比方说：聚类算法会用到余弦距离和欧氏距离，在不同场景下不能相互替代，但有些人却不重视这一点。另外，深度学习从一开始就很照顾那些不懂代码的数据科学家，比如 Tensorflow，往往是几行代码的事，所以程序员出身在人工智能领域的优势并不大。往长远的角度看，将来编写 AI 可能像拼乐高积木一样方便，仅仅做 AI 的工程实现是不会有出路的。综上所述，如果题主想进军人工智能领域的话，一定要看清楚，这个行业真正需要什么样的人，并且努力使自己向这个方向发展。具体的学习建议：概率论、线性代数、随机过程，这三门功底越深，你将来做人工智能的上界就越高；R语言、Python，必要的开发语言，至少掌握一门；机器学习、深度学习，通过练习逐步熟悉它们的流程和方法，模型不是重点，多关注数据本身。