首先，人工智能是典型的交叉学科，不仅涉及数学，还涉及计算机、控制、经济学、哲学、神经学、语言学等多个学科。因此，人工智能技术不仅难度大，而且知识量巨大，这也是人工智能人才培养长期集中在研究生教育领域的重要原因。
提到人工智能，为什么总会说Python？
Python最近几年确实被更多的提及和使用，得益于丰富的资源库支撑，Python在大数据、机器学习领域被广泛的使用。我本人目前也在使用Python做机器学习方面的研发，与Java比较起来，给我的感觉Python确实很方便，简单的总结一下Python有以下几个显著的特点：语法简单，代码量少。这对于非常注重开发效率的程序员来说是非常重要的，尤其是代码量少，
对一些Java程序员来说改做Python开发非常容易，基本上一周左右就可以完成转换，我学了3天就开始使用Python做算法实现了。库文件丰富，Python提供了很多库文件，比如在机器学习和大数据领域用的比较多的Numpy、matplotlib等，这使得使用Python可以专注于逻辑实现，复杂的事情已经不需要做了，节省了大量的时间。
生态健全，Python虽然是最近几年才开始被更多的提及，但是Python并不是一门新出现的语言，实际上它出现的时间比Java更早一些，生态也比较健全，只不过Java年少成名，Python则大器晚成。得益于以上几个主要优点，Python目前的发展趋势非常好，不少落地项目已经开始要求使用Python进行开发了，这多少有点10多年前Java的情形，
所以广大程序员要做好准备，Python的流行已经是一个显著的趋势了。人工智能涉及到的领域比较多，主要集中在6大方面，有自然语言处理、知识表示、自动推理、机器学习、计算机视觉和机器人学，这里面涉及到的开发内容也非常多，在自然语言处理、计算机视觉已经机器人学的落地实现上更多采用的是C语言系列，Python则更多的使用在自动推理以及机器学习方面。
学人工智能，为什么要先学数学？
这是一个非常好的问题，作为一名科技从业者，我来回答一下，首先，人工智能是一个非常典型的交叉学科，不仅涉及到数学，同时还涉及到计算机、控制学、经济学、哲学、神经学、语言学等多个学科，所以人工智能技术不仅难度较高，知识量也非常庞大，这也是为什么长期以来，人工智能人才的培养都集中在研究生教育领域的重要原因。
人工智能当前有六个大的研究领域，包括自然语言处理、计算机视觉、机器学习、知识表示、自动推理和机器人学，这些研究方向都离不开数学知识，所以要想在人工智能的研发领域走得更远，一定要有一个扎实的数学基础，以机器学习为例，机器学习的步骤包括数据收集、算法设计、算法实现、算法训练、算法验证和算法应用，所以机器学习的基础是数据，而核心则是算法，所以也可以把机器学习问题看成是一个数学问题。
机器学习在人工智能领域的应用非常广泛，所以很多初学者在进入人工智能领域之前，都会先从机器学习开始学起，而要想顺利入门机器学习的相关知识，数学基础是非常关键的，虽然人工智能对于数学的要求比较高，但是即使数学基础不好，也可以在学习人工智能技术的过程中，逐渐补齐自己的数学短板，在学习人工智能技术的初期，也并不会遇到非常复杂的数学问题，只需要具有一些线性代数、概率论的基础知识就可以了。
最后，人工智能技术的学习对场景要求较高，不建议通过自学的方式学习人工智能技术。最好能借助R
