【人工智能学习路线】
数学基础：
微积分、线性代数、概率统计、信息论
技术基础：
计算机原理、程序设计语言、算法基础、对应领域知识（NLP，cv，语音）
算法方面（理论）：
机器学习算法（逻辑回归、决策树模型、集成算法、聚类算法）
深度学习方法（深度学习网络，卷积神经网络，循环神经网络）
机器学习框架（实现、搭建）：
Tensorflow、Keras、Scikt-Learn
问题领域：
语音识别、机器视觉、NLP、cv
【算法工程师】
数学的话不能师机器学习还是深度学习，数学都是根基。
框架确是可以帮助你直接构造模型，但这不代表你就可以直接放弃数学。
不需要学到很深，但只是高数、线代、贝叶斯要牢牢掌握
【领域方向】
NLP、图像、语音
【图像】
【NLP】
