目前人工智能领域比较热门的方向包括机器学习、计算机视觉、自然语言处理和机器人学，以机器学习方向为例，比较常见的岗位有算法设计工程师、算法实现工程师、算法训练工程师、算法验证工程师和算法应用工程师，当然不同的团队在命名上会有一定的区别，另外不少团队的算法设计工程师也会同时完成部分算法实现的过程，至少在验证过程中通常是自己完成的。
人工智能技术是什么专业？从广义上理解是计算机专业，而狭义上就涉及很多了。
国家新一代人工智能战略咨询委员会和高等教育出版社于2018年3月成立“新一代人工智能系列教材”编委会，由中国工程院院士潘云鹤担任编委会主任，今年将出版《人工智能：模型与算法》《可视化导论》《智能产品设计》《自然语言处理》四本教材，相关线上课程也正在录制中。
但从人工智能包含的技术及落地场景来说，还有很多，比如计算机视觉（卷积神经网络）、生成式对抗网络（机器学习、深度学习、强化学习）、知识图谱几大项。
目前国内一些985、211大学都已经开设了人工智能专业课程，从基础的算法模型，到理论实践都有。
但是目前人工智能仍属于新兴产业，课程体系尚未成熟，市场上还有些教育机构及科技企业在做自己的培训课程，而这些课程大多是以实践为主，假设你已经有了基础的计算机编程及算法知识。
如果没有学习过任何计算机语言及人工智能知识，建议先从基础学习，包括：数学基础（微积分、线性代数、概率、信息论等），机器学习算法，机器学习分类。入门时最关键的是要打好基础，尤其是算法和模型，这两样在人工智能领域是基石，基石不稳，必将坍塌。
此外，还要深入了解一些框架：
谷歌的Tensorflow:
TensorFlow是一个开源软件库，可以描述一幅数据计算的数据流图（data flow graph），用于各种感知和语言理解任务的机器学习。当前被50个团队用于研究和生产许多Google商业产品，如语音识别、Gmail、Google 相册和搜索。
Facebook 的 PyTorch：
与TensorFlow抗衡的学习框架，由 Facebook 的团队开发，并于 2017 年在 GitHub 上开源。
TensorFlow 和PyTorch的关键差异是它们执行代码的方式。这两个框架都基于基础数据类型张量（tensor）而工作。TensorFlow更像是一种语言，而PyTorch与Python结合的更紧密。
TensorFlow 是一种非常强大和成熟的深度学习库，具有很强的可视化功能和多个用于高级模型开发的选项。它有面向生产部署的选项，并且支持移动平台。另一方面，PyTorch 框架还很年轻，拥有更强的社区动员，而且它对 Python 友好。
所以如果你想更快速地开发和构建 AI 相关产品，TensorFlow 是很好的选择。建议研究型开发者使用 PyTorch，因为它支持快速和动态的训练。
两者还有很多差异，各有优势，可以在实践中慢慢摸索。
需要掌握的语言：
Python被认为是所有AI开发语言列表中的第一位。Python相对简单易学，可以很容易地学习。此外python有很多AI相关的库，便于在机器学习等方面快速上手。
C 已经非常成熟了，而且是最快的计算机语言，如果你的项目开发时间有限，那么C 是很好的选择，它提供更快的执行时间和更快的响应时间，老司机优势显现无疑，游戏开发大部分都是用C 语言。
C 适用于机器学习和神经网络。
Java也是计算机语言的老司机之一，虽然褒贬不一，但是在各种项目的开发中，Java都是常用语言之一，它不仅适用于NLP（自然语言处理）和搜索算法，还适用于神经网络。
Lisp:
相当古老的语言，差不多是在人工智能火起来之后才又回到众人眼中。有人认为Lisp是最好的人工智能编程语言，因为它为开发人员提供了自由。在人工智能中使用Lisp，因其灵活性可以快速进行原型设计和实验，当然这也反过来促进Lisp在AI开发中的发展，例如，Lisp有一个独特的宏系统，有助于开发和实现不同级别的智能。
但同时也因为它的古老，掌握的人不是大多数。
标签： 人工智能专业可去哪些单位工作？,人工智能专业可去哪些单位工作？
