一、前言
现如今，人工智能已成为最热门的话题之一。有越来越多的人开始想学习人工智能；那么对于数学基础不太好的同学如何入门人工智能？本篇文章分享数学基础不好是如何入门学习人工智能的，希望能给即将或已经在人工智能路上的你带来帮助，少走一些弯路。
二、如何学习人工智能
人工智能是很宽广的，包含了很大的方向；在学习人工智能之前您应该了解人工智能有哪些方向，大致可以做什么，然后在选取一个您适合你的方向来学习，这样会事半功倍很多。
下面来简单介绍人工智能的方向。
1.人工智能可以处理哪些数据类型
数值型数据
数值型数据是指在您做人工智能项目的时候，面对需要处理的数据是数值的或者很容易转换成数值类型的(如性别字段、城市字段、学历字段这种离散型变量)时候我们通常称为数值型数据；常见的数值型数据有金融交易数据、医疗数据、借贷数据等。
文本型数据
文本型数据通常指在文本字段(变量)中提取字段的含义的数据称为文本型数据处理，常见的文本型数据有新闻数据、评论数据、贴吧数据等。
图片型数据
图片型数据是指在图片中提取该图片中的含义，如在图片中识别出车牌号、图片中识别猫狗等动物等。
音频型数据
音频数据是指识别音频中的内容。
视频型数据
视频型数据是指在视频文件中通过人工智能算法识别出特点内容。
建议:如果您想学习人工智能建议你先从数值类型数据入门，因为数值型数据处理起来相对来说最为简单。
2.人工智能领域有哪些技术方向
人工智能领域也分为很多技术方向，接下来总结一下人工智能领域常见的技术方向
机器学习
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
神经网络
神经网络又称人工神经网络，是机器学习的一种，是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为“神经网络”或类神经网络。
人工神经网络（人工神经网络）的计算模型灵感来自动物的中枢神经系统（尤其是脑），并且被用于估计或可以依赖于大量的输入和一般的未知近似函数。人工神经网络通常呈现为相互连接的“神经元”，它可以从输入的计算值，并且能够机器学习以及模式识别由于它们的自适应性质的系统。
增强学习
增强学习是机器学习的一种。增强学习是指从动物学习、随机逼近和优化控制等理论发展而来，是一种无导师在线学习技术，从环境状态到动作映射学习，使得Agent根据最大奖励值采取最优的策略；Agent感知环境中的状态信息，搜索策略（哪种策略可以产生最有效的学习）选择最优的动作，从而引起状态的改变并得到一个延迟回报值，更新评估函数，完成一次学习过程后，进入下一轮的学习训练，重复循环迭代，直到满足整个学习的条件，终止学习。
自然语言处理
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。
自然语言处理（NLP）是计算机科学，人工智能，语言学关注计算机和人类（自然）语言之间的相互作用的领域。
3.如何入门学习人工智能
上章节我们了解到了人工智能的主流技术方向以及处理数据类型，接下我将以我自身的经验分享一下我是如何学习人工智能。
第一步:你需要掌握一门人工智能领域常用的编程语言，Python或者R语言都可以，掌握其中一种即可；我个人推荐你学习Python语言，因为Python很火，功能强大；
Python语言可以做很多的事情，如做爬虫、web开发、人工智能，在这里你只需要花一周的时间把Python基础掌握牢固即可，如怎么样定义变量、怎么样操作元组、怎么样自定义函数等；
第二步:确定学习人工智能的方向。人工智能太宽广，你需要选择一个人工智能的小分支去学习，等学习好了在往其他技术领域的人工智能去学习；这里我推荐你以机器学习领域常用的十大算法为切入，通过机器学习算法常用的十大算法尝试计算数值型的数据；因为该领域算法很实用且相对来说也更容易入门。
第三步:建议你去找一门教程或者一本书去学习如何使用机器学习算法，在这里我推荐你看一门书《机器学习实战》，假如你刚接触机器学习即使完成里面的所有案例，还是不够了解不要紧，很正常，第三步是为了让你熟悉机器学习算法，以及知道机器学习算法具体的代码实现，后面项目用到了在加深学习。
第四步:掌握数据分析与处理。
包含:缺失值分析、异常值分析、变量相关性分析、连续变量离散化分析等
之所以需要掌握数据分析与处理是因为，在做机器学习项目的时候，大多数时候给到你的数据都不是完整的，如字段缺失率高、有垃圾数据，数据分析与处理的作用是帮你得到一个干净且有效的数据，提供第三步机器学习算法做输入参数使用。
第五步：当你掌握了数据分析与机器学习算法后这时候你可以在互联网上下载一些项目数据通过数据分析和机器学习算法去实现和预测结果。
机器学习项目数据建议你去kaggle网站，去下载项目数据。
当您完成上面所有步骤且准确度达到一定程度（如准确率达到75%以及以上）后，恭喜你已经入门了；
当入门之后，后续还有很多事情需要做如模型优化、IT项目对接、文档记录等，相信入门之后的你对于后续内容自学问题不大。
总结
人工智能发展的今天有越来越多的人工智能方向的框架出现，门槛也随之越来越低；所以想学人工智能不要害怕学不会,数学不好的不要紧，先学会去用这些框架和编程语言去完成指定的项目，当会用之后接下来可以尝试着选择性的学学常用的高等数学公式。
还有完成一个人工智能的项目分为很多流程，数学只占项目的一部；在人工智能项目中假如您数学不好，您还可以去完成其他的流程部分，数学部分可以和数学较好的同事合作完成。
`
关注公众号:DT数据技术博文， 更多人工智能、大数据、网络爬虫教程等着你。