学习人工智能需要从哪些方面入手

楼主，你真想学人工智能方向，建议从以下几个方面入手：

1. 数学基础：
线性代数，矩阵分析，（凸）优化( (Convex) Optimization )，离散数学和图论，概率统计。其中线性代数和优化是重中之重，尤其要把矩阵特征值分解，梯度下降之类的好好弄清楚，因为你会在很多机器学习问题上反反复复见到这个。

2. Coding基础：
Matlab, Python, C++。重点相关的工具有OpenCV, Caffe等。

3. ML直接相关基础：
建议从最简单基础的机器学习课程开始，比如Stanford Andrew Ng的CS229。
入门以后可以看一些进阶类的课程，比如统计机器学习(Statistical Machine Learning)，概率图模型(Probabilistic Graphical Models)等。

机器学习领域掌握了以下知识点可以算入门：

1. 贝叶斯法则
2. 参数估计(Parameter Estimation)，包括最大似然估计(MLE)，最大后验估计(MAP)
3. 回归(Regression)，包括线性回归，多项式回归等
4. 降维(Dimensionality Reduction)，包括主成分分析(PCA)，线性判别分析(LDA)
5. Expectation Maximization
6. 聚类(Clustering)，包括K-means, Gaussian Mixture Model等
7. 分类(Classification)，包括Bayesian Classifier, Naive Bayes, Logistic Regression, 支持向量机(SVM)，神经网络等等。

想做理论可以往PAC Learning，概率图模型，结构化预测那边看看。应用一点可以看看ML的一些广泛应用领域，比如计算机视觉，自然语言处理等。