来源：CPDA数据分析师网 / 作者：数据君
AI的需求不同于其他编程任务的需求
不仅是因为相对较早的开发阶段，而且还因为与其他系统以及与人互动的需求越来越大。诸如自治之类的特征需要特殊的领域知识。要了解必要的AI技能的范围，查看AI工具箱可能包含的内容会很有帮助，基本AI工具编程和编程语言：用于AI的编程语言包括Python，C ++，Java和其他流行的语言，这些语言具有可用于各种AI应用程序的库，这些语言支持接口和通用例程。
还有一些与特定AI方法匹配的专用语言
例如R用于分析，MATLAB用于数值分析，Lisp或Prolog用于专家系统和不涉及机器学习的问题解决方案。编程语言的选择将在很大程度上取决于预期的环境和要解决的问题，特殊的编程技能：有许多编程技能对于开发AI组件特别重要。其中包括机器学习和数据分析，但了解GPU编程，并行和分布式处理以及软件集成也很重要。随着组合方法的普及，从理论上和实践上理解API和微服务也将变得越来越重要。
特定的AI技术：AI技能需要了解当前的AI技术，例如机器学习算法，认知计算，文本分析，自然语言处理，建模，高级分析和搜索技术，以及这些功能与企业体系结构和安全性之间的相互作用。
数据管理和分析技能：了解大数据分析，非结构化数据，数据存储，安全性问题和广泛的数据管理技能对于任何AI方法都是必不可少的，尤其是对于需要实时分析大数据流的机器学习方法而言用于建模和执行。
CPDA数据分析师
统计，概率和分析：人工智能从业者需要在统计和概率上有坚实的基础，而统计和概率是模拟的基矗他们还需要能够与之交互并创建适用于他们要解决的问题的有效模型和算法。
特征提取：随着AI的不断扩展，它将进入越来越多具有独特特征的利基领域。尽管机器学习的一般性可以应用于各种各样的问题，但是了解特定领域内的特征提取将变得越来越重要。
信号处理，图形识别，病历和财务具有非常不同的数据特征
为了使机器学习程序能够理解数据类型，您必须能够从数据中提取特定特征并构建模型，二级交互：随着AI的不断发展，越来越有必要了解其存在的更大环境，从业人员需要了解其工具集中的软件集成问题和安全性，以及软件系统与AI驱动的外部组件（例如自动驾驶汽车）之间的交互，随着AI与其他系统，其他AI和人类社会互动的集成，人们越来越需要了解社会互动和社会行为，机器人必须能够与机器人对话并避免对人类造成伤害；营销AI必须了解其交互的社会背景；人工智能行为中会出现道德问题，从事AI工作的人将需要对这些类型的互动有更深入的了解。
必不可少的技能范围越来越广，这意味着AI将不可避免地以更专业的方式发展
尽管所有参与者都必须对整个领域有一个粗略的了解，但是在每个领域也需要特定而深入的专业知识，此外必须了解业务问题的背景和范围，并能够应用AI技术来获得特定的结果，在AI中的角色范围将继续扩大，不久公司将需要在软件开发和AI系统管理中包括新角色。
