谢谢邀请！

软件工程师转行做人工智能是一个不错的选择，但是要根据自身的知识结构进行相应的准备。对于研发级软件工程师（研发级程序员）来说，转行做人工智能是相对比较容易的，因为研发级工程师往往都有扎实的算法基础。对于应用级软件工程师（应用级程序员）来说，转行做人工智能需要一个系统的准备（学习）过程。

人工智能目前的研究方向比较多，比如自然语言处理、机器学习以及计算机视觉都是不错的研究方向，下面就以机器学习为例，说一下作为应用级软件工程师来说，都应该做好哪些准备。

首先，需要系统的学习一下算法知识。机器学习的研发是以算法为核心进行展开的，所以要有一个扎实的算法基础。这个过程需要了解一些比较经典的算法设计过程，逐步培养起解决问题的思路。这部分的学习内容包括随机算法、堆排序算法、快排、计数排序、贪心算法、核算法、势能法、图算法、多线程算法、数论算法和近似算法等，在学习算法的过程中也会连带着把数据结构一并学习一下，因为算法和数据结构本就不分家。

其次，了解机器学习的实现步骤。机器学习的流程包括数据收集、数据整理、算法设计、算法实现、验证算法和应用算法，数据收集是机器学习的第一步，目前可以用于机器学习的公共数据集并不少，对于实验来说已经够用了。接下来就是了解常见的机器学习算法，目前比较常见的机器学习算法包括NB、k-mean、kNN、SVM、Apriori、EM、PageRank、CART等算法，对于有算法基础的人来说，这些算法的学习并不困难。

最后，选择一门编程语言来实现这些算法并对其进行验证。对于软件工程师来说，这个步骤还是相对比较轻松的，目前使用Python做机器学习的算法实现是一个比较常见的做法。

人工智能是我的主要研究方向之一，目前我也在带相关方向的研究生，我会陆续在头条写一些关于人工智能方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有人工智能方面的问题，也可以咨询我，谢谢！

说说我的个人经历我亲身经历了从非AI软件开发到AI的转变。

我一直对AI感兴趣，也知道这是技术发展的一个大趋势。所以在2016年以前，陆陆续续地关注一些AI博客，断断续续地学习，但一直没有系统学习过。

在2016年，因为工作的变动，就开始系统地学习了AI。买了一些AI的书来读，在coursera在线学习网站上，参加了业界有名的Andrew Ng（吴恩达）的《机器学习》课程。

这是我是在2016年5月份获得的《机器学习》结业证书。

《机器学习》结业，只是入门。而AI分成好几个领域，比如图像识别、NLP等等，每一门的水都挺深。我选择进入NLP，因为其它领域都被大公司吃完了，而NLP相对不太成熟，小公司更有机会。

我学习了NLP的实用技术，并用来做产品。后来还是因为AI更是大公司的菜，加上其它的一些事情，就转向聚焦在区块链上了。

所以，我觉得我有资格来回答这个问题。

对于软件工程师，这种转变，不叫转行，而叫学习新技能。

首先，还是需要有扎实的数学知识对于很多软件工程师，数学知识平时用得少，软件功能都是调用这个库、那个API来实现的。这在AI之前，在很多公司还算是合格的，毕竟能完成工作。

但到AI领域后，你就会发现没有数学知识，碰到一些问题就懵了，很吃亏，效率会很低。

我的《微积分》是很多年钱学的，早就丢掉了。到了AI领域，发现有很多微积分内容，又得捡回来。

你至少需要准备这些数学知识：

线性代数。将会碰到有很多向量和矩阵，所有计算的基础，重要性不言而喻

概率与统计

微积分

其次，系统地参加人工智能的通用课程刚开始入门，要推荐吴恩达的《机器学习》，这是一堂有名的课，评分高达4.9分。

这门课程难度为中等偏低，每期都有习题练习，习题需要一般的编程能力，全部通过才能获得结业证书。

然后再深入一点，就是目前业界广泛使用的神经网络中的深度学习。

深度学习在Coursera上，是有一个专项课程。专项课程是几个相关课程的集合。深度学习专项内部包含了4个课程。如果有条件，最好把所有的课程学一遍：

如果没时间学完专项，那么其中的《神经网络和深度学习》是必学的：

再次，根据具体的业务领域，选择适合的框架和语言，边学边做到了这一步，你就要开始实战了。

这里要看你从事的领域的需求，学习更具体的算法。比如公司搞图像识别，那CNN必须要精通；如果是NLP，要学word2vec、RNN等。

然后选择编程语言和AI框架。

如果公司没有硬性要求语言和框架。在语言方面，而你是新手，或者编程经验不多，最好就直接用Python；对于老手，存在存量绑架，也因为对某语言用得熟练，那要选择支持你的编程语言的框架。

一般来说，选择谷歌的TensorFlow更好，公司有技术实力保障，对语言支持能力强，连JavaScript都支持。

给码农的话最后，对于软件工程师，再过几年，AI将是所有公司所必备一项能力，那么的AI技能，也就是码农必备的技能，那就快点学起来，用起来。

和其它行业一样，码农要保持自己的职业竞争力，需要活到老，学到老。在软件技术这块，迭代周期别其它行业要快很多，就更需要坚持不断学习。