來源：CPDA數據分析師網 / 作者：數據君
AI的需求不同於其他編程任務的需求
不僅是因為相對較早的開發階段，而且還因為與其他系統以及與人互動的需求越來越大。諸如自治之類的特徵需要特殊的領域知識。要了解必要的AI技能的範圍，查看AI工具箱可能包含的內容會很有幫助，基本AI工具編程和程式語言：用於AI的程式語言包括Python，C ++，Java和其他流行的語言，這些語言具有可用於各種AI應用程式的庫，這些語言支持接口和通用例程。
還有一些與特定AI方法匹配的專用語言
例如R用於分析，MATLAB用於數值分析，Lisp或Prolog用於專家系統和不涉及機器學習的問題解決方案。程式語言的選擇將在很大程度上取決於預期的環境和要解決的問題，特殊的編程技能：有許多編程技能對於開發AI組件特別重要。其中包括機器學習和數據分析，但了解GPU編程，並行和分布式處理以及軟體集成也很重要。隨著組合方法的普及，從理論上和實踐上理解API和微服務也將變得越來越重要。
特定的AI技術：AI技能需要了解當前的AI技術，例如機器學習算法，認知計算，文本分析，自然語言處理，建模，高級分析和搜索技術，以及這些功能與企業體系結構和安全性之間的相互作用。
數據管理和分析技能：了解大數據分析，非結構化數據，數據存儲，安全性問題和廣泛的數據管理技能對於任何AI方法都是必不可少的，尤其是對於需要實時分析大數據流的機器學習方法而言用於建模和執行。
CPDA數據分析師
統計，概率和分析：人工智慧從業者需要在統計和概率上有堅實的基礎，而統計和概率是模擬的基礎。他們還需要能夠與之交互並創建適用於他們要解決的問題的有效模型和算法。
特徵提取：隨著AI的不斷擴展，它將進入越來越多具有獨特特徵的利基領域。儘管機器學習的一般性可以應用於各種各樣的問題，但是了解特定領域內的特徵提取將變得越來越重要。
信號處理，圖形識別，病歷和財務具有非常不同的數據特徵
為了使機器學習程序能夠理解數據類型，您必須能夠從數據中提取特定特徵並構建模型，二級交互：隨著AI的不斷發展，越來越有必要了解其存在的更大環境，從業人員需要了解其工具集中的軟體集成問題和安全性，以及軟體系統與AI驅動的外部組件（例如自動駕駛汽車）之間的交互，隨著AI與其他系統，其他AI和人類社會互動的集成，人們越來越需要了解社會互動和社會行為，機器人必須能夠與機器人對話並避免對人類造成傷害；營銷AI必須了解其交互的社會背景；人工智慧行為中會出現道德問題，從事AI工作的人將需要對這些類型的互動有更深入的了解。
必不可少的技能範圍越來越廣，這意味著AI將不可避免地以更專業的方式發展
儘管所有參與者都必須對整個領域有一個粗略的了解，但是在每個領域也需要特定而深入的專業知識，此外必須了解業務問題的背景和範圍，並能夠應用AI技術來獲得特定的結果，在AI中的角色範圍將繼續擴大，不久公司將需要在軟體開發和AI系統管理中包括新角色。