人工智能学习就是以计算机核心课程（数学基础课、学科基础课）为学科主线，以 机器学习、知识表示、计算机视觉、自然语言处理 为学科特色，以学科交叉为辅助，进行相关理论知识和实践技术能力的全面培养。
人工智能不是要以Python为基础。而是Python是作为当前开发人工智能，尤其是深度学习程序，快速搭建人工智能解决方案原型的首选语言。至于人工智能程序在工业和商业场景中进行实际部署。往往还是要进一步开发C++等执行效率比较高的程序。对于性能要求不是特别高的地方，也可以用C++语言开发常用功能的程序库，而使用Python作为运维脚本，加载这些C++程序库，然后读取配置文件，执行相应的逻辑。
那人工智能学什么？人工智能需要学习的主要内容包括（引自清华大学计算机系自然语言处理实验室刘知远副教授）：
（1）数学基础课：清华CS和南大AI都需要学习的有 微积分（或数学分析）、代数与几何、离散数学（或数理逻辑、图论等）、概率论。南大AI新增 最优化方法，这在清华CS为研究生课程。
（2）学科基础课：清华CS和南大AI都需要学习的有 程序设计基础、数据结构、人工智能导论、计算机原理、数字电路、系统控制。南大AI新增 机器学习、知识表示、计算机视觉、自然语言处理 作为学科基础课，这在清华CS均为高年级选修课或研究生课程；清华CS需要额外学习 电路原理、信号处理、操作系统、编译原理、形式语言与自动机，这些被南大AI列为专业选修课。
（3）专业选修课：南大AI设立了很多AI相关的专业选修课，如 自动规划、概率图模型、强化学习、神经网络、深度学习等，在清华CS均为人工智能方向研究生课程；而南大AI设立的很多认知科学、神经科学、计算金融、计算生物学、计算语言学等交叉课程，在清华则分散在各院系开设的课程。
学习人工智能要主动参与科研工作的全过程，树立专业志趣，培养独立学习的能力、自我学习的习惯、提出问题的意识、以及独立解决开放问题的能力。
现在最火的深度学习，属于机器学习，而机器学习又是人工智能的一个分支领域。
就说深度学习吧，深度学习在图像识别、语音识别、翻译等领域，人工智能基本具备人的识别能力甚至超越了人类（当然深度学习在推理和认知等方面仍十分欠缺），基于这些能力应用到了很多场景，如医疗、公共安全等。
深度学习主要模型有的CNN，RNN，Autoencoder，GAN，Reinforcement Learning。学习和应用这些不同的神经网络模型，有TensorFlow 、PyTorch、MXNet等很多开发框架，可以采用C++，Lua语言，Python语言。
而当前全世界人工智能、机器学习的首选语言确实就是Python。python 是一门兼具简单与功能强大的编程语言，它专注于如何解决问题、自由开放的社区环境以及丰富的第三方库，无需浪费时间去造轮子，各种Web框架、爬虫框架、数据分析框架、机器学习框架应有尽有，拿来即用。
