首先了解这个领域，建立起全面的视野，培养起充足的兴趣，然后开始学习机器学习的基础，这里选择一门由浅入深的课程来学习，课程最好有足够的实验能够进行实战。
基础打下后，对机器学习已经有了充足的了解，可以用机器学习来解决一个实际的问题。
这时还是可以把机器学习方法当作一个黑盒子来处理的。
实战经验积累以后，可以考虑继续进行学习。
这时候有两个选择，深度学习或者继续机器学习。
深度学习是目前最火热的机器学习方向，其中一些方法已经跟传统的机器学习不太一样，因此可以单独学习。
除了深度学习以外，机器学习还包括统计学习，集成学习等实用方法。
如果条件足够，可以同时学习两者，一些规律对两者是共通的。
学习完后，你已经具备了较强的知识储备，可以进入较难的实战。
这时候有两个选择，工业界的可以选择看开源项目，以改代码为目的来读代码；学术界的可以看特定领域的论文，为解决问题而想发论文。
1.熟练掌握基础理论知识。
要成为人工智能领域，即使是针对工程应用，一定程度的数学和算法理解以及对应的思维方式，能够在解决问题以及选择模型套用时提供许多的帮助。
相关的知识理论基础包括高等数学基础、统计学基础、线性代数、数值计算方法、运筹学；
2.相关基础工具的学习和应用。
熟练掌握基础理论的同时，还要掌握相应的编程语言。
目前机器学习最为普遍的语言是Python，Python语法简单，上手较为容易，同时有较强的语言表达能力，又很容易与其他语言的项目进行交互，这些特点使之成为了在机器学习领域必学的编程工具之一；
3.进阶人工智能的重点，机器学习和深度学习。
有了基础理论知识和工具之后，便可以尝试机器学习和深度学习。
对于机器学习，先参考一些入门课程，再进阶有难度的课程，并且在学习课程的同时进行一些编程实践，有助于更快地掌握知识。
常温下无论加多大压力，都不可能使空气液化。
每一种物质都有一个“临界温度”。
在这个临界温度之上，无论加多少压力都是气体，只有到这个温度之下，才有可能通过加压使其液化。
空气的临界温度是-140.7℃，压力是
3.77MPa，密度为350kg/m3。
氧气储存进罐子时是低温液体，氧的沸点是-18
2.79℃，临界温度是-1
1
8.4℃；氮的沸点是-19
5.81℃。
马里亚纳海沟底下释放的空气仍然是空气，不可能成为液体！因为那里温度远超过临界温度。