人工智能入门需要学习的东西包括很多方面，以下是一些主要的内容：

1. 数学基础：人工智能的核心是数据处理和分析，因此拥有良好的数学基础是非常重要的。需要学习高等数学、线性代数、概率论和统计学等数学课程，这些课程有助于理解机器学习算法和数据科学的基本原理。

2. 编程语言：学习一门编程语言是人工智能入门的基础。Pyho是最常用的编程语言之一，因为它具有简单易学、语法简洁、功能强大等特点。R语言和Java也是人工智能领域常用的编程语言。

3. 数据结构和算法：人工智能的核心是数据处理和分析，因此掌握数据结构和算法是非常重要的。需要了解数组、链表、栈、队列、树等基本数据结构，以及贪心算法、动态规划、分治算法等基本算法。

4. 机器学习基础：机器学习是人工智能的核心技术之一，因此掌握机器学习的基础知识是非常重要的。需要了解机器学习的基本概念、分类算法（如决策树、朴素贝叶斯、支持向量机等）、聚类算法（如K-均值、层次聚类等）、回归算法（如线性回归、岭回归等）等基础知识。

5. 深度学习基础：深度学习是近年来发展迅速的一种机器学习方法，它能够处理更加复杂的数据和任务。需要了解深度学习的基本原理、神经网络的结构、常见的深度学习模型（如卷积神经网络、循环神经网络等）等基础知识。

6. 数据可视化：数据可视化是将数据以图表、图像等形式呈现出来，以便更好地理解和分析数据。需要了解数据可视化的基本原理、常见的可视化工具和技巧等基础知识。

7. 自然语言处理：自然语言处理是人工智能的一个重要领域，它涉及到对人类语言的处理和分析。需要了解自然语言处理的基本概念、常见的自然语言处理技术（如分词、词性标注、句法分析等）以及常见的自然语言处理应用场景等基础知识。

8. 计算机视觉：计算机视觉是人工智能的另一个重要领域，它涉及到对图像和视频的处理和分析。需要了解计算机视觉的基本概念、常见的计算机视觉技术（如图像分割、目标检测、图像生成等）以及常见的计算机视觉应用场景等基础知识。

9. 强化学习：强化学习是另一种机器学习方法，它通过让模型与环境交互并优化自身的策略来学习任务。需要了解强化学习的基本原理、常见的强化学习算法（如Q-learig、SARSA、Deep Q-ework等）以及强化学习的应用场景等基础知识。

10. 实践项目：通过参与实践项目来巩固所学的理论知识是非常重要的。可以选择一些经典的项目，如手写数字识别、图像分类、自然语言问答等来锻炼自己的实践能力。

人工智能入门需要掌握多个方面的知识和技能，但是这些知识和技能并不是一下子就能够完全掌握的，需要不断地学习和实践才能逐渐掌握和精通。