要系统地学习AI软件，可以遵循以下步骤：

建立AI基础知识框架

理解AI的定义、核心概念和关键术语，如监督学习、无监督学习、强化学习、神经网络等。

掌握必要的数学基础，包括线性代数、概率统计和微积分。

学习编程工具，选择Python（首选）或R语言，并熟悉常用的工具库和框架，如NumPy、Pandas、Matplotlib、TensorFlow、PyTorch和Scikit-learn。

分阶段学习路径

机器学习基础：理解经典算法原理，如线性回归、逻辑回归、决策树、支持向量机等，并通过实践项目如房价预测、鸢尾花分类等来巩固知识。

深度学习入门：掌握神经网络的基本思想和结构，学习卷积神经网络（CNN）、循环神经网络（RNN）和Transformer等，并尝试使用预训练模型进行迁移学习。

动手实践

通过编程实现经典算法，重现论文中的算法，加深对算法的理解。

尝试使用不同的AI软件，通过实践操作掌握其使用方法，包括数据导入、参数设置和模型运行等。

分析模型性能，学习如何进行数据预处理，运行AI模型，并设置合适的参数和超参数，以获得更精确的分析结果。

参与社区交流

加入AI学习社区，参与相关活动和讨论，与其他学习者交流心得和技巧，了解最新的技术进展和应用场景。

选择合适的AI软件

根据个人需求和实际情况选择合适的AI软件，不同的软件适用于不同的任务和领域。

持续学习和优化

不断学习和尝试新的AI技术和工具，持续优化模型性能，以适应不断变化的应用需求。

参加专业培训

如果条件允许，可以参加专业的AI培训机构，如火星时代，以获得更系统、更高质量的学习体验。

利用校园资源

一些高校提供了校园AI服务，可以通过网站、微信公众号或企业微信等渠道使用这些服务，与AI进行互动和交流。

通过以上步骤，你可以系统地学习AI软件，并逐步掌握从基本原理到实际应用的全方位知识。