自动化就是人工智能吗?人工智能需要学哪些课程?

1.人工智能要学哪些专业课程数据科学与大数据专业和人工智能专业的必修基础课程方面一般包含大数据（人工智能）概论、Linux操作系统、Java语言编程、数据库原理与应用、数据结构、数学及统计类课程（高等数学、线性代数、概率论、数理统计）。

2.大数据应用开发语言、Hadoop大数据技术、分布式数据库原理与应用、数据导入与预处理应用、数据挖掘技术与应用、大数据分析与内存计算等。选修的课程方面数据可视化技术、商务智能方法与应用、机器学习、人工智能技术与应用等。实践应用课程方面海量数据预处理实战、海量数据挖掘与可视化实战等。

3.数据科学与大数据技术与人工智能专业可从事的岗位有：分析类，分析工程师、算法工程师；研发类，架构工程师、开发工程师、运维工程师；管理类，产品经理、运营经理。

人工智能需要学的课程如下：

人工智能专业主要需要学：《人工智能、社会与人文》、《人工智能哲学基础与伦理》、《先进机器人控制》、《认知机器人》、，《机器人规划与学习》、《仿生机器人》、《群体智能与自主系统》《无人驾驶技术与系统实现》《游戏设计与开发》《计算机图形学》《虚拟现实与增强现实》、《人工智能的现代方法I》。

就业前景

前景很好，中国正在产业升级，工业机器人和人工智能方面都会是强烈的热点，而且正好是在3~5年以后的时间。难度，肯定高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程（基础的应用最广泛的语言：C/C++)必须得很好，微电子（数字电路、低频高频模拟电路、最主要的是嵌入式的编程能力）得学得很好。

还要有一定的机械设计能力（空间思维能力很重要）。这样的话，你就是人才，你就是中国未来5年以后急需的人工智能领域的人才。一门深入地钻研下去，你就是这个领域的专家甚至大师。

网友二：人工智能以计算机技术为基础，依赖算法和模仿人脑神经元结构，在大数据的统计下，利用高级计算机语言Python等x86或Linux架构系统下编写具有深度学习的，依赖图形海量AI的GPU组和CPU等架构上高精度传感器的智能的类似人脑思维的电子人工智慧。

人工智能学习的课程主要有：《人工智能、社会与人文》、《人工智能哲学基础与伦理》、《先进机器人控制》、《认知机器人》、《机器人规划与学习》、《仿生机器人》、《群体智能与自主系统》《无人驾驶技术与系统实现》《游戏设计与开发》《计算机图形学》《虚拟现实与增强现实》、《人工智能的现代方法I》 。

人工智能学习内容包括数学基础、算法积累以及编程语言。数学要学好高数、线性代数、概率论、离散数学等等内容，算法积累需要学会人工神经网络、遗传算法等等，还需要学习一门编程语言，通过编程语言实现算法，还可以学习一下电算类的硬件基础内容。

人工智能就业前景

随着智能化的发展，人工智能技术会在互联网行业逐步应用和普及，把技术应用于物联网、大数据等行业，所以就业需求会不断扩大，我们也将会频繁与智能体互动和交流，这也是未来社会生产环境的发展趋势，需要我们去迎合时代发展的需要。

学人工智能，需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。
需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法;当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM;总之算法很多需要时间的积累。
需要掌握至少一门编程语言：毕竟算法的实现还是要编程的;如果深入到硬件的话，一些电类基础课必不可少。
top域名认为人工智能门槛比较高，需要积累，如果你有这方面的天赋，可以去尝试。

你好，人工智能，是一个以计算机科学为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
它主要学的课程有：《人工智能、社会与人文》、《人工智能哲学基础与伦理》、《先进机器人控制》、《认知机器人》、,《机器人规划与学习》、《仿生机器人》、《群体智能与自主系统》《无人驾驶技术与系统实现》《游戏设计与开发》《计算机图形学》《虚拟现实与增强现实》、《人工智能的现代方法I》、《问题表达与求解》、《人工智能的现代方法II》、《机器学习、自然语言处理、计算机视觉》等

很高兴能回答您这个问题，以下我为大家分享，我个人对这个问题的看法与想法，希望我的分享能给大家带来帮助，也希望大家能够喜欢我的分享。

对于自动化专业和人工智能的区别来说，从严格的定义来看，似乎两者并不是一个层面的比较。我们先来看看自动化专业的定义，引用下百度百科的定义：

以上可以看出， 人工智能只是自动化专业的一个发展方向而已，是属于自动化的一个范畴。 不过由于当前人工智能技术的火热，我们有必要对传统的自动化技术和人工智能技术做些比较。

传统自动化技术

对于传统自动化技术是指机器设备、系统或生产、管理过程在没有人或较少人的直接参与下，按照人的要求，经过自动检测、信息处理、分析判断、操纵控制，实现重复性的复现和执行预期的目标的过程。其中一个重要的特征就是整个自动化过程完全预先由工程人员设定好，机器只是按照设定的程序严格执行而已。比如自动化流水线就是一种典型的预设定系统。

人工智能技术

人工智能可以说是当前 科技 界最火热的技术了，其实人工智能的概念在几十年前就已经提出，但由于当时计算机计算能力的受限，发展一直停滞不前。但随着现代计算机计算能力的提升，尤其是大规模云计算的出现，人工智能技术出现飞速发展。阿尔法机器人战胜人类顶尖围棋选手成为人工智能正式登上舞台的标志。

目前越来越多的传统自动化技术开始与人工智能技术进行整合，形成了一种叫智能制造的概念。与传统自动化相比，其中的重要区别就在于出现了 机器学习 的概念，这主要体现在整个自动化过程不再完全由人类进行预先设定，而是让机器进行大量的数据学习，自动调整自动化参数，从而智能的进行工作。例如一条智能化的生产线的产品质量检测关口，摄像头视觉识别系统通过过去对各种产品缺陷的视觉特征的学习，能自行设置缺陷模型，从而识别质量不合格的产品，这就是一种典型的人工智能在自动化技术的应用。

总结一下，传统自动化技术与人工智能技术之间的重要区别就在于是否融入了机器学习的概念，自动化生产的过程不再完全通过人类的预先设定完成，而是由智能机器学习算法通过学习而去自动完成。

在以上的分享关于这个问题的解答都是个人的意见与建议，我希望我分享的这个问题的解答能够帮助到大家。

我读的专业就是自动化，当时有人工智能这门课程，只是选修课，是属于过程控制的类型里边的，用当时的眼光来看，人工智能就是自动化的一个小小的发展方向而已，从这个角度来看，人工智能，不过是一种特殊的算法而已，可以说是模仿人类思维的一种做法，而算法是自动化学科中一种控制策略，就是研究如何控制系统的思路。算法有很多种，比如神经元，PID，模糊控制等等，人工智能智能算其中一种，所以人工智能用传统的眼光来看，是归属于自动化的，请关注： 容济点火器

1、自动化，除了算法外，还有测量反馈和执行机构的，当然还要考虑被控制对象本身，这样才能构成一个完整的自动控制系统。自动化技术是一门综合性技术，它和控制论、信息论、系统工程、计算机技术、电子学、液压气压技术、自动控制等都有着十分密切的关系，而其中又以“控制理论”和“计算机技术”对自动化技术的影响最大。人工智能是自动化的一个分支，自动化是基础学科。

2、自动化本身是一种军转民专业，当年的自动化系是分为三种专业的，里边并没有单独的人工智能专业。有自动控制自动化，是研究一些控制理论的，比如阿波罗登月，卫星发射，导弹控制等，都需要一些控制理论，算法研究就是控制理论里边重要一环。还有电气自动化，主要是一些逻辑控制，比如工业上用的PLC，变频器，伺服等设备，如何控制，让机器设备运行更好。最后还有生产过程自动化，一般是研究石油化工等一些流体上的控制，算法对个专业也比较重要，当时把人工智能是放在过程控制里边去的。

3、最初人工智能，开始只是一些工业上机械手的控制了，主要就是空间定位技术和多轴联动。后来有了机器视觉，要处理图像处理了，所以图像变成了人工智能的重要一环了。接着语言处理技术突破了，也加了进来，然后 汽车 无人驾驶这些产业都进来了，又构成了另外一种自动化控制研究对象了。

4、由于计算机，移动互联网，手机，物联网等发展迅猛，它们也加入了人工智能这个环节来了，这样人工智能已经影响到整个 社会 基础了，比如服务业也用到了人工智能的算法。所以今天的人工智能，已经超越了自动化这个传统行业了，它已经变成了一种新的专业，就好比电子行业从机械行业里边分工出来一样。当然你还是可以看到它的自动化影子的，比如一些闭环控制概念，采集处理和如何匹配，到最后执行输出等，一样追求控制目标和稳定度等，还是自动化的一套思路。

5、不管人工智能如何变化，它的核心还是算法，通过算法去影响了一些传统的行业，把它们改造了，变成了一些新的行业而已。

总体而言，两者最大的区别可能在于算法。

一、绑定人的自动化技术自动化

这个概念是由福特 汽车 公司的机械工程师哈德在1946年的时候提出，理论上自动化是指机械设备系统或整个生产管理过程，尽可能少用人的情况下，按照既定要求自动工作，实现预期的目标。

这其实是为了将人从繁重的体力劳动和部分脑力劳动中解放出来，但实际上我们会发现，很多工具和技术在刚被发明的时候的确可以给人类带来福音，但随着使用时间的延续，人渐渐变成了这些工具和技术的奴隶。

就自动化技术而言，世界上自动化程度最高的国家可能是日本和德国。而这两个国家的国民性，就显得非常呆板。往好了说是工匠精神，但就性格层面而言则显得机械化。

随着自动化的普及，很多人更多的其实是在生产流水线上的机械工具。直白点说，人变成了工具的一部分，而并非工具和技术把人从整个生产劳动中解放出来。

二、还没有进化出自主意识的人工智能

理论上，人工智能技术只是计算机技术的一个分支。不过在设置机械运作编码等方面，人工智能完胜自动化。

人工智能的概念，其实是指它是研究开发，用于模拟和延展人类智能的各种理论方法和技术。 就目前而言，人工智能的各种机器人还没有产生自主意识，属于弱人工智能。

目前的人工智能，仅仅是人在某些专业技能上面的延伸，很大程度上是人脑的延伸。

三、两者阶段性相似

虽然网上有很多大神从算法测量反馈、执行机构等方面，分析了人工智能和自动化之间的区别。但我认为更通俗的解释是， 目前的人工智能在很大程度上是自动化技术融合了计算机、互联网等技术迅猛发展起来的一个新物种。

两者之间有一定相同之处。在很大程度上就是，生产制造等领域使用固定算法。而人工智能，由于深度学习等技术的加入，可以自动迭代算法并吸收学习，产生新数据。

在未来，人工智能也许将变成迥异于自动化的存在。

作为一个电气工程专业研究生，我谈一下人工智能和自动化的关系，自动化的涉及范围特别广，可以说自动化涉及到我们生活的方方面面，人工智能是自动化范畴里面的一个分支，自动化是实现人工智能的技术方法，它是一门基础性学科，主要包括控制理论，计算机技术，过程控制等等，人工智能主要是通过一系列的算法来模拟人的思维，实现用机器来完成人做的事情，并且人工智能的功能可能会超过人类。

总体而言，两者最大的区别可能在于算法。

一、绑定人的自动化技术

自动化这个概念，是由福特 汽车 公司的机械工程师哈德在1946年的时候提出。理论上自动化是指机械设备系统或整个生产管理过程，在尽可能少用人的情况下，按照既定要求自动工作，实现预期的目标。

这其实是为了将人从繁重的体力劳动和部分脑力劳动中解放出来。

但实际上我们会发现，很多工具和技术在刚被发明的时候的确可以给人类带来福音，但随着使用时间的延续，人渐渐变成了这些工具和技术的奴隶。

就自动化技术而言，世界上自动化程度最高的国家可能是日本和德国。而这两个国家的国民性就显得非常呆板，往好了说是首饰工匠精神，但就人性层面而言则显得机械化。随着自动化的普及，很多人更多的其实是人为生产流水线上的机械工具。直白点说，人变成了工具的一部分，而并非工具和技术把人从整个生产劳动中解放出来。

二、还没有进化出自主意识的人工智能

理论上人工智能技术只是计算机技术的一个分支，不过在设置机械运作编码等方面，人工智能完胜自动化。

人工智能的概念，其实是指它是研究开发，用于模拟和延展人类智能的各种理论方法和技术。就目前而言，人工智能的各种机器人还没有产生自主意识，属于弱人工智能，仅仅是人在某些专业技能上面的延伸。

三、两者阶段性相似

虽然网上有很多大神从算法测量反馈、执行机构等方面，分析了人工智能和自动化之间的区别。但我认为更通俗的解释是，目前的人工智能在很大程度上，是自动化技术融合了计算机、互联网等技术迅猛发展起来的一个新物种。两者之间有一定相同之处。

而由于深度学习等技术的加入，人工智能可以自动迭代算法并吸收学习，产生新数据。

在未来，人工智能也许将变成迥异于自动化的存在。

一、绑定人的自动化技术

自动化这个概念，是由福特 汽车 公司的机械工程师哈德在1946年的时候提出。理论上自动化是指机械设备系统或整个生产管理过程，在尽可能少用人的情况下，按照既定要求自动工作，实现预期的目标。

这其实是为了将人从繁重的体力劳动和部分脑力劳动中解放出来。

但实际上我们会发现，很多工具和技术在刚被发明的时候的确可以给人类带来福音，但随着使用时间的延续，人渐渐变成了这些工具和技术的奴隶。

就自动化技术而言，世界上自动化程度最高的国家可能是日本和德国。而这两个国家的国民性就显得非常呆板，往好了说是首饰工匠精神，但就人性层面而言则显得机械化。随着自动化的普及，很多人更多的其实是人为生产流水线上的机械工具。直白点说，人变成了工具的一部分，而并非工具和技术把人从整个生产劳动中解放出来。

二、还没有进化出自主意识的人工智能

理论上人工智能技术只是计算机技术的一个分支，不过在设置机械运作编码等方面，人工智能完胜自动化。

人工智能的概念，其实是指它是研究开发，用于模拟和延展人类智能的各种理论方法和技术。就目前而言，人工智能的各种机器人还没有产生自主意识，属于弱人工智能，仅仅是人在某些专业技能上面的延伸。

三、两者阶段性相似

虽然网上有很多大神从算法测量反馈、执行机构等方面，分析了人工智能和自动化之间的区别。但我认为更通俗的解释是，目前的人工智能在很大程度上，是自动化技术融合了计算机、互联网等技术迅猛发展起来的一个新物种。两者之间有一定相同之处。

有个重大的区别，不在于技术实现的手段，而是使用场景和客体。

可以说，自动化是传统的工业信息化，而人工智能是服务业的信息化；前者是规模化标准化的标志，而后者是开创了个性化定制化的未来。

我们已经进入一个革命性的服务业也可以信息化的时代，传统的服务行业，已经和正在被行业性的系统化的，重新结构性的改建和被颠覆中，这些都是进入新时代的特征。对于固守传统做法的，这是一个最坏的时候；对于拥抱新技术的，这是一个最好的年代…

这会是自动化和人工智能，在应用领域最大的区别吧，大家说呢？

人工智能技术关系到人工智能产品是否可以顺利应用到我们的生活场景中。在人工智能领域，它普遍包含了机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别、AR/VR七个关键技术。

一、机器学习
机器学习(MachineLearning)是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据(样本)出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。根据学习模式、学习方法以及算法的不同，机器学习存在不同的分类方法。
根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。
根据学习方法可以将机器学习分为传统机器学习和深度学习。

二、知识图谱
知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关“属性—值”对。不同实体之间通过关系相互联结，构成网状的知识结构。在知识图谱中，每个节点表示现实世界的“实体”，每条边为实体与实体之间的“关系”。通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度去分析问题的能力。
知识图谱可用于反欺诈、不一致性验证、组团欺诈等公共安全保障领域，需要用到异常分析、静态分析、动态分析等数据挖掘方法。特别地，知识图谱在搜索引擎、可视化展示和精准营销方面有很大的优势，已成为业界的热门工具。但是，知识图谱的发展还有很大的挑战，如数据的噪声问题，即数据本身有错误或者数据存在冗余。随着知识图谱应用的不断深入，还有一系列关键技术需要突破。

三、自然语言处理
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等。
机器翻译
机器翻译技术是指利用计算机技术实现从一种自然语言到另外一种自然语言的翻译过程。基于统计的机器翻译方法突破了之前基于规则和实例翻译方法的局限性，翻译性能取得巨大提升。基于深度神经网络的机器翻译在日常口语等一些场景的成功应用已经显现出了巨大的潜力。随着上下文的语境表征和知识逻辑推理能力的发展，自然语言知识图谱不断扩充，机器翻译将会在多轮对话翻译及篇章翻译等领域取得更大进展。
语义理解
语义理解技术是指利用计算机技术实现对文本篇章的理解，并且回答与篇章相关问题的过程。语义理解更注重于对上下文的理解以及对答案精准程度的把控。随着MCTest数据集的发布，语义理解受到更多关注，取得了快速发展，相关数据集和对应的神经网络模型层出不穷。语义理解技术将在智能客服、产品自动问答等相关领域发挥重要作用，进一步提高问答与对话系统的精度。
问答系统
问答系统分为开放领域的对话系统和特定领域的问答系统。问答系统技术是指让计算机像人类一样用自然语言与人交流的技术。人们可以向问答系统提交用自然语言表达的问题，系统会返回关联性较高的答案。尽管问答系统目前已经有了不少应用产品出现，但大多是在实际信息服务系统和智能手机助手等领域中的应用，在问答系统鲁棒性方面仍然存在着问题和挑战。
自然语言处理面临四大挑战：
一是在词法、句法、语义、语用和语音等不同层面存在不确定性;
二是新的词汇、术语、语义和语法导致未知语言现象的不可预测性;
三是数据资源的不充分使其难以覆盖复杂的语言现象;
四是语义知识的模糊性和错综复杂的关联性难以用简单的数学模型描述，语义计算需要参数庞大的非线性计算

四、人机交互
人机交互主要研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的外围技术。人机交互是与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。传统的人与计算机之间的信息交换主要依靠交互设备进行，主要包括键盘、鼠标、操纵杆、数据服装、眼动跟踪器、位置跟踪器、数据手套、压力笔等输入设备，以及打印机、绘图仪、显示器、头盔式显示器、音箱等输出设备。人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。

五、计算机视觉
计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。近来随着深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成端到端的人工智能算法技术。根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。
目前，计算机视觉技术发展迅速，已具备初步的产业规模。未来计算机视觉技术的发展主要面临以下挑战：
一是如何在不同的应用领域和其他技术更好的结合，计算机视觉在解决某些问题时可以广泛利用大数据，已经逐渐成熟并且可以超过人类，而在某些问题上却无法达到很高的精度;
二是如何降低计算机视觉算法的开发时间和人力成本，目前计算机视觉算法需要大量的数据与人工标注，需要较长的研发周期以达到应用领域所要求的精度与耗时;
三是如何加快新型算法的设计开发，随着新的成像硬件与人工智能芯片的出现，针对不同芯片与数据采集设备的计算机视觉算法的设计与开发也是挑战之一。

六、生物特征识别
生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。从应用流程看，生物特征识别通常分为注册和识别两个阶段。注册阶段通过传感器对人体的生物表征信息进行采集，如利用图像传感器对指纹和人脸等光学信息、麦克风对说话声等声学信息进行采集，利用数据预处理以及特征提取技术对采集的数据进行处理，得到相应的特征进行存储。
识别过程采用与注册过程一致的信息采集方式对待识别人进行信息采集、数据预处理和特征提取，然后将提取的特征与存储的特征进行比对分析，完成识别。从应用任务看，生物特征识别一般分为辨认与确认两种任务，辨认是指从存储库中确定待识别人身份的过程，是一对多的问题;确认是指将待识别人信息与存储库中特定单人信息进行比对，确定身份的过程，是一对一的问题。
生物特征识别技术涉及的内容十分广泛，包括指纹、掌纹、人脸、虹膜、指静脉、声纹、步态等多种生物特征，其识别过程涉及到图像处理、计算机视觉、语音识别、机器学习等多项技术。目前生物特征识别作为重要的智能化身份认证技术，在金融、公共安全、教育、交通等领域得到广泛的应用。

七、VR/AR
虚拟现实(VR)/增强现实(AR)是以计算机为核心的新型视听技术。结合相关科学技术，在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境。用户借助必要的装备与数字化环境中的对象进行交互，相互影响，获得近似真实环境的感受和体验，通过显示设备、跟踪定位设备、触力觉交互设备、数据获取设备、专用芯片等实现。
虚拟现实/增强现实从技术特征角度，按照不同处理阶段，可以分为获取与建模技术、分析与利用技术、交换与分发技术、展示与交互技术以及技术标准与评价体系五个方面。获取与建模技术研究如何把物理世界或者人类的创意进行数字化和模型化，难点是三维物理世界的数字化和模型化技术;分析与利用技术重点研究对数字内容进行分析、理解、搜索和知识化方法，其难点是在于内容的语义表示和分析;交换与分发技术主要强调各种网络环境下大规模的数字化内容流通、转换、集成和面向不同终端用户的个性化服务等，其核心是开放的内容交换和版权管理技术;展示与交换技术重点研究符合人类习惯数字内容的各种显示技术及交互方法，以期提高人对复杂信息的认知能力，其难点在于建立自然和谐的人机交互环境;标准与评价体系重点研究虚拟现实/增强现实基础资源、内容编目、信源编码等的规范标准以及相应的评估技术。
目前虚拟现实/增强现实面临的挑战主要体现在智能获取、普适设备、自由交互和感知融合四个方面。在硬件平台与装置、核心芯片与器件、软件平台与工具、相关标准与规范等方面存在一系列科学技术问题。总体来说虚拟现实/增强现实呈现虚拟现实系统智能化、虚实环境对象无缝融合、自然交互全方位与舒适化的发展趋势

在美国，单独开设AI的院校不多，一般是博士才会涉及AI的具体科研项目，硕士主要是修读相关课程。

核心课程

Artificial Intelligence 人工智能

Machine Learning 机器学习

Advanced Operating Systems 高级操作系统

Advanced Algorithm Design 高级算法设计

Computational Complexity 计算复杂性

Mathematical Analysis 数学分析

Advanced Computer Graphics 高级计算机图形

Advanced Computer Networks 高级计算机网络

就业方向参考

（1）搜索方向：百度、谷歌、微软、yahoo等(包括智能搜索、语音搜索、图片搜索、视频搜索等都是未来的方向)

（2） 医学图像处理：医疗设备、医疗器械很多都会涉及到图像处理和成像，大型的公司有西门子、GE、飞利浦等。

（3）计算机视觉和模式识别方向：前面说过的指纹识别、人脸识别、虹膜识别等;还有一个大的方向是车牌识别;目前鉴于视频监控是一个热点问题，做跟踪和识别也不错;

（4）还有一些图像处理方面的人才需求的公司，如威盛、松下、索尼、三星等。

另外，AI方向的人才都是高科技型的，在待遇方面自然相对比较丰厚，所以很这个方向很有发展前途。

人工智能专业学习的主要课程有认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程等。人工智能专业是中国高校人才计划设立的专业，旨在培养中国人工智能产业的应用型人才，推动人工智能一级学科建设。

数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析；需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法；然后，需要掌握至少一门编程语言。

从课程体系结构来看，主要分成四大部分，第一部分是基础学科部分，主要涉及到数学和物理相关课程；第二部分是计算机基础课程，涉及到编程语言、操作系统、算法设计等课程。

第三部分是人工智能基础课程，涉及到人工智能基础、机器学习、控制学基础、神经科学、语言学基础等内容；第四部分涉及到人工智能平台相关知识。

发展前景

1、就业方向

实际应用：机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。

2、考研方向

计算机科学与技术、软件工程、人工智能等。

从课程体系结构来看，主要分成四大部分，第一部分是基础学科部分，主要涉及到数学和物理相关课程；第二部分是计算机基础课程，涉及到编程语言、操作系统、算法设计等课程；第三部分是人工智能基础课程，涉及到人工智能基础、机器学习、控制学基础、神经科学、语言学基础等内容；第四部分涉及到人工智能平台相关知识。

由于人工智能是典型的交叉学科，所以人工智能专业需要学习的内容还是相对比较多的，而且学习难度也相对比较大，因此如果在本科阶段选择人工智能专业需要具有较强的学习能力。由于人工智能专业的学习过程对于学习环境有较高的要求，所以开设人工智能专业的高校往往都会有专门的数据中心、计算中心，以便于为学生提供数据和算力的支撑。

人工智能目前有六大研究方向，涉及到计算机视觉、自然语言处理、机器人学、自动推理、机器学习和知识表示，这些研究方向之间也存在比较紧密的联系，目前计算机视觉、自然语言处理和机器学习这三个方向的热度相对比较高。由于不同的高校往往有不同的资源整合能力，在人工智能领域也有一定的侧重点，所以在选择具体学习方向的时候，应该结合所在高校的实际情况，尽量选择学科实力比较强的方向，这样会有一个更好的学习体验。

人工智能专业学习的主要课程有认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程等。人工智能专业是中国高校人才计划设立的专业，旨在培养中国人工智能产业的应用型人才，推动人工智能一级学科建设。

专业介绍

人工智能专业是中国高校人才计划设立的专业，旨在培养中国人工智能产业的应用型人才，推动人工智能一级学科建设。2018年4月，教育部在研究制定《高等学校引领人工智能创新行动计划》，并研究设立人工智能专业，进一步完善中国高校人工智能学科体系。2020年3月3日，教育部公布2019年度普通高等学校本科专业备案和审批结果，“人工智能”专业成为热门专业。

二、培养目标

以培养掌握人工智能理论与工程技术的专门人才为目标，学习机器学习的理论和方法、深度学习框架、工具与实践平台、自然语言处理技术、语音处理与识别技术、视觉智能处理技术、国际人工智能专业领域最前沿的理论方法，培养人工智能专业技能和素养，构建解决科研和实际工程问题的专业思维、专业方法和专业嗅觉。

三、开设院校

北京科技大学、北京交通大学、北京航空航天大学、北京理工大学、华北电力大学、中国人民大学、北京化工大学、北京邮电大学、中国农业大学、北京师范大学、中国传媒大学、中国石油大学（北京）、北京建筑大学、首都师范大学、北京信息科技大学、天津大学、南开大学、天津科技大学、天津工业大学、吉林大学、长春师范大学、吉林工程技术师范大学、上海交通大学、同济大学、复旦大学、上海理工大学、南京大学、东南大学、南京农业大学、浙江大学、温州大学、浙江科技学院、安徽工程大学、安徽大学、安徽工业大学、安徽理工大学、山东大学、青岛科技大学、湖南工程学院、长沙理工大学、武汉理工大学、武汉大学、华中科技大学、四川大学、电子科技大学、西安交通大学、西安电子科技大学等等。

人工智能专业的主要领域是:机器学习人工智能导论(搜索法等)图像识别生物演化论自然语言处理语义网博弈论等

人工智能的学习，简单点来说，就是有3点，做到就相当于学会了人工智能，然后找工作实习就可以了。

第一点学好数学知识
人工智能就是计算机科学的一个分支，不过也有借助其他计算机技术的时候，它和计算机的主要组成部分非常相似，差异的地方主要就是形态。它们都是硬件和软件相配合，硬件就是实实在在可以看见，可以触碰到的物品，而软件则是在内部运行的，是一种可以对硬件进行控制，实现“智能”的程序。而软件主要是经由程序设计来完成的。
程序设计就是一大堆的英文字母，被组合在一起，表达一种独有的信息，不过除了这些还会需要到数学知识，虽然在一些比较基础的或者是简单的程序上用的数学知识很少，不过随着程序越复杂，用到的数学知识就会越多，比如逻辑思维、数据结构、算法等等。
第二点学习编程语言
人工智能编程语言有一个共同的特点，那就是这些语言都是面向所要解决的问题、结合知识表示、完全脱离当代计算机的诺依曼结构特性而独立设计的；它们又处于比面向过程的高级编程语言更高的抽象层次。因此，用这些语言编写的程序，在现代计算机环境中，无论是解释或编译执行，往往效率很低。尤其当程序规模很大、很复杂时，将浪费大量系统资源(主要指处理机占用时间和存储空间占用量)，使系统性能下降到难以容忍的地步。
第三点实战
理论知识只是理论知识和实际运用是两回事，拥有再好的理论，不能实现在现实中，也是没有用的，所以基础知识学完后就需要进行实习了，把学来的知识在实际的案例中慢慢吸收一遍，会得到不一样的理解。

人工智能学的课程主要包括：《人工智能、社会与人文》、《人工智能哲学基础与伦理》、《先进机器人控制》、《认知机器人》、《机器人规划与学习》、《仿生机器人》、《群体智能与自主系统》《无人驾驶技术与系统实现》《游戏设计与开发》《计算机图形学》《虚拟现实与增强现实》、《人工智能的现代方法I》《问题表达与求解》、《人工智能的现代方法II》。

材料补充：

人工智能专业以培养掌握人工智能理论与工程技术的专门人才为目标，学习机器学习的理论和方法、深度学习框架、工具与实践平台、自然语言处理技术、语音处理与识别技术、视觉智能处理技术、国际人工智能专业领域最前沿的理论方法，培养人工智能专业技能和素养，构建解决科研和实际工程问题的专业思维、专业方法和专业嗅觉。

2018年4月3日，中国高校人工智能人才国际培养计划启动仪式在北京大学举行。教育部国际合作与交流司司长许涛透露，教育部将进一步完善中国高校人工智能学科体系，在研究设立人工智能专业，推动人工智能一级学科建设。教育部在研究制定《高等学校引领人工智能创新行动计划》，通过科教融合、学科交叉、进一步提升高校人工智能科技创新能力和人才培养能力。

2018年4月8日，西安交通大学人工智能拔尖人才培养试验班宣告成立，将于2018年面向全国招生。每年计划招生40人左右，高考招生选拔15人左右，校内新生选拔15人左右，少年班再选拔10人左右。

2019年3月，教育部印发了《教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知》，经申报、公示、审核等程序，根据普通高等学校专业设置与教学指导委员会评议结果，并征求有关部门意见，确定新增审批专业名单。根据通知，全国共有35所高校获首批「人工智能」新专业建设资格。

2020年3月3日，教育部公布2019年度普通高等学校本科专业备案和审批结果，在新增备案本科专业名单中，“人工智能”专业新增最多。中国人民大学、复旦大学、北京邮电大学、中国农业大学、北京化工大学等180所高校都新增了“人工智能”专业。此外，“智能制造工程”“智能建造”“智能医学工程”“智能感知工程”等智能领域相关专业，也同样是高校的新增备案和

需要学习计算机基础课，比如高级编程语言，也就是C语言，这是理解计算机工作原理，最合适入门的
第二个就是要学计算机科学的基础，也就是数据结构与算法，这门课学好，非常难，需要反复思考，反复练习，
还要学习很多数学知识，因为数学是人工智能理论的基础，比如高等数学线性代数概率论离散数学，
这是人工智能需要最基本的几门课了，往下发展就是机器学习理论，这个是人工智能最重要的前沿基础，只有学好它，你才能研究好人工智能
还要学习python，这个是人工智能编程最主要的语言，如果数学和机器学习学的不好，那么你从事人工智能工作就只能做一些简单的调包调参

人工智能专业主要学的是核心课程包括：数学、统计、计算机、自动化等，这些学科都属于人工智能专业的核心课程。

自动化属于基础学科，人工智能技术是其中一个分支。
自动化通俗的白话定义是最高级的机械化和电气化，即是机器、设备和仪器能全部自动地按规定的要求和既定的程序进行生产，人只需要确定控制的要求和程序，不用直接操作。
人工智能即是对人的意识、思维的信息过程的模拟，即按照人的思维进行自动操作。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
拓展资料：
自动化属于一门基础性学科，
从学科方向上而言，包含三大类，分别是：
1、 工业过程控制方向:以自动控制、计算机技术为支撑，针对实际工业生产过程实现自动控制，由信号检测与变换、过程控制、计算机控制系统、智能控制和现场总路线控制技术等组成方向主干课。
2.、电气工程方向:使学生能够从事电力系统自动化、工厂企业、楼宇系统的供电和电气控制、监控等领域的设计开发、维护和管理工作。由电气控制技术、运动控制、PLC应用技术、供电技术、电力系统继电保护等组成方向主干课。
3.、嵌入系统方向:注重对嵌入式系统设计与软件设计能力的培养，理论结合实践，通过课堂教学、实验等多种形式的学习，培养嵌入式系统方向的专业人才;由嵌入式系统设计、嵌入式实时操作系统、DSP技术、先进显示技术、控制电机等组成方向主干课。
从自动基础学科涉及的专业影响而言：
从深度来看–以工业生产为例，小到一个普通的设备电机，大到企业的整个加工、制造系统乃至企业的整个生产过程都属于自动化。
从广度来看–涉及第二产业工业自动化、第一产业农业自动化、第三产业服务自动化(如办公自动化、楼宇自动化、商务自动化、交通自动化等等)，涉及的系统可有人造系统(如机器系统、交通系统、电力系统、军事系统)和自然系统(如生命系统、生态系统)，涉及的过程有生产过程、管理过程、决策过程等等。
“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
也有一种说法，将人工智能归结到计算机技术，认为人工智能是计算机技术的一种衍生方向。

关系不大，属于不同科学方向。

自动化专业以数学与自动控制理论为主要理论基础，但人工智能主要的方向是研究、开发用于模拟、延伸和扩展人的智能的理论等。

自动化专业以电子技术、计算机信息技术、传感器与检测技术等为主要技术手段，利用各种自动化装置分析与设计各类控制系统，为人类生产生活服务的一门专业。

人工智能为计算机科学的一个分支，它企图了解智能的实质，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等，与自动化专业不同。

扩展资料

研究范畴：

语言的学习与处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算；

不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法人类思维方式，最关键的难题还是机器的自主创造性思维能力的塑造与提升。

安全问题：

人工智能还在研究中，但有学者认为让计算机拥有智商是很危险的，它可能会反抗人类。这种隐患也在多部电影中发生过，其主要的关键是允不允许机器拥有自主意识的产生与延续；

如果使机器拥有自主意识，则意味着机器具有与人同等或类似的创造性，自我保护意识，情感和自发行为。

实现方法：

人工智能在计算机上实现时有2种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法，它已在一些领域内作出了成果，如文字识别、电脑下棋等。

另一种是模拟法，它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。遗传算法和人工神经网络均属后一类型。遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。

为了得到相同智能效果，两种方式通常都可使用。采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。

而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁，非常麻烦。采用后一种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控。

，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。

参考资料来源：百度百科-人工智能

参考资料来源：百度百科-自动化专业