劲草黑锅
人工智能专业学习的课程主要有：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。
学习人工智能需要学习认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程等相关专业知识。
1、认知与神经科学课程群
具体课程：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
2、人工智能伦理课程群
具体课程：《人工智能、社会与人文》、《人工智能哲学基础与伦理》
3、科学和工程课程群
新一代人工智能的发展需要脑科学、神经科学、认知心理学、信息科学等相关学科的实验科学家和理论科学家的共同努力，寻找人工智能的突破点，同时必须要以严谨的态度进行科学研究，让人工智能学科走在正确、健康的发展道路上。
4、先进机器人学课程群
具体课程：《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》
5、人工智能平台与工具课程群
具体课程：《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》……
6、人工智能核心课程群
具体课程：《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》
woshiyujiaolong
人工智能训练师培训课程如下：
1、机器学习中的Python
Python环境搭建与其基础语法的学习；熟悉列表元组等基础概念与python函数的形式；Python的IO操作；Python中类的使用介绍；python使用实例讲解机器学习领域的经典算法、模型及实现的任务等。
2、人工智能数学基础
熟悉数学中的符号表示；理解函数求导以及链式求导法则；理解数学中函数的概念；熟悉矩阵相关概念以及数学表示。
3、机器学习概念与入门
了解人工智能中涉及到的相关概念；了解如何获取数据以及特征工程；熟悉数据预处理方法；理解模型训练过程；熟悉pandas的使用；解可视化过程；Panda使用讲解；图形绘制。
4、机器学习的数学基础—数学分析
掌握和了解人工智能技术底层数学理论支撑；概率论，矩阵和凸优化的介绍，相应算法设计和原理；凸优化理论，流优化手段SGD，牛顿法等优化方法。
5、深度学习框架TensorFlow
了解及学习变量作用域与变量命名；搭建多层神经网络并完成优化。
人工智能训练师的工作任务
1、标注和加工图片、文字、语音等业务的原始数据；
2、分析提炼专业领域特征，训练和评测人工智能产品相关算法、功能和性能；
3、设计人工智能产品的交互流程和应用解决方案；
4、监控、分析、管理人工智能产品应用数据；
5、调整、优化人工智能产品参数和配置。
优质考试培训问答知识库
