廣西大學(xué)人工智能專業(yè)目前沒有開設(shè)，人工智能專業(yè)一般是在計算機、大數(shù)據(jù)技術(shù)、自動化、數(shù)信等交叉學(xué)科，如果開設(shè)人工智能專業(yè)（一些985高校叫智能科學(xué)與技術(shù)專業(yè)）一般在計算機學(xué)院的概率比較大一些，美國首個人工智能本科專業(yè)隸屬于卡耐基梅隆大學(xué)計算機科學(xué)學(xué)院，國內(nèi)985大學(xué)人工智能所在的院系（部分高校已成立獨立的人工智能學(xué)院）：

北京大學(xué)信息科學(xué)技術(shù)學(xué)院
清華大學(xué)計算機科學(xué)與技術(shù)系（學(xué)院）
中國科學(xué)技術(shù)大學(xué)計算機科學(xué)與技術(shù)學(xué)院
南京大學(xué)計算機科學(xué)與技術(shù)系（學(xué)院）
南開大學(xué)計算機與控制工程學(xué)院
中山大學(xué)數(shù)據(jù)科學(xué)與計算機學(xué)院
北京郵電大學(xué)計算機學(xué)院
哈爾濱工業(yè)大學(xué)計算機科學(xué)與技術(shù)學(xué)院

廣西大學(xué)計算機學(xué)院目前有計算機科學(xué)與技術(shù)、電子信息工程、通信工程、電子商務(wù)、網(wǎng)絡(luò)工程、信息安全等6大本科專業(yè)，未來估計會開設(shè)大數(shù)據(jù)技術(shù)、云計算、人工智能（智能科學(xué)與技術(shù)）、機器人工程等專業(yè)。
2018年7月，桂林電子科技大學(xué)成立數(shù)字經(jīng)濟學(xué)院和人工智能學(xué)院。
廣西開設(shè)【人工智能專業(yè)】的本科高校有（2020年6月更新）：

• 桂林電子科技大學(xué)-人工智能專業(yè)
• 桂林理工大學(xué)-人工智能專業(yè)
• 廣西大學(xué)行健文理學(xué)院-人工智能專業(yè)
• 廣西民族大學(xué)-人工智能專業(yè)、智能科學(xué)與技術(shù)專業(yè)
• 北部灣大學(xué)-人工智能專業(yè)
• 南寧學(xué)院-人工智能專業(yè)、智能科學(xué)與技術(shù)專業(yè)
• 賀州學(xué)院-人工智能專業(yè)

廣西開設(shè)【人工智能技術(shù)服務(wù)專業(yè)】的高職高校有（2020年6月更新）：

• 廣西機電職業(yè)技術(shù)學(xué)院-人工智能技術(shù)服務(wù)專業(yè)
• 廣西建設(shè)職業(yè)技術(shù)學(xué)院-人工智能技術(shù)服務(wù)專業(yè)
• 廣西理工職業(yè)技術(shù)學(xué)院（民辦）-人工智能技術(shù)服務(wù)專業(yè)
• 南寧職業(yè)技術(shù)學(xué)院-人工智能技術(shù)服務(wù)專業(yè)
• 柳州職業(yè)技術(shù)學(xué)院-人工智能技術(shù)服務(wù)專業(yè)

• 柳州鐵道職業(yè)技術(shù)學(xué)院-人工智能技術(shù)服務(wù)專業(yè)

大學(xué)專業(yè)只是讓你知道某個知識是個什么概念、模式、應(yīng)用場景，?靠大學(xué)里專業(yè)的課程應(yīng)付工作很困難，和跨專業(yè)的人比起來，唯一的優(yōu)勢就是知道這是什么，需要的是在工作中或者業(yè)余時間繼續(xù)努力的程度，多關(guān)注一些大型科技公司對這些知識的應(yīng)用或認(rèn)證，不一定是技術(shù)本身，還包括技術(shù)以外的東西。

目前人工智能職業(yè)認(rèn)證在國內(nèi)只看到了華為AI認(rèn)證，華為HCNA-AI認(rèn)證定位于人工智能的普及、深度學(xué)習(xí)的了解、基于開源TensorFlow框架進行編程之基礎(chǔ)能力的構(gòu)建和華為云EI的學(xué)習(xí)，旨在推動ICT行業(yè)人工智能人才的培養(yǎng)。
?
華為HCNA-AI認(rèn)證知識包括但不限于：

AI概覽、Python編程和實驗、數(shù)學(xué)基礎(chǔ)知識和實驗、TensorFlow介紹和實驗、深度學(xué)習(xí)預(yù)備知識和深度學(xué)習(xí)概覽、華為云EI概覽，圖像識別、語音識別、人機對話的應(yīng)用實驗。

通過華為HCNA-AI認(rèn)證：

將證明您系統(tǒng)理解并掌握Python編程，人工智能領(lǐng)域的必備數(shù)學(xué)知識，應(yīng)用廣泛的開源機器學(xué)習(xí)/深度學(xué)習(xí)框架TensorFlow的基礎(chǔ)編程方法，深度學(xué)習(xí)的預(yù)備知識和深度學(xué)習(xí)概覽，華為云EI概覽，圖像識別基礎(chǔ)編程，語音識別基礎(chǔ)編程，人機對話基礎(chǔ)編程，使您具備人工智能售前技術(shù)支持、人工智能售后技術(shù)支持、人工智能產(chǎn)品銷售、人工智能項目管理、自然語言處理工程師、圖像處理工程師、語音處理工程師、機器學(xué)習(xí)算法工程師等崗位所必備的知識和技能。

什么是人工智能？但是從目前來看，專家們尚未有清晰的定義，主要的原因是其概念太寬泛。在百度百科上查詢，人工智能被普遍定義為為計算機科學(xué)的一個分支：人工智能企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器。
?
研究范疇包括自然語言處理、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、模式識別、智能搜索等；應(yīng)用領(lǐng)域包括機器翻譯、語言和圖像理解、自動程序設(shè)計、專家系統(tǒng)等，涉及了數(shù)學(xué)、心理學(xué)、神經(jīng)生理學(xué)、信息論、計算機科學(xué)、哲學(xué)和認(rèn)知科學(xué)、不定性論以及控制論。
從傳統(tǒng)意義來說，人工智能對從業(yè)人員的素質(zhì)要求很高，數(shù)學(xué)水平和編程水平是兩個必須逾越的坎，目前市面上很多工作都是碩士起步。如果你真心想要在這行有大發(fā)展，良好的基礎(chǔ)是必須的。?
------------------------------------
人工智能專業(yè)學(xué)習(xí)課程（不限于以下課程）：
（1）計算機科學(xué)知識：數(shù)據(jù)結(jié)構(gòu)和算法、Linux操作系統(tǒng)、計算機組成原理、計算機網(wǎng)絡(luò)通信技術(shù)、云計算基礎(chǔ)、數(shù)據(jù)庫等；（大一大二大三課程）
（2）基礎(chǔ)數(shù)學(xué)：高等數(shù)學(xué)、線性代數(shù)、概率論、運籌學(xué)、凸優(yōu)化等；（大一大二課程）
（3）至少一門編程語言：Python、C++或Java等（大二、大三課程）
（4）人工智能有以下核心科目（大四或研究生課程）：
人工智能AI基礎(chǔ)
智能計算平臺應(yīng)用開發(fā)
機器學(xué)習(xí)與機器學(xué)習(xí)框架Sk-learn
深度學(xué)習(xí)框架Tensorflow或PyTorch或華為MindSpore深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)

AI人工智能一般分成以下4個方向：
1、AI方向-數(shù)據(jù)智能（大數(shù)據(jù)挖掘）
2、AI方向-計算機視覺
3、AI方向-自然語言處理
4、AI方向-自動駕駛
------------------------------------
但是，由于目前很多傻瓜化的工具出現(xiàn)，在大部分的業(yè)務(wù)場景下只需要一些很簡單的代碼就可以搞定。
?
最常見的就是python上的各種工具包，比如機器學(xué)習(xí)框架之sklearn，獲取數(shù)據(jù) -> 數(shù)據(jù)預(yù)處理 -> 訓(xùn)練建模 -> 模型評估 -> 預(yù)測,分類，還有就是很火的TensorFlow。
?
如果你確實在理論基礎(chǔ)方面實在有困難，多熟練掌握一些實用工具也能在市面上也能找到不錯的工作。

國內(nèi)以C9高校（九校聯(lián)盟，即國家首批985重點建設(shè)的9所一流大學(xué)，包括北京大學(xué)、清華大學(xué)、復(fù)旦大學(xué)、上海交通大學(xué)、南京大學(xué)、浙江大學(xué)、中國科學(xué)技術(shù)大學(xué)、哈爾濱工業(yè)大學(xué)、西安交通大學(xué)共9所高校）和中科院研究所為代表，目前人工智能研究都做得比較好。
?
南京大學(xué)人工智能專業(yè)課程（★表示特別重要）包括：

• 1、數(shù)學(xué)基礎(chǔ)模塊（必修）-數(shù)學(xué)分析、高等數(shù)學(xué)（★）、離散數(shù)學(xué)（★）、概率論與數(shù)理統(tǒng)計（★）、最優(yōu)化方法（★）；
• 2、計算機通識課程-計算機組成原理、計算機網(wǎng)絡(luò)基礎(chǔ)、操作系統(tǒng)基礎(chǔ)、數(shù)據(jù)結(jié)構(gòu)與算法分析（★）；
• 3、人工智能學(xué)科基礎(chǔ)模塊（必修）-人工智能導(dǎo)論、人工智能程序設(shè)計語言Python（★）、機器學(xué)習(xí)與大數(shù)據(jù)導(dǎo)論（★）、模式識別與計算機視覺（★）、自然語言處理（★）；
• 4、人工智能專業(yè)核心課程（必修）-大數(shù)據(jù)建模挖掘（★）、高級機器學(xué)習(xí)與框架（★）、深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)（★）、機器自動化控制與系統(tǒng)；

實驗課程參考華為HCIP/HCIE人工智能工程師認(rèn)證實驗指南，以下是華為AI實驗指南：

• Python安裝、調(diào)試、基本語法實驗
• Python列表、條件和循環(huán)、函數(shù)、正則表達式等高級語法實驗
• Python異常處理和文件操作、程序控制實驗
• 基于Python的函數(shù)創(chuàng)建與商業(yè)實操文件操作
• Python實現(xiàn)線性回歸實驗
• Python實現(xiàn)邏輯回歸實驗
• 線性回歸分析模型構(gòu)建實驗
• 線性回歸分析診斷與殘差分析實驗
• 企業(yè)員工綜合績效管理大數(shù)據(jù)實驗
• 預(yù)測海洋生物鮑魚的年齡實驗
• 邏輯回歸實驗-構(gòu)建銀行信用卡反欺詐模型
• Python武器庫之Numpy實驗
• Python武器庫之Pandas實驗
• 泰坦尼克幸存者大數(shù)據(jù)清洗分析實驗
• KNN大數(shù)據(jù)建模算法基礎(chǔ)實驗、高級實驗
• KNN大數(shù)據(jù)建模算法實戰(zhàn)：改進大型約會網(wǎng)站配對效果
• 貝葉斯大數(shù)據(jù)建模算法基礎(chǔ)實驗、高級實驗
• 樸素貝葉斯算法實戰(zhàn)：垃圾郵件過濾實驗
• K-means快速聚類實驗
• DBSCAN密度聚類實驗
• 層次聚類實驗
• 關(guān)聯(lián)規(guī)則：Apriori、FP-Growth、PrefixSpan實驗
• 綜合實驗-利用Pipline選擇模型構(gòu)建機器學(xué)習(xí)流，并利用網(wǎng)格搜索完成模型調(diào)優(yōu)
• 樹模型：C4.5、C5.0和CART樹實驗
• 樹模型算法實例：紅酒分類高級實驗
• SVM支持向量機分類和支持向量機回歸實驗
• SVM算法實例：手寫數(shù)字識別實驗
• Bagging類算法實驗
• Boosting類算法實驗
• 神經(jīng)網(wǎng)絡(luò)算法實驗
• 圖像處理實驗
• 語音處理實驗
• 自然語言處理實驗
• 人臉識別與模式識別實驗
• 智能醫(yī)療應(yīng)用實驗：醫(yī)學(xué)影像學(xué)數(shù)據(jù)、組學(xué)數(shù)據(jù)、電子病歷數(shù)據(jù)
• 深度學(xué)習(xí)與知識圖譜在金融智能風(fēng)控的應(yīng)用-知識圖譜、基于社交網(wǎng)絡(luò)的反欺詐、圖分析與關(guān)聯(lián)特征提取、深度學(xué)習(xí)與金融風(fēng)控

中國32家高校開設(shè)人工智能相關(guān)專業(yè)的情況：

人工智能AI基礎(chǔ)課程知識點：

• 第1節(jié)課程體系結(jié)構(gòu)介紹和學(xué)習(xí)經(jīng)驗分享
• 第2節(jié)python環(huán)境準(zhǔn)備
• 第3節(jié)多版本anaconda共存安裝方法
• 第4節(jié)1.python計算基礎(chǔ).3.numpy速覽
• 第5節(jié)1.python計算基礎(chǔ).4.ndarray詳解
• 第6節(jié)1.python計算基礎(chǔ).5.創(chuàng)建ndarray對象
• 第7節(jié)1.python計算基礎(chǔ).6.ndarray的文件讀寫
• 第8節(jié)1.python計算基礎(chǔ).7.數(shù)組的拆分
• 第9節(jié)1.python計算基礎(chǔ).8.數(shù)組的合并操作
• 第10節(jié)1.python計算基礎(chǔ).9.如何訪問數(shù)組元素
• 第11節(jié)1.python計算基礎(chǔ).10.用布爾下標(biāo)訪問數(shù)組元素
• 第12節(jié)1.python計算基礎(chǔ).11.整數(shù)列表訪問數(shù)組元素
• 第13節(jié)1.python計算基礎(chǔ).12.ufunc和broadcast
• 第14節(jié)1.python計算基礎(chǔ).13.ufunc案例實戰(zhàn)—knn分類器
• 第15節(jié)1.python計算基礎(chǔ).13.認(rèn)識矩陣
• 第16節(jié)1.python計算基礎(chǔ).14.矩陣的特點
• 第17節(jié)1.python計算基礎(chǔ).15.numpy的線性代數(shù)庫
• 第18節(jié)2.實用線性代數(shù).1.認(rèn)識向量及其四則運算
• 第19節(jié)2.實用線性代數(shù).2.相似度和距離的計算
• 第20節(jié)2.實用線性代數(shù).3.什么是矩陣
• 第21節(jié)2.實用線性代數(shù).4.什么是矩陣的行列式
• 第22節(jié)2.實用線性代數(shù).5.矩陣的四則運算
• 第23節(jié)2.實用線性代數(shù).6.什么是子空間和基
• 第24節(jié)2.實用線性代數(shù).7.什么是線性變換以及和矩陣的關(guān)系
• 第25節(jié)2.實用線性代數(shù).8.什么是相似矩陣和特征分解
• 第26節(jié)2.實用線性代數(shù).9.方陣的正交分解
• 第27節(jié)2.實用線性代數(shù).10.搞定PCA
• 第28節(jié)2.實用線性代數(shù).11.搞定SVD分解
• 第29節(jié)2.實用線性代數(shù).12.Python實戰(zhàn)PCA
• 第30節(jié)2.實用線性代數(shù).13.Python實戰(zhàn)SVD分解
• 第31節(jié)3.概率論和統(tǒng)計.1.概率論的基本概念
• 第32節(jié)3.概率論和統(tǒng)計.2.概率論的基本概念2
• 第33節(jié)3.概率論和統(tǒng)計.3.典型的分布和它們的數(shù)字特征
• 第34節(jié)3.概率論和統(tǒng)計.4.隨機向量
• 第35節(jié)3.概率論和統(tǒng)計.5.協(xié)方差和PCA
• 第36節(jié)3.概率論和統(tǒng)計.6.Python實戰(zhàn)生成常見的隨機變量
• 第37節(jié)3.概率論和統(tǒng)計.7.樸素貝葉斯和垃圾郵件分類
• 第38節(jié)3.概率論和統(tǒng)計.8.Python垃圾郵件分類代碼詳解
• 第39節(jié)3.概率論和統(tǒng)計.9.統(tǒng)計基礎(chǔ)
• 第40節(jié)3.概率論和統(tǒng)計.10.數(shù)據(jù)的描述統(tǒng)計
• 第41節(jié)3.概率論和統(tǒng)計.11.極大似然估計
• 第42節(jié)3.概率論和統(tǒng)計.12.最大后驗概率
• 第43節(jié)3.概率論和統(tǒng)計.13.什么是假設(shè)檢驗
• 第44節(jié)3.概率論和統(tǒng)計.14.假設(shè)檢驗怎么做
• 第45節(jié)3.概率論和統(tǒng)計.15.假設(shè)檢驗結(jié)果怎么解讀
• 第46節(jié)3.概率論和統(tǒng)計.16.假設(shè)檢驗為什么可行
• 第47節(jié)3.概率論和統(tǒng)計.17.什么是方差分析
• 第48節(jié)3.概率論和統(tǒng)計.18.方差分析實戰(zhàn)
• 第49節(jié)4.python可視化數(shù)據(jù)分析實戰(zhàn).1
• 第50節(jié)4.python可視化數(shù)據(jù)分析實戰(zhàn).2
• 第51節(jié)4.python可視化數(shù)據(jù)分析實戰(zhàn).3
• 第52節(jié)4.python可視化數(shù)據(jù)分析實戰(zhàn).4
• 第53節(jié)4.python可視化數(shù)據(jù)分析實戰(zhàn).5
• 第54節(jié)4.python可視化數(shù)據(jù)分析實戰(zhàn).6
• 第55節(jié)4.python可視化數(shù)據(jù)分析實戰(zhàn).7
• 第56節(jié)4.python可視化數(shù)據(jù)分析實戰(zhàn).8
• 第57節(jié)5.凸優(yōu)化.1.高數(shù)重點內(nèi)容串講
• 第58節(jié)5.凸優(yōu)化.2.梯度和導(dǎo)數(shù)
• 第59節(jié)5.凸優(yōu)化.3.導(dǎo)數(shù)和極值的關(guān)系以及泰勒展開
• 第60節(jié)5.凸優(yōu)化.4.梯度下降算法
• 第61節(jié)5.凸優(yōu)化.5.梯度下降算法的各種變形（牛頓法和擬牛頓法動量法）
• 第62節(jié)5.凸優(yōu)化.6.人工智能中常見損失函數(shù)的手工推導(dǎo)
• 第63節(jié)5.凸優(yōu)化.7.sigmoid函數(shù)及其梯度的手工推導(dǎo)
• 第64節(jié)5.凸優(yōu)化.8.logloss函數(shù)及其梯度的手工推導(dǎo)(1)
• 第65節(jié)5.凸優(yōu)化.9.spark中使用的梯度推導(dǎo)
• 第66節(jié)5.凸優(yōu)化.11.凸集的概念
• 第67節(jié)5.凸優(yōu)化.12.凸函數(shù)的概念
• 第68節(jié)5.凸優(yōu)化.13.保凸運算是個什么鬼
• 第69節(jié)5.凸優(yōu)化.14.正式認(rèn)識凸優(yōu)化問題
• 第70節(jié)5.凸優(yōu)化.15.對偶函數(shù)和對偶理論
• 第71節(jié)5.凸優(yōu)化.16.強對偶條件和kkt條件
• 第72節(jié)5.凸優(yōu)化.17.支持向量機SVM的幾何解釋
• 第73節(jié)5.凸優(yōu)化.18.支持向量機的標(biāo)準(zhǔn)形式
• 第74節(jié)5.凸優(yōu)化.19.支持向量機的kkt條件和最終解決
• 第75節(jié)5.凸優(yōu)化.20.支持向量機的核技巧和線性不可分問題