相近的名字，不同的学习体验

研究机器如何感知、学习、推理与作决策。严肃的学习需要概率、线性代数、优化和计算基础，也需要评估偏差、稳健性与部署影响。

一般学习内容

• Machine Learning 监督与无监督学习
• Probability and Inference 概率建模与推断
• Optimization 最优化
• Planning and Control 规划与控制
• Vision and Language 视觉与语言处理
• AI Evaluation 评估、偏差、安全与社会影响

人工智能是计算机与数学交叉方向，不等于使用聊天工具。与通用计算机学位比较时，应检查操作系统、算法和软件工程等基础是否仍有充分覆盖。

起步：通常第 1 年

• 编程、离散数学与算法
• 数字系统与逻辑

说明程序何时正确、操作次数怎样随输入增长。