❶ 要制造人工智能，需要掌握哪些专业知识

一、人工智能是一个综合学科，如楼上所说。而其本身又分为多个方面如神经网络、机器识别、机器视觉、机器人等。一个人想自学所有人工智能方面并不是很容易的一件事。对于你想知道人工智能在编程方面需要多深的要求。怎么说好呢无论c++还是汇编他都是一门语言主要会灵活运用。大多机器人仿真都用的混合编程模式，也就是运用多种编程软件及语言组合使用。之所以这样是为了弥补语言间的不足。prolog在逻辑演绎方面比突出。c++在硬件接口及windos衔接方面比较突出，matlab在数学模型计算方面比较突出。如果单学人工智能算法的话prolog足以，如果想开发机器仿真程序的话vc++
matlab应该多学习点。对于你想买什么书学习。我只能对我看过的书给你介绍一下，你再自己酌量一下。
1.人工智能算法方面:《人工智能及其应用》第三版、人工智能与知识工程。这两本感觉买一本就可以了。第一本感觉能简单并且全面点。这类书其实很多可是。大多内容都是重复的所以买一到两本即可。
2.机器视觉算法方面:《机器视觉算法与应用》这本书讲的大多都是工业化生产中机器视觉应用。从内容来说并不是很简单，建议不要当入门教材来学习。
3.机器人方面：新版《机器人技术手册》日译的书，可能这是我当初在当当网里找到唯一一本比较全面实用的机器人方面的书。这本书由基础到应用以及一些机器人实际问题上讲述得很全面。强烈建议买一本。
二、学习人工智能ai需要下列最基础的知识：
1.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。
2.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。
3.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。
人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。

❷ 软考中级软件设计师要学会哪种程序设计语言（我只学过C，C++，汇编）

朋友，我考过，别听他们胡说
软件设计师考试分上午和下午
上午的考试是选择题目，范围很广
C和C++都有，但题目难度不大，汇编语言不考，建议多看看软件工程的理论知识，考得很多，特别在下午。还有操作系统，编译原理等跟计算机专业相关的理论
下面给出大纲：
软件设计师考试大纲
一、考试说明
1．考试要求：
(1) 掌握数据表示、算术和逻辑运算；
(2) 掌握相关的应用数学、离散数学的基础知识；
(3) 掌握计算机体系结构以及各主要部件的性能和基本工作原理；
(4) 掌握操作系统、程序设计语言的基础知识，了解编译程序的基本知识；
(5) 熟练掌握常用数据结构和常用算法；
(6) 熟悉数据库、网络和多媒体的基础知识；
(7) 掌握C程序设计语言，以及C++、Java、Visual、Basic、Visual C++中的一种程序设计语言；
(8) 熟悉软件工程、软件过程改进和软件开发项目管理的基础知识；
(9) 熟悉掌握软件设计的方法和技术；
(10) 掌握常用信息技术标准、安全性，以及有关法律、法规的基本知识；
(11) 了解信息化、计算机应用的基础知识；
(12) 正确阅读和理解计算机领域的英文资料。
2．通过本考试的合格人员能根据软件开发项目管理和软件工程的要求，按照系统总体设计规格说明书进行软件设计，编写程序设计规格说明书等相应的文档，组织和指导程序员编写、调试程序，并对软件进行优化和集成测试，开发出符合系统总体设计要求的高质量软件；具有工程的实际工作能力和业务水平。
3．本考试设置的科目包括：
(1) 计算机与软件工程知识，考试时间为150分钟，笔试；
(2) 软件设计，考试时间为150分钟，笔试。
二、考试范围
考试科目1：计算机与软件工程知识
1． 计算机科学基础
1.1 数制及其转换
• 二进制、十进制和十六进制等常用制数制及其相互转换
1.2 数据的表示
• 数的表示（原码、反码、补码、移码表示，整数和实数的机内表示，精度和溢出）
• 非数值表示（字符和汉字表示、声音表示、图像表示）
• 校验方法和校验码（奇偶校验码、海明校验码、循环冗余校验码）
1.3 算术运算和逻辑运算
• 计算机中的二进制数运算方法
• 逻辑代数的基本运算和逻辑表达式的化简
1.4 数学基础知识
• 命题逻辑、谓词逻辑、形式逻辑的基础知识
• 常用数值计算（误差、矩阵和行列式、近似求解方程、插值、数值积分）
• 排列组合、概率论应用、应用统计（数据的统计分析）
• 运算基本方法（预测与决策、线性规划、网络图、模拟）
1.5 常用数据结构
• 数组（静态数组、动态数组）、线性表、链表（单向链表、双向链表、循环链表）、队列、栈、树（二叉树、查找树、平衡树、线索树、线索树、堆）、图等的定义、存储和操作
• Hash（存储地址计算，冲突处理）
1.6 常用算法
• 排序算法、查找算法、数值计算方法、字符串处理方法、数据压缩算法、递归算法、图的相关算法
• 算法与数据结构的关系、算法效率、算法设计、算法描述（流程图、伪代码、决策表）、算法的复杂性
2． 计算机系统知识
2.1 硬件知识
2.1.1 计算机系统的组成、体系结构分类及特性
• CPU和存储器的组成、性能和基本工作原理
• 常用I/O设备、通信设备的性能，以及基本工作原理
• I/O接口的功能、类型和特性
• I/O控制方式（中断系统、DMA、I/O处理机方式）
• CISC/RISC，流水线操作，多处理机，并行处理
2.1.2 存储系统
• 主存-Cache存储系统的工作原理
• 虚拟存储器基本工作原理，多级存储体系的性能价格
• RAID类型和特性
2.1.3 安全性、可靠性与系统性能评测基础知识
• 诊断与容错
• 系统可靠性分析评价
• 计算机系统性能评测方式
2.2 软件知识
2.2.1 操作系统知识
• 操作系统的内核（中断控制）、进程、线程概念
• 处理机管理（状态转换、共享与互斥、分时轮转、抢占、死锁）
• 存储管理（主存保护、动态连接分配、分段、分页、虚存）
• 设备管理（I/O控制、假脱机）
• 文件管理（文件目录、文件组织、存取方法、存取控制、恢复处理）
• 作业管理（作业调度、作业控制语言（JCL）、多道程序设计）
• 汉字处理，多媒体处理，人机界面
• 网络操作系统和嵌入式操作系统基础知识
• 操作系统的配置
2.2.2 程序设计语言和语言处理程序的知识
• 汇编、编译、解释系统的基础知识和基本工作原理
• 程序设计语言的基本成分：数据、运算、控制和传输，过程（函数）调用
• 各类程序设计语言主要特点和适用情况
2.3 计算机网络知识
• 网络体系结构（网络拓扑、OSI/RM、基本的网络协议）
• 传输介质、传输技术、传输方法、传输控制
• 常用网络设备和各类通信设备
• Client/Server结构、Browser/Server结构
• LAN拓扑，存取控制，LAN的组网，LAN间连接，LAN-WAN连接
• 因特网基础知识以及应用
• 网络软件
• 网络管理
• 网络性能分析
2.4 数据库知识
• 数据库管理系统的功能和特征
• 数据库模型（概念模式、外模式、内模式）
• 数据模型，ER图，第一范式、第二范式、第三范式
• 数据操作（集合运算和关系运算）
• 数据库语言（SQL）
• 数据库的控制功能（并发控制、恢复、安全性、完整性）
• 数据仓库和分布式数据库基础知识
2.5 多媒体知识
• 多媒体系统基础知识，多媒体设备的性能特性，常用多媒体文件格式
• 简单图形的绘制，图像文件的处理方法
• 音频和视频信息的应用
• 多媒体应用开发过程
2.6 系统性能知识
• 性能指标（响应时间、吞吐量、周转时间）和性能设计
• 性能测试和性能评估
• 可靠性指标及计算、可靠性设计
• 可靠性测试和可靠性评估
2.7 计算机应用基础知识
•信息管理、数据处理、辅助设计、自动控制、科学计算、人工智能等基础知识
• 远程通信服务基础知识
• 常用应用系统
3． 系统开发和运行知识
3.1 软件工程、软件过程改进和软件开发项目管理知识
• 软件工程知识
• 软件开发生命周期各阶段的目标和任务
• 软件开发项目管理基础知识（时间管理、成本管理、质量管理、人力资源管理、风险管理等）及其常用管理工具
• 主要的软件开发方法（生命周期法、原型法、面向对象法、CASE）
• 软件开发工具与环境知识
• 软件过程改进知识
• 软件质量管理知识
• 软件开发过程评估、软件能力成熟评估基础知识
3.2 系统分析基础知识
• 系统分析的目的和任务
•结构化分析方法（数据流图（DFD）、数据字典（DD）、实体关系图（ERD）、描述加工处理的结构化语言）
• 统一建模语言（UML）
• 系统规格说明书
3.3 系统设计知识
• 系统设计的目的和任务
• 结构化设计方法和工具（系统流程图、HIPO图、控制流程图）
• 系统总体结构设计（总体布局、设计原则、模块结构设计、数据存储设计、系统配置方案）
• 系统详细设计（代码设计、数据库设计、用户界面设计、处理过程设计）
• 系统设计说明书
3.4 系统实施知识
• 系统实施的主要任务
• 结构化程序设计、面向对象程序设计、可视化程序设计
• 程序设计风格
• 程序设计语言的选择
• 系统测试的目的、类型，系统测试方法（黑盒测试、白盒测试、灰盒测试）
• 测试设计和管理（错误曲线、错误排除、收敛、注入故障、测试用例设计、系统测试报告）
• 系统转换基础知识
3.5 系统运行和维护知识
• 系统运行管理基础知识
• 系统维护基础知识
• 系统评价基础知识
3.6 面向对象开发方法
• 面向对象开发概念（类、对象、属性、封装性、继承性、多态性、对象之间的引用）
• 面向对象开发方法的优越性以及有效领域
• 面向对象设计方法（体系结构、类的设计、用户接口设计）
• 面向对象实现方法（选择程序设计语言、类的实现、方法的实现、用户接口的实现、准备测试数据）
• 面向对象程序设计语言（如C++、Java、Visual、Bsasic、Visual C++）的基本机制
• 面向对象数据库、分布式对象的概念
4． 安全性知识
• 安全性基本概念
• 防治计算机病毒、防范计算机犯罪
• 存取控制、防闯入、安全管理措施
• 加密与解密机制
•风险分析、风险类型、抗风险措施和内部控制
5． 标准化知识
• 标准化意识、标准化的发展、标准制订过程
• 国际标准、国家标准、行业标准、企业标准基本知识
• 代码标准、文件格式标准、安全标准、软件开发规范和文档标准知识
• 标准化机构
6． 信息化基础知识
• 信息化意识
• 全球信息化趋势、国家信息化战略、企业信息化战略和策略
• 有关的法律、法规
• 远程教育、电子商务、电子政务等基础知识
• 企业信息资源管理基础知识
7． 计算机专业英语
• 掌握计算机技术的基本词汇
• 能正确阅读和理解计算机领域的英文资料
考试科目2：软件设计
1． 外部设计
1.1 理解系统需求说明
1.2 系统开发的准备
• 选择开发方法、准备开发环境、制订开发计划
1.3 设计系统功能
• 选择系统结构，设计各子系统的功能和接口，设计安全性策略、需求和实现方法，制订详细的工作流和数据流
1.4 设计数据模型
• 设计ER模型、数据模型
1.5 编写外部设计文档
• 系统配置图、各子系统关系图、系统流程图、系统功能说明书、输入输出规格说明、数据规格说明、用户手册框架
• 设计系统测试要求
1.6 设计评审
2． 内部设计
2.1 设计软件结构
•按构件分解，确定构件功能规格以及构件之间的接口
• 采用中间件和工具
2.2 设计输入输出
• 屏幕界面设计、设计输入输出检查方法和检查信息
2.3 设计物理数据
• 分析数据特性，确定逻辑数据组织方式、存储介质，设计记录格式和处理方式
• 将逻辑数据结构换成物理数据结构，计算容量，进行优化
2.4 构件的创建和重用
• 创建、重用构件的概念
• 使用子程序库或类库
2.5 编写内部设计文档
• 构件划分图、构件间的接口、构件处理说明、屏幕设计文档、报表设计文档、文件设计文档、数据库设计文档
2.6 设计评审
3．程序设计
3.1 模块划分（原则、方法、标准）
3.2 编写程序设计文档
• 模块规格说明书（功能和接口说明、程序处理逻辑的描述、输入输出数据格式的描述）
• 测试要求说明书（测试类型和目标、测试用例、测试方法）
3.3 程序设计评审
4．系统实施
4.1 配置计算机系统及其环境
4.2 选择合适的程序设计语言
4.3 掌握C程序设计语言，以及C++、Java、Visual、Basic、Visual C++中任一种程序设计语言，以便能指导程序员进行编程和测试，并进行必要的优化
4.4 系统测试
• 指导程序员进行模块测试，并进行验收
• 准备系统集成测试环境和测试工具
• 准备测试数据
• 写出测试报告
5．软件工程
• 软件生存期模型（瀑布模型、螺旋模型、喷泉模型）和软件成本模型
• 定义软件需求（系统化的目标、配置、功能、性能和约束）
• 描述软件需求的方法（功能层次模型、数据流模型、控制流模型、面向数据的模型、面向对象的模型等）
• 定义软件需求的方法（结构化分析方法、面向对象分析方法）
• 软件设计（分析与集成、逐步求精、抽象、信息隐蔽）
• 软件设计方法（结构化设计方法、Jackson方法、Warnier方法、面向对象设计方法）
• 程序设计（结构化程序设计、面向对象程序设计）
• 软件测试的原则与方法
• 软件质量（软件质量特性、软件质量控制）
• 软件过程评估基本方法、软件能力成熟度评估基本方法
• 软件开发环境和开发工具（分析工具、设计工具、编程工具、测试工具、维护工具、CASE）
• 软件工程发展趋势（面向构件，统一建模语言（UML））
•软件过程改进模型和方法

❸ 人工智能涉及哪些学科

人工智能是一个综合学科，其本身又分为多个方面如神经网络、机器识别、机器视觉、机器人等。一个人想自学所有人工智能方面并不是很容易的一件事。对于你想知道人工智能在编程方面需要多深的要求。怎么说好呢无论C++还是汇编他都是一门语言主要会灵活运用。大多机器人仿真都用的混合编程模式，也就是运用多种编程软件及语言组合使用。之所以这样是为了弥补语言间的不足。prolog在逻辑演绎方面比突出。C++在硬件接口及windos衔接方面比较突出，MATLAB在数学模型计算方面比较突出。如果单学人工智能算法的话prolog足以，如果想开发机器仿真程序的话VC++ MATLAB应该多学习点。下面是小编整理的相关书籍，仅供参考。

1.人工智能算法方面:《人工智能及其应用》第三版、人工智能与知识工程。。第一本感觉能简单并且全面点。这类书其实很多可是大多内容都是重复的所以买一到两本即可。

2.机器视觉算法方面:《机器视觉算法与应用》这本书讲的大多都是工业化生产中机器视觉应用。从内容来说并不是很简单，建议不要当入门教材来学习。

3.机器人方面：新版《机器人技术手册》日译的书。这本书由基础到应用以及一些机器人实际问题上讲述得很全面。强烈建议买一本。

二、学习人工智能AI需要下列最基础的知识：

1.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。

2.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。

3.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。

人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。

❹ 搞人工智能（AI）开发C和汇编哪个好

建议 汇编

❺ 学习人工智能需要什么

学习人工智能，还是应该学一些电脑编程方面的知识，毕竟人工智能和编程的关系很大。

❻ 人工智能方向的研究需要用到数据库和汇编的知识吗

基本不会。AI最重要的是算法，可以用任何语言实现，但考虑到效率问题，内目前核心算法都是容c/c++实现的，外围则用哪种语言的都有。至于数据库，看你用到什么规模，一般学术实验型的基本不用数据库，各种形式的数据都有；大公司的一般是类似hadoop之类的架构（因为数据太大了，目前流行的关系型数据库处理起来很吃力）。

❼ 学习人工智能都需要学什么

人工智能抄主要应用的编程语言就是python，因此想要入行人工智能的可以先从python学起，相对于其他编程来说，python比较简单易学。数据库的学习也是不可忽视的，不管你是想入行人工智能还是其他编程，数据库的学习是必不可少的。实践，毕竟我们学习人工智能并不只是想要单纯的掌握这个理论，而是为了找一份好工作，所以真实的商业项目实战也是非常重要的。

❽ 自动化，人工智能要用到哪些计算机语言

其实这两个方向基本上大部分计算机语言都可以用的，所不同的是不同语言带来的执行效率以及这种语言的应用范围宽窄的问题，如果真正想学习的话，可以考虑学习C或这C++！语言是相通的，真正入门了一种语言后，再接触其他语言学习起来也得心应手！

❾ 想学编程需要会些什么还有人工智能需要学什么 上哪里弄教程

0基础需要会什么？学编程就学呗，不会才学呢嘛。
首先学习编程是比较苦的。你要知道编程是一个很宽泛的概念，电脑编程有很多种语言形式，最底层的机器语言（因为太难已被淘汰），低级语言“汇编”（往往解决一些和硬件系统有直接关系的问题），中级语言代表“c语言”（很流行的一种较低级，基础的，面向过程的编程语言，也是很多编程者学编程的入门语言），高级语言代表Java，c++等（面向对象的编程语言）。
首先你要明白，人工智能确实需要编程，但会编程和搞人工智能之间有很大的差距，简单理解尽管你是个编程高手了，那也只能算是个本科毕业的大学生，而能搞人工智能的人可以比喻成爱因斯坦一类的伟大的科学家。所以请你学编程时不要心急。
刚开始学编程都比较倾向于学c语言，教程书店里有很多，大部分编程初学者都会选择谭浩强编写的c语言教程，谭浩强的书虽然编写的很好，但是因为他编程的意识和习惯都比较老旧，部分写法和解释有些不够精确。所以你如果可以选择一些国外最新的英文教材应该会更好。
这一行水其实很深，对初学者不能说很多，因为一时半会说不清，主要和看你自己的学习能力，很多东西是要靠自己去摸索看清的，当然如果能有一个指路人协助你会更好。祝你学业进步。

❿ 自学人工智能需要学那些专业知识

一、人工智能是一个综合学科，如楼上所说。而其本身又分为多个方面如神经网络、机器识别、机器视觉、机器人等。一个人想自学所有人工智能方面并不是很容易的一件事。对于你想知道人工智能在编程方面需要多深的要求。怎么说好呢无论C++还是汇编他都是一门语言主要会灵活运用。大多机器人仿真都用的混合编程模式，也就是运用多种编程软件及语言组合使用。之所以这样是为了弥补语言间的不足。prolog在逻辑演绎方面比突出。C++在硬件接口及windos衔接方面比较突出，MATLAB在数学模型计算方面比较突出。如果单学人工智能算法的话prolog足以，如果想开发机器仿真程序的话VC++ MATLAB应该多学习点。对于你想买什么书学习。我只能对我看过的书给你介绍一下，你再自己酌量一下。

1.人工智能算法方面:《人工智能及其应用》第三版、人工智能与知识工程。这两本感觉买一本就可以了。第一本感觉能简单并且全面点。这类书其实很多可是。大多内容都是重复的所以买一到两本即可。

2.机器视觉算法方面:《机器视觉算法与应用》这本书讲的大多都是工业化生产中机器视觉应用。从内容来说并不是很简单，建议不要当入门教材来学习。

3.机器人方面：新版《机器人技术手册》日译的书，可能这是我当初在当当网里找到唯一一本比较全面实用的机器人方面的书。这本书由基础到应用以及一些机器人实际问题上讲述得很全面。强烈建议买一本。

二、学习人工智能AI需要下列最基础的知识：

1.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。

2.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。

3.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。

人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。