人工智能專業考研科目包括數學基礎、計算機基礎、機器學習與數據挖掘、深度學習與人工智能算法、自然語言處理與知識圖譜。
壹、數學基礎
數學基礎是人工智能專業考研中非常重要的壹門科目。包括高等數學、線性代數、概率論與數理統計等。這些數學基礎知識是進行人工智能算法研究和應用的基礎，對於理解和分析各種人工智能算法具有重要意義。
二、計算機基礎
計算機基礎是人工智能專業考研中必不可少的壹門科目。包括計算機網絡、操作系統、數據庫原理與應用等。這些基礎課程能夠幫助學生了解計算機系統的基本運作原理，掌握編程技巧和數據處理方法，為後續的人工智能算法設計與實現打下基礎。
三、機器學習與數據挖掘
機器學習與數據挖掘是人工智能專業考研的核心科目之壹。機器學習研究如何通過計算機算法使計算機系統具有自主學習能力，數據挖掘則是通過從大量數據中提取有用信息來輔助決策。掌握這些知識對於進行人工智能算法研究和應用非常重要。
四、深度學習與人工智能算法
深度學習是人工智能領域的前沿技術之壹，它模仿人腦神經網絡的結構和工作原理，通過多層次的特征學習和抽象表示來實現對復雜模式的分析和處理。掌握深度學習算法及其應用對於人工智能專業考研生來說具有重要意義。
五、自然語言處理與知識圖譜
自然語言處理是人工智能領域的重要研究方向之壹，研究如何讓計算機能夠理解和處理人類自然語言。知識圖譜則是將大量結構化的知識和關系整合為壹張圖譜，為機器理解和推理提供支持。掌握自然語言處理與知識圖譜相關的技術對於人工智能專業考研生來說具有重要意義。
六、計算機視覺與模式識別
計算機視覺與模式識別是人工智能領域的另壹個重要研究方向，研究如何通過計算機實現對圖像和視頻的理解和分析。掌握計算機視覺與模式識別相關的技術對於進行圖像處理、目標識別等任務非常重要。
七、智能系統與應用
智能系統與應用是人工智能專業考研的綜合性科目，涉及到人工智能算法在各個領域的應用。學習智能系統與應用可以使考研生了解人工智能在醫療、金融、交通等領域的具體應用場景，並能夠設計和實現相應的智能系統。