人工智能需要什么基础？

当下，人工智能成了新时代的必修课，其重要性已无需赘述，但作为一个跨学科产物，它包含的内容浩如烟海，各种复杂的模型和算法更是让人望而生畏。对于大多数的新手来说，如何入手人工智能其实都是一头雾水，比如到底需要哪些数学基础、是否要有工程经验、对于深度学习框架应该关注什么等等。

那么，学习人工智能该从哪里开始呢？人工智能的学习路径又是怎样的？
本文节选自王天一教授在极客时间 App 开设的“人工智能基础课”，已获授权。更多相关文章，请下载极客时间 App，订阅专栏获取。
数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识，具体来说包括：

线性代数：如何将研究对象形式化？

概率论：如何描述统计规律？

数理统计：如何以小见大？

最优化理论： 如何找到最优解？

信息论：如何定量度量不确定性？

形式逻辑：如何实现抽象推理？

线性代数：如何将研究对象形式化？
事实上，线性代数不仅仅是人工智能的基础，更是现代数学和以现代数学作为主要分析方法的众多学科的基础。从量子力学到图像处理都离不开向量和矩阵的使用。而在向量和矩阵背后，线性代数的核心意义在于提供了⼀种看待世界的抽象视角：万事万物都可以被抽象成某些特征的组合，并在由预置规则定义的框架之下以静态和动态的方式加以观察。
着重于抽象概念的解释而非具体的数学公式来看，线性代数要点如下：线性代数的本质在于将具体事物抽象为数学对象，并描述其静态和动态的特性；向量的实质是 n 维线性空间中的静止点；线性变换描述了向量或者作为参考系的坐标系的变化，可以用矩阵表示；矩阵的特征值和特征向量描述了变化的速度与方向。
总之，线性代数之于人工智能如同加法之于高等数学，是一个基础的工具集。
概率论：如何描述统计规律？
除了线性代数之外，概率论也是人工智能研究中必备的数学基础。随着连接主义学派的兴起，概率统计已经取代了数理逻辑，成为人工智能研究的主流工具。在数据爆炸式增长和计算力指数化增强的今天，概率论已经在机器学习中扮演了核心角色。
同线性代数一样，概率论也代表了一种看待世界的方式，其关注的焦点是无处不在的可能性。频率学派认为先验分布是固定的，模型参数要靠最大似然估计计算；贝叶斯学派认为先验分布是随机的，模型参数要靠后验概率最大化计算；正态分布是最重要的一种随机变量的分布。
数理统计：如何以小见大？
在人工智能的研究中，数理统计同样不可或缺。基础的统计理论有助于对机器学习的算法和数据挖掘的结果做出解释，只有做出合理的解读，数据的价值才能够体现。数理统计根据观察或实验得到的数据来研究随机现象，并对研究对象的客观规律做出合理的估计和判断。
虽然数理统计以概率论为理论基础，但两者之间存在方法上的本质区别。概率论作用的前提是随机变量的分布已知，根据已知的分布来分析随机变量的特征与规律；数理统计的研究对象则是未知分布的随机变量，研究方法是对随机变量进行独立重复的观察，根据得到的观察结果对原始分布做出推断。
用一句不严谨但直观的话讲：数理统计可以看成是逆向的概率论。 数理统计的任务是根据可观察的样本反过来推断总体的性质；推断的工具是统计量，统计量是样本的函数，是个随机变量；参数估计通过随机抽取的样本来估计总体分布的未知参数，包括点估计和区间估计；假设检验通过随机抽取的样本来接受或拒绝关于总体的某个判断，常用于估计机器学习模型的泛化错误率。
最优化理论： 如何找到最优解？
本质上讲，人工智能的目标就是最优化：在复杂环境与多体交互中做出最优决策。几乎所有的人工智能问题最后都会归结为一个优化问题的求解，因而最优化理论同样是人工智能必备的基础知识。最优化理论研究的问题是判定给定目标函数的最大值（最小值）是否存在，并找到令目标函数取到最大值 (最小值) 的数值。 如果把给定的目标函数看成一座山脉，最优化的过程就是判断顶峰的位置并找到到达顶峰路径的过程。
通常情况下，最优化问题是在无约束情况下求解给定目标函数的最小值；在线性搜索中，确定寻找最小值时的搜索方向需要使用目标函数的一阶导数和二阶导数；置信域算法的思想是先确定搜索步长，再确定搜索方向；以人工神经网络为代表的启发式算法是另外一类重要的优化方法。
信息论：如何定量度量不确定性？
近年来的科学研究不断证实，不确定性就是客观世界的本质属性。换句话说，上帝还真就掷骰子。不确定性的世界只能使用概率模型来描述，这促成了信息论的诞生。
信息论使用“信息熵”的概念，对单个信源的信息量和通信中传递信息的数量与效率等问题做出了解释，并在世界的不确定性和信息的可测量性之间搭建起一座桥梁。
总之，信息论处理的是客观世界中的不确定性；条件熵和信息增益是分类问题中的重要参数；KL 散度用于描述两个不同概率分布之间的差异；最大熵原理是分类问题汇总的常用准则。
形式逻辑：如何实现抽象推理？
1956 年召开的达特茅斯会议宣告了人工智能的诞生。在人工智能的襁褓期，各位奠基者们，包括约翰·麦卡锡、赫伯特·西蒙、马文·闵斯基等未来的图灵奖得主，他们的愿景是让“具备抽象思考能力的程序解释合成的物质如何能够拥有人类的心智。”通俗地说，理想的人工智能应该具有抽象意义上的学习、推理与归纳能力，其通用性将远远强于解决国际象棋或是围棋等具体问题的算法。
如果将认知过程定义为对符号的逻辑运算，人工智能的基础就是形式逻辑；谓词逻辑是知识表示的主要方法；基于谓词逻辑系统可以实现具有自动推理能力的人工智能；不完备性定理向“认知的本质是计算”这一人工智能的基本理念提出挑战。
《人工智能基础课》全年目录
本专栏将围绕机器学习与神经网络等核心概念展开，并结合当下火热的深度学习技术，勾勒出人工智能发展的基本轮廓与主要路径。点击我获取学习资源

我们再来看看人工智能，机器学习、大数据技术应用方面有哪些联系与区别

大数据、人工智能是目前大家谈论比较多的话题，它们的应用也越来越广泛、与我们的生活关系也越来越密切，影响也越来越深远，其中很多已进入寻常百姓家，如无人机、网约车、自动导航、智能家电、电商推荐、人机对话机器人等等。

大数据是人工智能的基础，而使大数据转变为知识或生产力，离不开机器学习（Machine Learning），可以说机器学习是人工智能的核心，是使机器具有类似人的智能的根本途径。

本文主要介绍机器有关概念、与大数据、人工智能间的关系、机器学习常用架构及算法等，具体如下：

机器学习的定义

大数据与机器学习

机器学习与人工智能及深度学习

机器学习的基本任务

如何选择合适算法

Spark在机器学习方面的优势

01 机器学习的定义

机器学习是什么？是否有统一或标准定义？目前好像没有，即使在机器学习的专业人士，也好像没有一个被广泛认可的定义。在维基百科上对机器学习有以下几种定义：

“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。

“机器学习是对能通过经验自动改进的计算机算法的研究”。

“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。”

一种经常引用的英文定义是：A computer program is said to learn from experience (E) with respect to some class of tasks(T) and performance(P) measure , if its performance at tasks in T, as measured by P, improves with experience E。

可以看出机器学习强调三个关键词：算法、经验、性能，其处理过程如图所示。

▲机器学习处理流程

上图表明机器学习是使数据通过算法构建出模型，然后对模型性能进行评估，评估后的指标，如果达到要求就用这个模型测试新数据，如果达不到要求就要调整算法重新建立模型，再次进行评估，如此循环往复，最终获得满意结果。

02 大数据与机器学习

我们已进入大数据时代，产生数据的能力空前高涨，如互联网、移动网、物联网、成千上万的传感器、穿戴设备、GPS等等，存储数据、处理数据等能力也得到了几何级数的提升，如Hadoop、Spark技术为我们存储、处理大数据提供有效方法。

数据就是信息、就是依据，其背后隐含了大量不易被我们感官识别的信息、知识、规律等等，如何揭示这些信息、规则、趋势，正成为当下给企业带来高回报的热点。

而机器学习的任务，就是要在基于大数据量的基础上，发掘其中蕴含并且有用的信息。其处理的数据越多，机器学习就越能体现出优势，以前很多用机器学习解决不了或处理不好的问题，通过提供大数据得到很好解决或性能的大幅提升，如语言识别、图像设别、天气预测等等。

03 机器学习、人工智能及深度学习

人工智能和机器学习这两个科技术语如今已经广为流传，已成为当下的热词，然而，他们间有何区别？又有哪些相同或相似的地方？虽然人工智能和机器学习高度相关，但却并不尽相同。

人工智能是计算机科学的一个分支，目的是开发一种拥有智能行为的机器，目前很多大公司都在努力开发这种机器学习技术。他们都在努力让电脑学会人类的行为模式，以便推动很多人眼中的下一场技术革命——让机器像人类一样“思考”。

过去10年，机器学习已经为我们带来了无人驾驶汽车、实用的语音识别、有效的网络搜索等等。接下来人工智能将如何改变我们的生活？在哪些领域最先发力？我们拭目以待。

对很多机器学习来说，特征提取不是一件简单的事情。在一些复杂问题上，要想通过人工的方式设计有效的特征集合，往往要花费很多的时间和精力。

深度学习解决的核心问题之一就是自动地将简单的特征组合成更加复杂的特征，并利用这些组合特征解决问题。深度学习是机器学习的一个分支，它除了可以学习特征和任务之间的关联以外，还能自动从简单特征中提取更加复杂的特征。下图展示了深度学习和传统机器学习在流程上的差异。如图所示，深度学习算法可以从数据中学习更加复杂的特征表达，使得最后一步权重学习变得更加简单且有效。

▲机器学习与深度学习流程对比

前面我们分别介绍了机器学习、人工智能及深度学习，它们间的关系如何？

▲人工智能、机器学习与深度学习间的关系

人工智能、机器学习和深度学习是非常相关的几个领域。上图说明了它们之间大致关系。人工智能是一类非常广泛的问题，机器学习是解决这类问题的一个重要手段，深度学习则是机器学习的一个分支。在很多人工智能问题上，深度学习的方法突破了传统机器学习方法的瓶颈，推动了人工智能领域的快速发展。

04 机器学习的基本任务

机器学习基于数据，并以此获取新知识、新技能。它的任务有很多，分类是其基本任务之一。分类就是将新数据划分到合适的类别中，一般用于类别型的目标特征，如果目标特征为连续型，则往往采用回归方法。回归是对新目标特征进行预测，是机器学习中使用非常广泛的方法之一。

分类和回归，都是先根据标签值或目标值建立模型或规则，然后利用这些带有目标值的数据形成的模型或规则，对新数据进行识别或预测。这两种方法都属于监督学习。与监督学习相对是无监督学习，无监督学习不指定目标值或预先无法知道目标值，它可以将把相似或相近的数据划分到相同的组里，聚类就是解决这一类问题的方法之一。

点击我获取学习资源

除了监督学习、无监督学习这两种最常见的方法外，还有半监督学习、强化学习等方法，这里我们就不展开了，下图展示了这些基本任务间的关系。

▲机器学习基本任务的关系

05 如何选择合适算法

当我们接到一个数据分析或挖掘的任务或需求时，如果希望用机器学习来处理，首要任务是根据任务或需求选择合适算法，选择哪种算法较合适？分析的一般步骤为：

▲选择算法的一般步骤

充分了解数据及其特性，有助于我们更有效地选择机器学习算法。采用以上步骤在一定程度上可以缩小算法的选择范围，使我们少走些弯路，但在具体选择哪种算法方面，一般并不存在最好的算法或者可以给出最好结果的算法，在实际做项目的过程中，这个过程往往需要多次尝试，有时还要尝试不同算法。不过先用一种简单熟悉的方法，然后，在这个基础上不断优化，时常能收获意想不到的效果。

未来工厂发展的五大趋势：
MathWorks工业自动化和机械领域行业经理Philipp Wallner日前在接受《电子工程专辑》采访时预测称，2021年，整个工业领域将从大规模生产向定制化生产转型。
数字化变得比以往更加重要，包括生产系统更加自主化、工程师更依赖通过仿真的方式去确认设备的行为等。
MathWorks工业自动化和机械领域行业经理Philipp Wallner他将未来的工厂称之为“柔性(Flexible)”的。
认为市场驱动力源自商品的个性化，包括从大规模生产向定制化生产、自主的生产线需求、以及产品迭代周期缩短等因素。
当然，由此带来的挑战也显而易见，系统复杂性的增加最为显著，例如参数数量与种类、模组与元件之间的数据交互和无处不在的软件。
这样，就需要越来越多的仿真模型去进行参数的调优和设计，需要AI和数字孪生技术用于运行优化，或是对设备进行健康预测。
“这其中涉及到几个比较重要的生产要素”，Philipp说，其一，性能越来越强劲的硬件，这是确保复杂算法能够顺畅运行的先决条件。
其二，由于系统日趋复杂，开发者需要新的工具和设计流程用于开发、测试和部署控制软件和AI算法。
其三，也是非常重要的一点，就是要有越来越多的工程师能够把各自领域内的专业知识与AI技术融合起来。
而以下五大工业趋势将促成以上预测：
趋势一：AI项目的经济性优势日益凸显：
目前，在工业领域，柔性和自主制造是AI发挥优势的重要应用方向，例如预测性维护、健康监测、生产优化、基于视觉的质量检测等。
MathWorks提供了大量APPS用于帮助工程师进行AI功能的设计开发，并通过与包括微软在内的厂商合作。
将非实时性的数据部署在云端，从而实现从云端到边缘设备端的完整部署。
MathWorks提供了大量APPS用于帮助工程师进行AI功能的设计开发，在Philipp列举的Mondi公司案例中，通过利用MATLAB开发出的用于监测生产线状况的APP，Mondi公司每年能够节省至少5万欧元费用。
而在与VDMA的合作中，MathWorks通过提供AI应用指导书指导企业将AI技术应用在基于视觉的智能检测、机器人训练等各种应用中。
他强调说，软件已经成为很多用户的一个主要资产，并正在成为他们与同行区分开来的重要因素。
复杂的软件，很多情况下包括AI和工程数据的融合使用，在帮助生产制造企业获取成功方面上扮演着越来越重要的角色。
在这种背景下，开发和测试基于软件的功能变得越来越重要。所以，生产制造行业的领导企业都在帮助工程师开发和验证软件功能方面相关的工作流以及工具方面，大力投入。
趋势二：机器的功能验证转向数字模式：
如前文所述，由于复杂的系统功能日益依赖通过软件实现，使得设计过程中的仿真和测试验证工作，更多倾向于采用数字化模型的方式去实现从设计，到交付，再到运行的全生命周期。
这种复杂性往往来源于我们对于柔性生产、模块化生产、更高质量和精度、更多数据吞吐能力、以及更短的上市时间和交付周期的需求。
这意味着，未来的工厂将被建造两次——先虚拟，再实体。
在设计环节，设计人员可以在Simulink环境下用桌面仿真的方式对整个系统进行完整的构建，并在比较安全的环境下对整个系统做基于仿真的测试。
接下来，利用MATLAB提供的自动代码生成功能，将经过验证的算法生成面向于工业控制器的CC、C++代码。
再下一步，通过采用虚拟交付技术，将测试环境部署到实时运行的工业原型机上，对即将交付的软件进行测试，从而显著减少利用物理实体进行测试的需求。
最后，就可以利用这种模型去构建数字孪生体，用监测/预测性维护算法对设备的状态进行估算，降低运维成本。
基于仿真的测试，在回答“单纯依靠模拟仿真能否全面的验证机器的功能以及其设备生命周期？”这一问题时，Philipp表示，仿真模型不能用作完全替代物理世界进行的测试验证。
基于模型设计的目标是在设计的早期就开展功能测试，以避免将一些设计上的问题带入到后面的物理实体的制造环节。
利用仿真技术的生产系统早期的测试验证，将显著减少后面投入在物理实体上测试验证的时间投入，但并不能完全的替代物理世界的测试，至少短期还无法达到。
“一些极端环境或涉及人身安全的环境下的测试，使用仿真模型可以很方便的开展，这样就能避免将测试的人员置于危险的环境下。
另外，对于那些在物理世界需要很高的测成成本、以及可能对设备本身或测试人员造成伤害的测试场景，都可以应用仿真技术来帮助我们完成测试”。
趋势三：生产车间和办公场所进一步融合：
生产车间和办公场所的融合在这里包含两个方面的内容：首先是自动化组件的连接或联系在持续增加，生产设备和整个车间、厂房通过标准化的工业协议如OPC UA、无线链路如5G正有效的连接在一起。
这使得在各个单元间进行数据交换成为了可能，而这正是实施或落地AI的基础。
另外一个方面是，复杂的功能，如机器学习，以往只有在线下高性能工作站上，或者说，在办公场所才能进行的，现在正在以一定的方式部署在实时工业控制器上，七天二十四小时不间断的运行。
在桌面计算机上开发的AI算法运行在工业控制器上但有一点需要引起注意，即网络安全和数据存储是AI应用于生产制造时所面临的重要问题，同时也是传统生产制造领域比较受重视的IT话题。
目前来看，AI算法的一些关键部分经常直接部署在嵌入式控制器或边缘设备上，如PLC，而这些处理单元都是靠近制造工厂里的设备，这在一定程度上减少了数据泄露的风险。
或者说，原始数据的预处理，是在一个安全的环境中的边缘设备或嵌入式处理器上完成的，经过处理的数据才进一步通过潜在的非安全网络传输出去。
趋势四：机器人和自主系统促进生产和物料搬运自动化：
在柔性和模块化生产中，工厂对自主设备的需求越来越强烈。
在以往的概念中，原有的自动化设备只能做某一类特定的动作，是确性的，但随着更多的设备具备了自主决策的能力，其自主性更强，自主机器人就是其中一例。
得益于强大的硬件性能和AI技术的大规模普及，在柔性制造中，协作机器人既可以与 *** 作人员进行紧密协作，也可以在搬运和检巡过程中进行自主的智能化决策。
在物料车间进行分拣的机器人，Philipp指出，具备AI能力的机器人能够灵活的造作那些即使没有明确在程序里表明的物体类型，这就极大的减少了在处理种类繁多的物体时非常耗费时间的指导过程。
传统的工业机器人主要为大规模生产服务，通常要面向每一个要 *** 作的物体和每一个在运行时的确定动作进行编程。
具备AI能力的机器人具有非常好的灵活性，可以在产线上自主的对物体检测、抓取以及移动进行学习。
趋势五：“领域知识+”型工程师拥有更多机会：
“领域知识”，指的是工程师对所在行业中专业知识的掌握；“新知识”，指的是对AI技术、云、软件设计等知识的掌握。
目前来看，越来越多的生产制造工程师正在向他们自己所拥有的技能集合里面添加诸如软件设计、AI等技能，而像MATLAB这样的工程工具也在为这类工程师提供便于开发、测试和部署AI算法的自动化工具App。
在这一过程中，MATLAB本身提供丰富的小程序apps，可以帮助具有专业知识的工程师快速将如AI这样的新技术融入到自己的实际工作中。
课程方面，MathWorks提供了丰富的面向工程师和学生的培训课程，其中包括完全免费的onramp课程。
除了这些工具和课程外，公司也与一些组织，如欧洲最大的工业制造领域的团体组织VDMA，一起开展一些入门活动，把年轻的工程师和行业内的一些专家组织在一起，让年轻的工程师们快速的获得有关基于模型设计、AI以及物联网等方面的一手知识和经验。
“将来的生产制造行业，势必会被那些结合了传统行业的领域知识，并且也掌握AI技术的那些工程师所塑造。
可以说，领域知识、专业技能(如AI、数据分析)以及像MathWorks所提供的工程工具的使用，是工业40下开展项目取得成功的关键。”Philipp说。

这方面属于信号与信息处理中的模式识别，现在很多机械专业的学生和我们通信、自动化的学生抢饭碗（泪奔）。。。。分离图像中的零件并进行计算是一个很重要的应用场合，很有研究价值！

具体流程如下：摄像头采集到的图像---->送入DSP/PC平台---->灰度化图像---->二值化图像---->确定边界（可以使用膨胀/收缩算法）---->计算封闭区域---->根据特征识别零件类型---->统计零件个数

这类方向一般发表论文有以下两种：
1 算法仿真类，根据收集到的测试图像，依靠Matlab仿真工具，针对某个或某几个部分（例如边界确定部分、零件特征识别部分等）设计在某些方面有出色表现的算法。
2 硬件类，依靠DSP或者PC平台，将摄像头实时采集到的图像进行分析和处理，设计有实用价值的识别系统。此类难度较大，很有挑战性。

我认识的机械专业和我们抢饭碗的多数都是从事硬件研究，因为导师之所以涉入到通信/自动化领域都是项目需要，但是跨行研究也不是一届学生就能完成的。不知道导师对你的要求有哪些，可以详细叙述一下。

希望可以帮助到你。如有问题，也可以再询问我。

-中国物联网校企联盟技术部

自动化专业有哪些课程

主要是控制方面的内容：
过程控制：就是一些生产工厂自动化生产的控制，如炼钢之类的过程的控制，像可口可乐生产线，汽车公司生产线这类的控制，你要知道，如果生产线的速度提高50%，公司就可以提高近50%的盈利啊！这类工厂控制还有一些课程，如PLC，主要就是编写程序实现这些控制；
嵌入式方面：如单片机，数电模电类，你学完单片机你就会发现原来那些当初自己觉得很高端的东西其实也就那么回事儿，比如现在的机器人，智能家居，我说的就是那么回事儿的意思是原理上你可以理解，但是实际搞出这些东西来还是很有挑战性的；
控制科学与工程方面的：自动控制原理，现代控制理论，计算机控制系统，电力拖动与自动控制系统等等，这些是控制方面的核心课程，主要研究的是如：如何控制电机启动的最快，并且稳定运行，比如电机在运行的时候如果加大负载的阻力，如何控制可以使它不会产生较大的转速差；机床加工里电机的控制。主要就是如何改善一些东西的性能，比如我们现在的电脑里面的磁盘，采用鲁棒控制之后，搜索的速度快了一倍；美国战机F-22，应用模糊控制使其转弯半径减少了一半，这在战机对战时的作用是非常非常重要的！
本科生这三方面的东西都会涉及，到研究生你才会最终确定是这三方面的哪个方向

自动化专业课程有哪些

我是自动化专业毕业生，我大学四年大致学了如下：可编程序控制器、C++程序设计、电路原理、自动控制原理、微型计算机原理、自动检测技术、单片机原理及接口技术、自动控制装置、计算机控制技术、人工智能控制、工程制图及CAD、模拟电子技术、数字电子技术、自动化专业英语、电力电子技术、工厂供电、电力传动控制系统、现代传感器，电机拖动
其中基础课程是：电路原理，模拟电子技术和数字电子技术

自动化专业要学什么课程

自动化专业培养要求：
本专业学生主要学习电工技术、电子技术、控制理论、自动检测与仪表、信息处理、系统工程、计算机技术与应用和网络技术等较宽广领域的工程技术基础和一定的专业知识，具有自动化系统分析、设计、开发与研究的基本能力，综合素质高，具有坚实理论基础和创新能力。
主要课程：

《电路》、《信号与系统》、《模拟电子技术》、《数字电子技术》、《自动控制原理》、《现代控制理论》《微机原理及应用》、《软件技术基础》、《电机与拖动》、《电力电子技术》、《计算机控制技术》、《系统仿真》、《计算机网络》、《运动控制》（亦称电力拖动自动控制系统）、《过程控制》、《单片机与嵌入式系统原理》、《计算机辅助设计》、《专业英语》和《智能控制》等。

自动化专业有哪些要求，需要学习哪方面的课程

自动化不需要太复杂的物理计算，只要明白物理的原理，计算机方面是要求掌握基本的 *** 作，自动化要求掌握很多的软件，可以先把最基本的 *** 作掌握就好，方向不同，学的也不一样
本专业主要培养从事电气工程及其自动化专业方面的研究、设计、运行、实验、管理及开发等领域工作的高级技术人才。本专业毕业生具有较宽厚的技术理论基础和比较坚实的专业基础知识，具有较强的电气工程基本技能和较好的电气工程实践训练，具有较强的创新能力，具备一定适用市场经济的科学研究、科技开发和组织管理能力。毕业生可到各类发电厂、电力系统供电部门、电力勘测设计研究单位、电力管理等部门就业，即电业局、设计院、工程局。

专业基础课有：PLC编程，工程力学、电路、模拟电子技术、数字电子技术、电机学、电力电子技术、自控理论等。

主要专业课有：电力系统分析、电力系统继电保护、现代电气传动控制技术、计算机控制技术等。电路原理、电子技术基础、电机学、电力电子技术、电力拖动与控制、计算机技术(语言、软件基础、硬件基础、单片机等)、信号与系统、控制理论等。

专业实验：电机与控制实验、电气工程系统实验、电力电子实验等。

就业前景：主要从事与电气工程有关的系统运行、自动控制、电力电子技术、信息处理、试验分析、研制开发、经济管理以及电子与计算机技术应用等领域的工作。电气自动化在工厂里应用比较广泛,可以这么说,电气自动化是工厂里唯一缺少不了的东西,是工厂里的支柱啊!你要是对电气自动化比较精通,用人单位立刻要你,不管是什么单位,最好是电子厂,因为电子厂天天用到自动化,编程,设计。如果你对工作待遇条件要求很看重。最好的是电业局。福利好，待遇高。然后是设计院，工作相对比较轻松。最艰苦的是工程局。因为要随着工程地点到处跑。但是工资也不低。而且还可以向自动化、电子等方向转行。

最重要的是干这一行永远都不会为找不到工作而发愁。虽然开始几年比较苦，拿的钱也不多。但是随着你的工作经验的增长，那你的待遇就会提高得很快。
下面是本专业分布院校（只例举了各省本专业在本省排前几位的高校）：
北京市清华大学、北京航空航天大学、中国农业大学、北京石油化工学院、北京工商大学、北京建筑工程学院
天津市天津大学、中国民用航空学院、天津理工学院、天津科技大学、天津城市建设学院、天津工业大学
河北省河北工业大学、华北电力大学、河北科技大学、燕山大学、河北建筑工程学院、石家庄铁道学院、河北职业技术师范学院、河北大学、河北农业大学
山西省太原理工大学、华北工学院
内蒙古自治区内蒙古工业大学、包头钢铁学院
辽宁省大连理工大学、大连海事大学、沈阳工业大学、辽宁工程技术大学、大连铁道学院、辽宁工学 院、 沈阳建筑工程学院、辽宁石油化工大学
吉林省东北师范大学、东北电力学院、长春工业大学、吉林建筑工程学院、长春理工大学
黑龙江省哈尔滨工业大学、哈尔滨工程大学、哈尔滨理工大学、佳木斯大学、黑龙江科技学院、大庆石油学院、黑龙江工程学院、黑龙江八一农垦大学
上海市同济大学、上海大学、上海理工大学、上海师范大学、上海海运学院、上海电力学院、上海应用技术学院、华东理工大学
江苏省江苏大学、东南大学、河海大学、南京理工大学、扬州大学、南京工业大学、南通工学院、盐城工学院、南京邮电学院、南京师范大学、江苏技术师范学院
浙江省浙江大学、浙江工业大学
安徽省安徽大学、合肥工业大学、安徽理工大学、安徽建筑工业学院
福建省华侨大学,福州大学
江西省南昌大学、华东交通大学、南方冶金学院
山东省山东大学、青岛大学、山东理工大学、山东科技大学、济南大学、山东农业大学、烟台师范学院、石油大学、临沂师范学院、青岛建筑工程学院、山东交通学院、莱阳农学院、曲阜师范大学
河南省郑州大学、焦作工学院、郑州航空工业管理学院、华北水利水电学院
湖北省武汉大学、华中科技大学、武汉工业大学、湖北民族学院、武汉工业学院、三峡大学、湖北大学
湖南省湖南科技大学、南华大学、长沙理工大学、株洲工学院
广东省华南理工大学、广东工业大学、广州大学、湛江海洋大学、惠州学院、华南农业大学
广西壮族自治区广西大学、桂林电子工业学院
海南省华南热带农业大学
重庆市重庆大学
四川省四川大学、电子科技大学、西南民族大学、西华大学、西南石油学院、成都理工大学、四川理工学院、四川师范大学
贵州省贵州大学(原贵州工业大学)
云南省昆明理工大学、云南民族学院、云南农业大学
自治区 大学
陕西省西北工业大学、西安交通大学、西安电子科技大学、长安大学、西安理工大学、陕西理工学院、陕西科技大学、 西安科技大学、宝鸡文理学院、西安石油大学、西安建筑科技大学、西北农林科技大学
甘肃省兰州理工大学、兰州交通大学、西北民族大学
青海省青海大学
新疆 尔自治区新疆大学

推荐报考院校：清华大学、浙江大学、华中科技大学、西安交通大学、西北工业大学、哈尔滨工业大学、天津大学等。

电气工程及其自动化专业
培养目标： 电气工程及其自动化专业培养适应我国社会主义建设需要的德、智、体全面发展的，能够从事与电气工程有关的系统运行、自动控制、电力电子技术、信息处理、试验分析、研制开发、经济管理以及电子与计算机技术应用等领域工作的宽口径“复合型”高级工程技术人才。
电气工程及其自动化专业培养要求： 电气工程及其自动化专业学生主要学习电工技术、电子技术、电气控制、电力系统、计算机技术与应用等方面较宽领域的工程技术基础和一定的专业知识。其主要特点是强弱电结合、电工技术与电子技术相结合、软件与硬件结合、元件与系统结合，学生将受到电工电子、信息控制及计算机技术方面的基本训练、具有解决电气控制技术问题及电力系统分析的基本能力。
电气工程及其自动化专业毕业生应获得以下几方面的知识和能力：
1．掌握较扎实的数学、物理、化学等自然科学的基础知识，具有较好的人文社会科学和管理科学基础和外语综合能力；
2．系统地掌握电气工程及其自动化专业领域必需的较宽的技术基础理论知识，主要包括电工理论、电子技术、信息处理、控制理论、电力系统分析、计算机软硬件基本原理与应用等；
3．获得较好的电气工程及其自动化专业工程实践训练，具有较熟练的计算机应用能力；
4．具有电气工程及其自动化专业领域内1—2个专业方向的专业知识与技能，了解电气工程及其自动化专业学科前沿的发展趋势；
5．具有较强的工作适应能力，具有一定的科学研究、科技开发和组织管理的实际工作能力。
电气工程及其自动化专业主干学科：电气工程、电力系统、计算机科学与技术、控制科学与工程。
电气工程及其自动化专业主要课程：电路原理、电子技术基础、电机学、电力电子技术、计算机技术(语言、软件基础、硬件基础、单片机等)、信号与系统、自动控制理论、电力系统分析、电气控制技术、检测与转换技术等。
电气工程及其自动化也有两个方向：电力工程和电气工程，属强电领域。可以就业于电厂、电业局等单位，待遇颇高，也比较辛苦。

自动化专业
自动化专业业务培养目标：
自动化专业培养的学生应具备电工技术、电子技术、控制理论、自动检测与仪表、信息处理、计算机技术与应用、系统工程、网络技术等较宽领域的工程技术基础和一定的自动化专业知识，能在电力电子技术、运动控制、检测与自动化仪表、工业过程控制、电子与计算机技术、信息处理、管理与决策等领域从事系统分析、系统设计、系统运行、科技开发及研究等方面工作的高级工程技术人才。
自动化专业业务培养要求：
自动化专业毕业生应获得以下几个方面的知识和能力：
1． 具有扎实的自然科学基础，较好的人文社会科学基础和外语综合能力；
2． 掌握本专业领域必需的较宽的技术基础理论知识，主要包括电路理论、电子技术、控制理论、信息处理、计算机软硬件基础及应用等；
3． 较好地掌握电力电子技术与运动控制、自动化仪表与工业过程控制、信息处理等方面的知识，具有本专业领域的专业知识和技能，了解本专业学科前沿和发展趋势；
4． 获得较好的系统分析、系统设计及系统开发方面的工程实践训练；
5． 在自动化专业领域内具备一定的科学研究、科技开发和组织管理能力，具有较强的工作适应能力。
自动化专业主干学科：控制科学与工程、电气工程、计算机科学与技术。
自动化专业主要课程：电路原理、电子技术基础、计算机原理及应用、计算机软件技术基础、自动控制理论、现代控制理论、控制系统仿真、信号与系统分析、电机与电力拖动基础、电力电子技术、运动控制系统、过程检测及仪表、控制仪表及装置、过程控制系统、微型计算机控制技术等。
电气工程及其自动化专业规范
（工程技术型）
电气工程及其自动化专业教学指导分委会
1 电气工程及其自动化专业教育的历史、现状及发展方向
19世纪上半叶，安培发现电流的磁效应、法拉第发现电磁感应定律。 19世纪下半叶，电磁理论集大成者麦克斯韦尔的理论为电气工程奠定了基础。 19世纪末到 20世纪初，西方国家的大学陆续设置了电气工程专业。
我国电气工程专业高等教育开始的时间并不晚。 1908年，南洋大学堂 ( 交通大学前身 ) 设置了电机专科，这是我国大学最早的电气工程专业，至今已有一个世纪。
1917年，交通大学的电机专科设置了电讯门，这是我国最早的无线电专业，后来逐步发展成如今的电子信息及计算机专业群。 :
1932年，清华大学设置了电机系。
1949年后，我国出现了一大批以工科为主的多科性大学，也出现了一批机电学院。这些学校基本上都有电机工程系。自 1977年起，大部分高校的“电机工程系”陆续改名为“电气工程系”，之后又有部分学校将其改为“电气工程学院”。
1998年前，我国大学的电类专业分为电工类与电子信息类。按照 1993年的专业目录，电工类专业共有电机电器及其控制、电力系统及其自动化、高电压与绝缘技术、电气技术、工业自动化 5个专业，而电子信息类共有专业 14个。
1998年，国家将专业目录进行了调整、合并和压缩。大学本科专业总数从 1993年的 504个调整至 249个，电工类和电子与信息类也合并成电气信息类。 1998年颁布的专业目录中，原电工类的电机电器及其控制、电力系统及其自动化、高电压与绝缘技术、电气技术等专业合并为目前的电气工程及其自动化专业。原电工类的工业自动化专业和电子信息类的自动控制等专业合并为自动化专业。在同时颁布的工科引导性专业目录中，又把电气工程及其自动化专业和自动化专业中的部分（主要是原工业自动化专业）合并为电气工程与自动化专业。
自 1998年新的专业目录公布以来，全国设置电气工程专业的大学数从 1999年的 123所增加到 2002年底的 197所，现已超过 200所。
目前，在发达国家的大学，保留了“电气工程系”的名称，有的和计算机专业一起称为“电气工程与计算机科学系”。其中，电气工程所涉及的内容主要是电子、信息等，传统的“电力工程”内容已不多见，已经很少有我国目前的“电气工程”专业。其背景是发达国家的发电装机容量已基本满足社会发展需求，用电需求年增长率不超过 2％，电力发展趋于饱和，所需传统电气工程人才数量大为减少。
我国和发达国家所处的发展阶段不同，国情差别很大。我国的电力工业还处于迅猛发展期，年用电增长率超过 10% ，在现有装机容量 36亿千瓦 (2003年底 ) 的基础上， 2020年预计装机容量约 95亿千瓦，仍需要大量的电气工程人才。与之相适应，各著名工科大学都把电气工程专业作为支柱性专业，一般大学的工科专业中也几乎都少不了电气工程专业。
11电气工程及其自动化专业的学科内涵
电气工程及其自动化专业主要是研究电能的产生、传输、转换、控制、储存和利用的专业。近几十年来，有关电能的转换、控制在该专业所占的地位日益重要，专业名称中的“及其自动化”就反映了科学技术的这种发展和变化。
电气工程是从人们对电磁现象的研究开始，电磁理论是电气工程的理论基础，而电磁理论是从物理学中的电学和磁学逐步发展而形成。
人类社会发展到任何时候也离不开能源，能源是人类永恒的研究对象，而电能是利用最为方便的能源形式。因此，以电能为研究对象的电气工程及其自动化专业有着十分强大的生命力。
电气工程及其自动化专业是一个工程性很强的专业，正是因为电气工程的发展，才能有庞大的电力工业，人类才不可逆转地进入伟大的电气化时代。
迄今为止，通信和计算机都主要以电作为信息的载体。因此，这些专业也都属于电类专业，电气工程实际上是其母体。电气工程及其自动化的研究对象是电能，而电信息的检测、处理、控制等技术在电能从产生到利用的各个环节中都起着越来越重要的作用。因此，有关电信息的研究也成了电气工程及其自动化专业的重要组成部分，专业名称中也就有了的“及其自动化
电气工程及其自动化专业的基础性也决定了其具有很强的学科交叉能力。电气工程和生命科学的交叉已经产生了生物医学工程专业，对生命中电磁现象的研究产生了一门生物电磁学。电气工程和材料科学的交叉形成了超导电工技术和纳米电工技术。电气工程和电子科学以及控制科学的交叉产生了电力电子技术，电力电子技术不但给电气工程的发展带来了极大的活力，同时电力电子技术也成为电气工程的重要分支。
电气工程及其自动化专业的专业范围主要包括电工基础理论、电气装备制造和应用、电力系统运行和控制三个部分。电工理论是电气工程的基础，主要包括电路理论和电磁场理论。这些理论是物理学中电学和磁学的发展和延伸。而电子技术、计算机硬件技术等可以看成是由电工理论的不断发展而诞生，电工理论是它们的重要基础。电气装备制造主要包括发电机、电动机、变压器等电机设备的制造，也包括开关、用电设备等电器与电气设备的制造，还包括电力电子设备的制造、各种电气控制装置、电子控制装置的制造以及电工材料、电气绝缘等内容。电气装备的应用则是指上述设备和装置的应用。电力系统主要指电力网的运行和控制、电气自动化等内容。当然，制造和运行不可能截然分开，电气设备在制造时必须考虑其运行，如电力系统由各种电气设备组成，其良好的运行必然要依靠良好的设备。
12电气工程及其自动化专业的方法论介绍
本专业学科的科学方法与其他工程技术学科类同，理论分析是其最基本的研究方法。在诸多的工科专业中，电气工程及其自动化专业使用的数学工具较多，理论分析在其中的地位也更为重要。
作为工科专业，实验研究是最主要和最基本的手段，没有基本的实验条件，学生就难以掌握本专业的知识。
随计算机技术的发展，仿真模拟也已是本专业广泛使用的一种方法。
在使用上述理论分析、实验研究和仿真模拟中，等效与类比都是本专业重要的科学方法。

电气自动化专业最主要的课程是什么啊

主要基础课程：

高等数学、线性代数、概率统计、工程数学（复变函数专与积分变化）、大学物理、现代属工程制图、计算机基础及C程序设计语言实验、计算机基础及C程序设计语言；

MATLAB编程与工程应用、电工电子测量技术及实验、电路原理、电子技术基础、、电子系统设计与实践、工程训练、信号与系统。

主要专业课程：

电机及电力拖动基础、电力电子变流技术、微机原理与接口技术、自动控制原理、过程控制及仪表、计算机网络与通信、计算机控制技术；

运动控制系统、传感器与检测技术、PLC原理及应用、数字信号处理、单片机原理及应用、嵌入式系统技术、运筹学。

(5)什么课程是自动化专业的主要课程扩展阅读：

专业特点：

控制理论和电力网理论是电气工程及自动化专业的基础，电力电子技术、计算机技术则为其主要技术手段，同时也包含了系统分析、系统设计、系统开发以及系统管理与决策等研究领域。

该专业还有一些特点，就是强弱电结合、电工电子技术相结合、软件与硬件相结合，具有交叉学科的性质，电力、电子、控制、计算机多学科综合，使毕业生具有较强的适应能力，是“宽口径”专业。

自动化专业都学什么课程

自动化专业主要研究的是自动控制的原理和方法，自动化单元技术和集成技术及其在各类控制系统中的应用。它以自动控制理论为基础，以电子技术、电力电子技术、传感器技术、计算机技术、网络与通信技术为主要工具，面向工业生产过程自动控制及各行业、各部门的自动化。
主要课程
电路原理、电子技术基础、计算机原理及应用、计算机软件技术基础、过程工程基础、电机与电力拖动基础、电力电子技术、自动控制理论、信号与系统分析、过程检测及仪表、运筹学、计算机仿真、计算机网络、过程控制、运动控制、系统辨识基础、计算机控制系统、系统工程导论

江南大学自动化专业主要课程是什么

国家特色专业建设点、教育部“卓越工程师教育培养计划”专业、江苏省品牌专业、江苏省重点专业、江苏省“卓越工程师（软件类）教育培养计划”专业
培养适应现代科学技术发展和经济建设需要，具有健全人格和良好品德，掌握自动化相关领域基础理论和专业技能，能够在物联网产业、智能制造业以及轻工业等相关行业从事系统分析、设计、开发、运行管理及维护等工作的高素质工程技术人才。
主要课程：电路理论、电子技术、自动控制原理、计算机控制系统、现代控制理论基础、电机与拖动基础、单片机原理与接口技术、过程控制系统、运动控制系统、电力电子技术等。
就业去向：毕业生可在企业、机关、科研院所、大中专院校等从事自动化产品设计与开发、系统维护与管理及教学科研工作等。

自动化专业的课程

专业基础课有：PLC编程，工程力学、电路、模拟电子技术、数字电子技术、电机学、电力电子技术、自控理论等。

主要专业课有：电力系统分析、电力系统继电保护、现代电气传动控制技术、计算机控制技术等。电路原理、电子技术基础、电机学、电力电子技术、电力拖动与控制、计算机技术(语言、软件基础、硬件基础、单片机等)、信号与系统、控制理论等。

专业实验：电机与控制实验、电气工程系统实验、电力电子实验等。

自动化专业哪些课程重要

自动控制原理重要，但是要是想搞的精，数学也很重要，有深厚的数学基础，控制才能搞的好。与化学无关。反正我不学。自动控制的范围很广，有很多方向，不同的方向侧重点也不一样。国内一般就是做系统，搞项目，想走学术的路，还是把理论和数学多学一些。然而一些动手能力要求也得强。

了解： 想要就读于物联网专业，首先要较深入的了解一下物联网究竟是什么呢？ 物联网是基于互联网、广播电视网、传统电信网等信息承载体，让所有能够被独立寻址的普通物理对象实现互联互通的网络又称为物联网域名。涉及领域也是有很多种的。在我的学校，物联网专业是一个很大的专业群体，每个年纪人数足足有200余人，而我的学院也是以物联网专业来命名：物联网工程学院。下面就是我开学时学院新生典礼的照片（当年可也是怀了满满的憧憬与希冀呀）：

如果真的对它有兴趣，打算就读的话，那么就请往下看咯，我就来讲一讲大学四年究竟学了些什么，有了什么心得体会呢？

基础课程：首先呢，物联网专业大一大二的时候都是学习的很基础的课程，先是高等数学，概率论、大学物理，c语言，电路原理，模拟电路，数字电路这类的工科基础课程，可以培养数学物理编程等基础工科能力。

入门课程：还有一些入门课程，比如说物联网工程概论、物联网通信技术、物联网技术应用等。如果想要提前做了解的话，将这些书翻看翻看提前了解一下，这也是很有必要的呀。到时候学习起来会比别人更容易上手，也更轻松。在我们学院的话很多物联网基础课程是全院都需要学的，比如下面这本基础课程:

专业课程：还有很多专业课的学习，物联网学习的内容是比较宽泛的，无论物联网方向、通信方向还是计算机和自动化方向，我们物联网专业都是有所涉猎的，比如说自动化专业方向的自动控制原理、电路原理、模电和数电等，通信专业方向的天线技术、通信原理和感测技术与无线传感技术等，还有就是计算机方向的计算机网络、数据结构等。大家常说自动化专业是万金油专业，而物联网专业又何尝不是呢，将物联网专业学习好的话，也是走遍天下都不怕了，哈哈。

 实践：在基础课和专业课都有些了解的情况下，我们来看看物联网专业平时的实验课程和接触到的实际应用，如下图：

经过上面的简略介绍，希望对想要就读物联网专业的学弟学妹们有帮助呀~

---