人工智能主要学习以下课程：
1. 数学基础：包括高等数学、线性代数、概率论与数理统计等。人工智能涉及大量数据处理和算法设计，数学基础是理解和解决这些问题的关键。其中，高等数学有助于理解函数和极限等数学概念；线性代数有助于理解矩阵运算；概率论与数理统计有助于理解不确定性问题。
2. 计算机科学与技术课程：包括计算机程序设计、数据结构、计算机网络、操作系统等。这些课程能够让人工智能专业学生学习和掌握计算机的基本原理和技术，从而更好地应用计算机进行人工智能相关的研究和实践。例如，计算机程序设计是人工智能实现的重要手段。人工智能的实现需要编程语言来实现算法的设计，计算机原理的理解能让人工智能专业人士更好的使用编程实现自己的思想。同时数据结构的理解和运用能帮助实现机器学习算法等。
3. 人工智能专业课程：包括机器学习、深度学习、自然语言处理、计算机视觉等。这些课程涵盖了人工智能的核心技术和应用领域。机器学习是人工智能的核心，让机器通过学习数据自动发现规律和模式；深度学习是机器学习的一种重要方法，通过构建深度神经网络来模拟人脑的工作过程；自然语言处理则是让机器理解和处理人类语言；计算机视觉则是让机器能够像人一样识别和理解图像和视频等视觉信息。通过学习这些课程，人工智能专业的学生能够掌握人工智能的核心技术和应用方法，为未来从事相关领域的工作打下坚实的基础。此外可能还有更多进阶课程如专家系统、数据挖掘等等根据个人或科研需要进行选择性学习。这些都是建立在基础课程理解之后为了让人工智能专业的人才更深入某一领域进行的进一步学习。例如数据挖掘可以帮助研究人员发现隐藏的信息或模式用于进一步分析和研究应用等等。