软件工程专业通常会学习人工智能相关课程，但并非所有学校都将其设为必修课。
部分高校的软件工程专业会将人工智能作为选修课程供学生选择，如线性模型、统计学习、机器学习算法等。而一些学校则可能未开设人工智能相关课程，学生需自行选修或通过其他途径学习。
软件工程专业中人工智能课程设置情况
在软件工程专业中，不同高校对人工智能课程的设置情况各不相同。以下是一些高校的具体设置：
- 山东大学：软件工程（人工智能新工科）专业的培养方案融合了数学基础、计算和程序基础，同时引入国际顶级人工智能学科专业优势课程，形成独立的、系统化的本科培养体系。该专业的核心课程包括人工智能数学基础、模式识别与机器学习、知识表示与推理、人工智能程序设计实践、人工智能软件开发与实践、智能系统设计与实践等。
- 西安电子科技大学：其人工智能专业依托学校计算机和电子信息学科优势，旨在培养以“智能+信息处理”为特色的专业人才。该专业的课程体系包括通识基础、算法原理、前沿拓展、实践实训四个模块，注重理工贯通、文理兼容。
- 清华大学：从2024级学生开始，将面向全体大一新生开设“人工智能导论”必修课。在导论课之前，还开设了“人工智能算法基础”“大学计算机基础”“C语言程序设计”等11门相关前置课。
- 北京航空航天大学：同样从2024级学生开始，面向全体大一新生开设“人工智能导论”必修课。
- 北京理工大学：面向大一学生开设分层次、分类别的人工智能通识课，面向大二学生开设人工智能辅修专业，并针对“法学-人工智能、生物技术-人工智能、工商管理-人工智能”等部分专业开设人工智能双学位项目。
- 北京邮电大学：也是从2024级学生开始，启动本科新生人工智能通识教育培养。
- 南京大学：明确今年将面向本科生开设人工智能通识必修课程。
- 东南大学：也计划今年面向本科生开设人工智能通识必修课程。
- 南京航空航天大学：同样计划今年面向本科生开设人工智能通识必修课程。
- 南京工业大学：明确今年将面向本科生开设人工智能通识必修课程。
主要的人工智能相关课程内容
软件工程专业中与人工智能相关的课程内容主要包括以下几门：
-
《人工智能导论》：这门课程是软件工程专业的一门重要专业课，主要介绍人工智能的一般原理。其内容包括搜索与问题求解、知识与推理、学习与发现以及领域应用四个方面。通过该课程的学习，学生能够了解人工智能的提出、机器学习、深度学习等重要研究领域，掌握人工智能求解方法的特点，并学会用知识表示方法、推理方法和机器学习、深度学习等方法求解简单问题。
-
《机器学习》：这门课程主要讲解机器学习的基本概念、原理和方法。学生将学习如何让计算机通过学习从数据中获取知识，包括监督学习、无监督学习和强化学习的原理及其实例。通过该课程的学习，学生能够掌握机器学习算法的应用，并能够在实际项目中运用这些算法解决问题。
-
《深度学习》：这门课程主要关注深度学习的原理和应用。学生将学习深度学习中的图像识别、卷积神经网络、自然语言处理、循环神经网络等内容。通过该课程的学习，学生能够理解深度学习在人工智能中的重要性，并能够运用深度学习技术解决实际问题。
-
《数据挖掘》：这门课程主要介绍数据挖掘的基本概念、原理和方法。学生将学习如何从大量数据中提取有价值的信息，包括分类、回归、聚类算法等。通过该课程的学习，学生能够掌握数据挖掘技术的应用，并能够在实际项目中运用这些技术进行数据分析和决策支持。
-
《模式识别》：这门课程主要研究模式识别的基本理论和方法。学生将学习如何识别和分类不同的模式，包括图像识别、语音识别、文本识别等。通过该课程的学习，学生能够掌握模式识别技术的应用，并能够在实际项目中运用这些技术进行模式识别和分类。
综上所述，软件工程专业中与人工智能相关的课程内容涵盖了人工智能的基本原理、机器学习、深度学习、数据挖掘和模式识别等多个方面。这些课程为学生提供了全面的人工智能知识和技能培养，有助于他们在未来的职业生涯中更好地应对人工智能领域的挑战和机遇。
自主选择与其他途径获取知识的重要性
分析为什么有些学校不将人工智能作为必修课，而是让学生通过自主选择或其它途径来获取这些知识。
-
个性化学习需求：每个学生的学习能力、兴趣和背景都不同，传统的“一刀切”教育模式难以满足学生的个性化需求。而人工智能技术可以通过分析学生的学习数据，精准识别每个学生的知识掌握情况、学习习惯和兴趣点，从而提供个性化的学习路径。如果将人工智能设为必修课，可能无法完全适应每个学生的个性化需求。
-
教育资源限制：在一些地区，由于教育资源有限，可能无法为所有学生提供高质量的人工智能教育。因此，学校可能更倾向于让学生通过自主选择或其他途径来获取这些知识，以便更好地利用有限的资源。
-
教师授课能力：目前，并非所有教师都具备教授人工智能课程的专业背景和能力。如果将人工智能设为必修课，可能会对教师的授课能力提出更高的要求。而让学生通过自主选择来学习人工智能，可以在一定程度上缓解教师授课能力不足的问题。
-
课程定位模糊：部分教育管理者和教师对人工智能学科的认识尚不清晰，教学方案也未形成规范性的认知和界定。在这种情况下，将人工智能设为必修课可能会增加教学难度和不确定性。
-
政策支持与投入：虽然中国政府已经将人工智能上升为国家战略，并推动智能教育普及，但各地在人工智能教育方面的投入和政策支持力度仍存在差异。一些地区可能因政策支持不足或投入不够，而无法将人工智能设为必修课。
-
技术局限性：目前的人工智能技术仍存在一定的局限性，如在处理复杂的主观性问题时往往难以达到人类教师的水平。此外，人工智能系统的运行还依赖于大量的数据，而在一些教育资源匮乏的地区，数据的缺乏可能限制其应用效果。
-
隐私与安全问题：人工智能在教育中的应用需要收集和分析大量的学生数据，这引发了人们对隐私和数据安全的担忧。如何确保学生的个人信息不被滥用，以及防止数据泄露，都是亟待解决的问题。
-
教育公平性问题：人工智能技术的应用可能加剧教育资源的不平等。发达地区和富裕家庭能够更快地采用先进的AI教育工具，而贫困地区的学生可能无法享受到同样的资源。
综上所述，学校不将人工智能作为必修课，而是让学生通过自主选择或其他途径来获取这些知识，可能是基于多方面的考虑。这种做法既能够满足学生的个性化需求，又能够在一定程度上缓解教育资源紧张、教师授课能力不足等问题。同时，也有助于推动人工智能教育的普及和发展。