一、新高考选科要求

1. 必选物理

人工智能属于计算机类或电子信息类专业,无论是“3+3”还是“3+1+2”模式,物理是绝大多数高校的硬性要求。例如:

  • 北京、江苏等地的院校中,计算机类、人工智能专业均要求选考物理。
  • 2025年全国99.7%的人工智能专业要求“物理+化学”组合,仅极少数院校(如昆明理工大学)要求“物理+化学+生物”。
  • 2. 建议加选化学

    部分顶尖高校(如南京大学、中山大学)在物理基础上增加化学要求,以提高竞争力或适配更高阶课程(如算法优化、硬件设计)。

    二、学科知识基础

    (一)数学核心课程

    1. 线性代数:矩阵运算、特征值分解等是机器学习模型(如神经网络、主成分分析)的基础。

    2. 概率论与数理统计:处理数据不确定性、贝叶斯理论、参数估计等关键技能。

    3. 微积分:梯度下降、反向传播等算法依赖导数与积分知识。

    4. 离散数学与优化理论:逻辑推理、图论及凸优化在算法设计中广泛应用。

    (二)计算机科学基础

    1. 编程语言:Python(主流AI开发)、C++(高性能计算)是必备技能,需掌握数据结构与算法设计。

    2. 操作系统与计算机网络:涉及分布式计算(如GPU集群管理)、数据存储与传输,对大规模模型训练至关重要。

    3. 数据库与编译原理:数据管理及底层系统优化(如TensorFlow框架)的基础。

    (三)人工智能核心课程

    1. 机器学习:监督学习(线性回归、SVM)、无监督学习(聚类)、强化学习(Q-learning)等。

    2. 深度学习:卷积神经网络(CNN)、循环神经网络(RNN)、Transformer模型等。

    3. 自然语言处理(NLP)与计算机视觉(CV):文本分析、图像识别等应用技术,需结合算法与领域知识。

    三、跨学科知识(进阶方向)

    1. 神经科学:模拟人脑神经网络结构,研究认知机制与类脑计算。

    2. 心理学:用户行为分析与人机交互设计。

    3. 学与法律:AI技术的社会影响评估与合规性。

    四、实践能力培养

    1. 项目实践:参与开源项目(如Kaggle竞赛)、企业实习或科研课题,提升算法实现与调优能力。

    2. 工具掌握:熟练使用TensorFlow、PyTorch框架,以及数据处理工具(Pandas、NumPy)。

  • 选科:物理+化学组合覆盖99%以上的院校要求,且适配高阶课程。
  • 学科基础:数学(线性代数、概率统计)与计算机核心课程(编程、算法)为基石,AI专业课(机器学习、深度学习)为核心。
  • 发展方向:根据兴趣选择细分领域(如CV、NLP),并补充跨学科知识以增强竞争力。
  • 建议结合目标院校的具体要求(如南京大学需化学)提前规划,并通过竞赛、项目积累实践经验。