机器智能专业的学习内容涵盖了多个学科领域，主要包括以下几个方面：

基础学科课程

计算机科学基础：如计算机导论、数据结构、算法设计与分析、操作系统、计算机网络等。

数学和统计学课程：高等数学、线性代数、概率论与数理统计、离散数学等。

核心专业课程

机器学习和深度学习：包括机器学习基础、深度学习原理、神经网络、卷积神经网络、循环神经网络等内容。

自然语言处理（NLP）：研究人与计算机之间使用自然语言进行有效通信的各种理论和方法，包括语言处理、语言生成、语言理解等。

计算机视觉：研究如何使机器“看”的科学，即让计算机通过图像或视频来理解世界，包括图像处理、图像识别、物体检测、视频分析等内容。

进阶与交叉课程

数据科学和大数据技术：包括数据挖掘、大数据分析、数据可视化等课程。

伦理学和法律课程：如《人工智能、社会与人文》、《人工智能哲学基础与伦理》等，关注人工智能技术的社会影响、伦理问题和法律法规。

认知心理学和神经科学基础：研究人类的记忆与学习、语言与思维、计算神经工程等。

实践应用课程

工业机器人技术与应用、 数控机床与编程、 电气控制与PLC应用、 传感器与检测技术、 智能装备故障诊断与维修等。

机器人规划与学习、 仿生机器人、 群体智能与自主系统、 无人驾驶技术与系统实现、 游戏设计与开发、 计算机图形学、 虚拟现实与增强现实等。

其他相关课程

人工智能现代方法、 问题表达与求解、 人工智能哲学基础与伦理等。

这些课程共同构成了机器智能专业的学习体系，旨在培养学生在人工智能领域的理论知识和实践能力，使其能够胜任科研、开发、应用等多方面的工作的需求。建议学生在学习过程中，注重理论与实践相结合，积极参加实验、项目和实习等活动，以加深对所学知识的理解和应用能力。