No.15 Princeton University
图片来源：学校官网
普林斯顿计算机科学系提供计算机科学核心领域以及一系列应用和跨学科领域的本科课程，课程的另一个重要方面是独立项目，每个学生至少完成一个由教职员工建议的设计或研究项目，这使学生有机会从事前沿研究或创业产品设计。 普林斯顿的机器学习和计算感知研究侧重于机器学习的理论基础、机器学习算法的实验研究，以及机器学习在生物学和信息检索等其他领域的跨学科应用，学者正在研究的一些技术包括概率图形模型和非参数贝叶斯技术。 普林斯顿大学提供的有关人工智能和机器学习的课程如下： COS 302 (Fall, Spring) - Mathematics for Numerical Computing and Machine Learning COS 324 (Fall, Spring) - Introduction to Machine Learning COS 424 (Spring) - Fundamentals of Machine Learning COS 429 (Fall) - Computer Vision COS 484 (Fall) - Natural Language Processing COS 485 - Neural Networks: Theory and Applications COS 511 - Theoretical Machine Learning COS 529 (Spring) - Advanced Computer Vision COS 584 (Spring) - Advanced Natural Language ProcessingNo.14 University of California, Los Angeles
图片来源：学校官网
加州大学洛杉矶分校校园内有一个充满活力的人工智能生态系统，但在 Samueli 工程学院内尤其如此。该领域专注于构建智能行为的算法，能够做出复杂的预测并解决具有挑战性的问题。 教师阵容包括来自不同工程背景的世界知名专家，包括电气和计算机工程领域的计算机视觉和信号处理专家，以及学校计算机科学系从事机器学习、自然语言处理和概率模型的人才，课程侧重于构建能够推理、学习和智能行动的智能机器，以及执行通常需要人类智能才能完成的任务。No.13 University of Maryland, College Park
图片来源：学校官网
人工智能在马里兰大学帕克分校的计算机部门有着悠久的历史，目前支持非常活跃的研究和教育项目，提供范围广泛的课程，包括入门 AI、自动规划、认知建模、常识推理、进化计算、博弈论、机器学习、多代理系统、自然语言处理和神经计算。 学校以前的许多学生都取得了很高的成就，包括 Vipin Kumar（博士，1982 年），美国科学促进会、ACM 和 IEEE 院士；杨强 (博士，1989年)，IEEE 院士；Naresh Gupta（博士，1993 年），Adobe 高级副总裁；Lee Spector（博士，1992 年），ISGEC 院士；Gary Flake（博士，1993 年），Microsoft 杰出工程师和著名的《The Computational Beauty of Nature》一书的作者；以及 Narendra Ahuja（博士，1979 年），IEEE、AAAI、SPIE 和 ACM 院士。No.12 Columbia University
图片来源：学校官网
哥伦比亚大学的人工智能研究侧重于机器学习、自然语言和语音处理、计算机视觉、机器人技术和安全性。人工智能研究人员在大学内外广泛合作，为医学、公共安全、法律、新闻和其他领域的应用做出贡献，一些人工智能的教师也是统计系、电气工程系或数据科学研究所的成员。No.11 University of California, San Diego
图片来源：学校官网
UCSD 的人工智能团队从事广泛的理论和实验研究，特别强的领域包括机器学习、不确定性推理和认知建模。在这些领域内，学生和教师还致力于解决自然语言处理、数据挖掘、计算机视觉、机器人技术、语音和音频处理、生物信息学和计算机安全等问题的实际应用，学校大力支持和鼓励跨学科合作。No.10
University of Texas, Austin
图片来源：学校官网
得克萨斯大学奥斯汀分校的人工智能研究侧重于机器认知的挑战，机器学习、计算机视觉、NLP和机器人技术等不同子领域的理论和经验，目前的研究主题包括计算机视觉、进化计算、机器学习、多模态、自然语言处理、神经网络、强化学习和机器人技术。No.9 University of Michigan, Ann Arbor
图片来源：学校官网
密歇根大学的人工智能研究由一个多学科研究小组组成，他们对智能系统进行理论、实验和应用研究，目前的项目包括理性决策、多代理分布式系统、机器学习、强化学习、认知建模、博弈论、自然语言处理、机器感知、医疗保健计算和机器人技术的研究。 人工智能的研究往往是高度跨学科的，建立在计算机科学、语言学、心理学、经济学、生物学、控制学、统计学和哲学的思想之上。在追求这种方法时，教师和学生与整个大学的同事密切合作。No.8 University of Illinois, Urbana-Champaign
图片来源：学校官网
UIUC的人工智能包括几个关键领域：计算机视觉、机器聆听、自然语言处理和机器学习。计算机视觉系统可以理解图像和视频，例如，从视频中构建广泛的城市几何和物理模型，或警告建筑工人注意附近的危险。自然语言处理系统理解书面和口头语言，可能性包括将文本从一种语言自动翻译成另一种语言，或者理解维基百科上的文本以产生关于世界的知识。机器收听系统可以理解音频信号，其应用包括收听交通信号灯处的碰撞声或自动转录和弦音乐。机器学习对现代人工智能至关重要，它利用示例来调整系统以尽可能有效地工作。 UIUC的人工智能和机器学习相关课程包括： CS 543 / ECE 549 – Computer Vision CS 445 – Computational Photography CS 446 – Machine Learning CS 598 – Machine Learning Theory CS 440 – Artificial Intelligence CS598PS – Machine Learning for Signal Processing IE 534 – Deep LearningNo.5 University of Washington
图片来源：学校官网
华盛顿大学的人工智能组研究智能行为背后的计算机制，活跃于广泛的研究领域，包括机器学习、自然语言处理、概率推理、自动规划、机器阅读和智能用户界面，是世界领先的 AI 研究中心之一，在该领域顶级会议上的成绩、学生和教师的个人荣誉以及备受瞩目的研究合作（例如与艾伦研究所的合作）都证明了这一点。 华盛顿大学的人工智能相关本科课程包括： CSE 415: Introduction to Artificial Intelligence CSE 427: Computational Biology CSE 428: Computational Biology Capstone CSE 446: Machine Learning CSE 455: Computer Vision CSE 473: Introduction to Artificial Intelligence PrincipalNo.5
Georgia Institute of Technology
图片来源：学校官网
在佐治亚理工学院，人工智能 (AI) 和机器学习 (ML) 是大量的教师和研究兴趣，主要关心的是构建人类智能的自上而下和自下而上的模型；构建可以提供智能辅导的系统；创建自适应和智能娱乐系统；制作能够理解自己行为的系统；加深对如何构建能够适应涉及众多其他智能代理的动态环境的自主代理的理解；建模和预测人类行为；自动化创造力；以及解决其他各种问题。 在本科阶段，AI 和 ML 主要存在于两个线程中：Intelligence 和 Devices，课程包括人工智能概论、机器学习、自然语言理解、基于知识的人工智能、游戏人工智能和模式识别。机器人学和计算感知方面的一些课程也有人工智能或机器学习方面的内容，这些课程的版本也适用于研究生级别。No.5 Cornell University
图片来源：学校官网
自 1990 年代初以来，康奈尔计算机科学系已发展成为世界领先的人工智能团队之一，从他们的获奖记录、新闻报道和其他认可中可以看出这一点。 同时，相对较小的规模造就了一个协作和合作的环境，在这个环境中，广泛的研究小组蓬勃发展。一些研究小组如下： AI, ethics, and policy Combinatorial search, connections to operations research and statistical physics Computational sustainabilityNo.4
University of California, Berkeley
图片来源：学校官网
伯克利人工智能研究 (BAIR) 实验室汇集了加州大学伯克利分校计算机视觉、机器学习、自然语言处理、规划、控制和机器人领域的研究人员，包括 50 多名教职员工和 300 多名研究生和博士后研究人员，他们从事上述领域的基础性进展研究，以及跨领域主题，包括多模态深度学习、人类兼容的 AI 以及将 AI 与其他科学学科联系起来。 在加州大学伯克利分校，本科 AI 相关课程往往有课程编号 CS18_、EE12_，研究生 AI 相关课程往往有课程编号 CS28_、EE22_，以及专题课程CS294-xxx。No.3
Stanford University
图片来源：学校官网
斯坦福人工智能实验室 (SAIL) 由John McCarthy 教授于 1963 年创立，至今仍是一个丰富、充满智慧和激发灵感的学术环境。通过多学科和多院系合作，SAIL 促进新发现并探索通过 AI 增强人机交互的新方法，同时培养下一代研究人员。SAIL 工作人员的支持帮助研究人员、访问学者和学生推进新发现和创新，这些团队的合作增加了前沿研究的深度和广度。 斯坦福大学的人工智能相关课程包括： CS139 Human-Centered AI CS157 Computational Logic CS221 Artificial Intelligence: Principles and Techniques CS223A Introduction to Robotics CS225A Experimental Robotics CS228 Probabilistic Graphical Models CS229 Machine LearningNo.2
Massachusetts Institute of Technology
图片来源：学校官网
计算机科学与人工智能实验室 (CSAIL) 是麻省理工学院的一个研究所，由 2003 年计算机科学实验室 (LCS) 和人工智能实验室 (AI Lab) 合并而成，位于 Ray 和 Maria Stata 中心内，按研究范围和成员资格衡量，是最大的校内实验室。 CSAIL 的研究活动围绕着许多半自治的研究小组组织，每个研究小组由一名或多名教授或研究科学家领导，这些小组的研究领域包括： 人工智能 计算生物学 图形和视觉 语言与学习 计算理论 机器人技术 系统（包括计算机体系结构、数据库、分布式系统、网络和联网系统、操作系统、编程方法和软件工程等） 值得一提的是，CSAIL 主持万维网联盟 (W3C)。No.1 Carnegie Mellon University
图片来源：学校官网
自该领域创立以来，卡内基梅隆大学在人工智能教育和创新方面一直处于世界领先地位，计算机科学学院在 2018 年秋季开始提供美国第一个人工智能学士学位。 人工智能本科项目为学生提供将大量数据转化为可操作决策所需的深入知识，该项目及其课程侧重于如何使用复杂的输入——例如视觉、语言和庞大的数据库——来做出决策或增强人类能力，包括计算机科学、数学、统计学、计算建模、机器学习和符号计算方面的课程。由于卡内基梅隆大学致力于人工智能造福社会，学生还将学习道德和社会责任课程，并可选择参与独立的研究项目，这些项目将在医疗保健、交通和教育等领域改善世界。 正如 AI 将机器学习和自然语言处理等学科结合起来一样，人工智能项目的教职员工广泛来自学校计算机科学系、人机交互研究所、软件研究所、语言技术研究所、机器学习系和机器人研究所。写在最后
人工智能项目最好的美国大学排行就到此为止啦！想必大家不难发现，这一排行和计算机科学项目最好的排行重叠还是较大的~ 如果同学们想了解 TD全程/文书/转学申请服务，或期待TD在文书、选校和选专业、面试、科研项目等方面给予支持 ，可以扫描下方二维码添加TD小马甲进行咨询，如果已经有马甲好友则无需重复添加，直接咨询即可。
