美国学生如何学人工智能？
之前答过了，看到有人点赞，重新贴上答案。 先摆结论再讲故事——在美国顶级本科大学中（MIT， CMU， UIUC）学AI是相当累的，比CS其他方向都累很多，如果没点决心真不适合学这个专业。因为课太难，作业太多了！
首先给出结论： 在这些学校里，AI专业是学习压力最大的一个专业之一 ---- 学AI需要非常强大的自控力、自我驱动能力以及抗压能力，如果没有这些素质，建议不要选择这个方向。
我目前就读的UIUC CS系的选课制度相当灵活，学生可以根据自己的喜好和需求来定制自己的课程表，选择自己喜欢的老师上课。因此为了减少选课的难度，我们通常会去选大一新生的课(大一大二的课程相对容易)。 例如今年秋季我选修了CMU的MVE（ Machine Learning and Visualization Engineering ) 这门课属于CMU EECS（Engineering & Computer Science）下的方向。这门课的主要学习内容就是机器学习+可视化。
除了课堂知识外，最花时间和精力的是课程配套的HCI项目，每个星期都要写报告总结这周的学习内容以及下一周的学习计划。由于我是国际生，在写这个项目的时候还需要额外花时间和语言导师沟通，修改论文。 我还选修了另一门由CMU EECS开设的数据挖掘课程－ Data Mining for Large Datasets 。这门数据挖掘课程主要讲解的内容包括数据库系统基础，SQL语法，基本的数据分析理论（描述统计分析，推断统计分析等）以及Hadoop的基本使用。虽然课程主要介绍的数据挖掘是基于大数据的，但实际上讲授的内容比较基础。上这门课只需要平时好好听课，课后完成布置的作业，考前认真复习就能够取得不错的成绩。
除了选修课以外，我还选择了我们系的主修课（CSCI567 / CSCI568），这两门课分别讲授人工智能和机器人学的理论知识和最新研究进展。 因为我是国际学生并且想申请Master，所以不能选择太容易的课，这样绩点就会不够好看。虽然这两个专业都是最难拿高分的，但对我来说，能拿A就已经很努力了.... 除开这些正式的课程，作为CS专业的学生还要花大量的时间做课题，做Project，看相关领域的paper。
因为我是机器人学专业，要学习的知识内容和AI有很多重合之处，所以需要看的paper和做的课题也很多。如果你不是机器人学专业，那你需要学习的知识量和难度还会进一步增加！ 因为我是在本科期间修读这两个专业的，所以没法告诉你具体每一门课的具体信息。
但是可以告诉你，在UIUC，要想学好CS（无论哪个分之）都是非常难的！ 每一个CS的课程设置都很复杂，不仅要求你拥有良好的编程基本功，同时还需要你有深刻的理论知识作为支撑。
以上只是我个人的经历分享，仅供参考～每个人的学习习惯不同，所适应的教学模式也不一样。希望题主可以多提供一些关于自己未来规划的信息，我们再做具体的定位和建议。