人工智能编程的核心专业选择需围绕技术基础、应用领域和学科交叉展开，以下是综合推荐：
一、核心推荐专业
计算机科学与技术 - 基础与技术覆盖：
涵盖编程语言（Python/C++）、数据结构、算法设计及计算机系统，是人工智能编程的核心基础。 - 子领域关联：包含机器学习、自然语言处理、计算机视觉等AI核心方向，与人工智能编程直接相关。
人工智能专业 - 理论与实践结合：
专注机器学习、深度学习、自然语言处理等AI技术，提供系统化的理论学习和实践项目。 - 应用导向：侧重智能系统开发，如智能对话、图像识别等，适合希望快速进入AI应用领域的学生。
数据科学与大数据技术 - 数据处理能力：
涵盖数据挖掘、统计分析、数据可视化及大数据技术，是AI编程中处理海量数据的关键。 - 与AI的关联：通过数据分析优化AI模型，支持机器学习算法的训练与部署。
二、辅助推荐专业
数学与统计学 - 基础支撑：
提供概率论、线性代数、统计学等数学工具，是机器学习和深度学习算法设计的核心。 - 跨学科优势：增强对AI模型复杂性的理解，提升算法优化能力。
软件工程与智能系统 - 工程化能力：
聚焦软件开发生命周期，包括需求分析、系统设计及维护，适合将AI算法转化为实际应用。 - 多领域融合：结合电子工程、机器人技术等，拓展AI在硬件和智能系统中的应用。
三、选择建议
技术导向：优先选择计算机科学与技术或人工智能专业，确保编程与AI技术基础扎实。- 数据驱动：若侧重数据处理，可考虑数据科学与大数据技术专业。- 综合应用：结合数学、软件工程等学科，提升AI项目的开发与部署能力。