美国华盛顿大学(美国华盛顿大学世界排名)
01 卡内基梅隆大学（CMU）
卡内基梅隆大学的机器学习专业成立于 2006 年。前身是自动学习和发现中心 (简称 CALD )。该中心于 1997 年创办，当时由一群对统计学和机器自主学习感兴趣的成员，牵头并成立的一个跨学科研究小组。CALD 吸收了来自统计学、计算机科学、哲学、工程学、商学和生物科学等领域的专家学者。
卡内基梅隆大学表示，该系的研究策略是在对机器学习的统计计算理论的研究和发明与实际应用相关的新算法和新问题公式的研究之间保持一种平衡。卡内基梅隆大学开设了硕士和博士两种学位课程，并包括以下课程：
· Machine Learning (简称 ML ) 博士学位
· PhD in Statistics & Machine Learning (与统计学专业联合授课)
· PhD in Machine Learning & Public Policy (与海因茨大学的公共政策、信息系统和管理学专业联合授课)
· PhD in Neural Computation & Machine Learning (与神经科学研究院联合授课)
· Primary Master’s in Machine Learning
· 5th-Year Master’s in Machine Learning (对本校在校生提供一年期课程)
· Secondary Master’s in Machine Learning (对本校在读博士生、教师或员工提供课程)
02 麻省理工学院（ MIT ）
麻省理工学院的电气工程与计算机科学系 ( EECS ) 是全校规模最大的学院，并与施瓦茨曼计算学院的合作开设三门子课程，分别是电子工程（ EE ）、计算机科学 ( CS ) 以及人工智能和决策 ( AI+D )。
麻省理工学院表示，AI+D 课程是建立在机器自主学习与决策体系（人工智能、强化学习、统计学、因果推理、系统与控制）基础上的近一步探索。
以下是硕士学位 EECS 专业的相关课程：
· Master of Science (简称 MS), 攻读博士学位的必要课程
· Master of Engineering (简称 MEng), 对本校本科生提供
· Electrical Engineer (简称 EE)/Engineer in Computer Science (简称 ECS)
· Doctor of Philosophy (PhD)/Doctor of Science (ScD), 可互换授予
03 斯坦福大学
斯坦福大学的计算机科学系是工程学院的一部分。斯坦福人工智能实验室 ( SAIL ) 成立于 1962 年，是集人工智能研究、教学、理论和实践一体的顶尖研究中心。
除了线下面授课程外，斯坦福线上课程还提供硕士学位的人工智能课程。该课程专注于研究人工智能原理与技术，其中包括逻辑学、知识表示、概率模型和机器自主学习等。
斯坦福大学可授予人工智能专业的博士学位和计算机科学硕士学位的相关课程。
04 加州大学伯克利分校
加州大学伯克利分校的电气工程与计算机科学系的基础研究专注于深度学习、知识表示、推理学、自主学习、规划与决策、视觉学、机器人、语音识别和 NLP 等核心领域。
此外，该专业还致力于将先进算法应用于更广泛的专业领域以解决相关问题，其中包括，生物信息学、网络与系统、信息搜索与追踪等。该系与伯克利人工智能研究 ( BAIR ) 实验室关系紧密。
加州大学伯克利分校同时开设博士学位和硕士学位的相关课程。
05康奈尔大学（并列）
自 1990 年代以来，康奈尔大学的信息科学学院（ Cornell Bowers CIS ）一直致力于人工智能专业师资建设。
在去年 12 月，康奈尔大学发起了一项由全校专家学者颁布的“新激进合作”提议，以继续提升其在相关领域的领先地位，比如人工智能研究、教育学和伦理学等专业课程。该提议的影响范围从人工智能领域，扩大到其他泛专业领域的教师群体。
最近，伊萨卡校区、康奈尔科技大学和威尔康奈尔医学院已展开跨学科合作，致力于将人工智能推广到可持续农业、城市设计、癌症检测、加强自动化驾驶和解析量子物质等领域。
康奈尔大学开设计算机科学工程专业的硕士课程、计算机科学专业的硕士和博士课程。
05 佐治亚理工学院（并列）
佐治亚理工学院的计算机系表示，人工智能和机器自主学习是该校绝大多数教师和学者研究方向的兴趣所在，包括构建自上而下和自下而上的拟人的智能模型；建立可提供智能辅导的系统；创建自适应和智能娱乐系统；开发有自主意识的系统；以及建立能够在动态环境中不断演变的自适应系统。
校内各小组强调不同的研究领域和方向。其核心师资力量来自于交互计算学院，但在计算机科学学院和计算机与工程学院也有注入相关师资。
佐治亚理工学院开设硕士和博士课程，yi ji机器自主学习的博士学位课程。
05 华盛顿大学（并列）
华盛顿大学 Paul G. Allen 计算机科学与工程学院，提供了一个研究智能行为背后的计算机制的人工智能小组。
研究领域包括机器学习、NLP 、概率推理、自动规划、机器阅读和智能用户界面。它与艾伦人工智能研究所 (AI2 ) 有着密切合作。
华盛顿大学开设的理学学士和理学硕士联合课程是专为来自行业内学生er 设。还开设了yi ge 全日制博士课程、专业硕士课程（非全日制、夜间课程）和博士后研究课程。
08 伊利诺伊大学-香槟分校
伊利诺伊大学-香槟分校的格兰杰工程学院，专注于人工智能和机器学习方向，如计算机视觉、机器听觉、NLP 和机器自主学习等。
在计算机视觉方向，人工智能小组的教师正在从静态图像与视频、低镜头学习等方面为切入点，带领开发实现 2 D 和 3 D 新应用场景。
机器听觉的教师正在研究声音与语音识别、音源分离以及在音乐与计算机中的应用。
机器自主学习学院正在研究深度学习和强化学习的理论基础；为深度神经网络、联合与分布式学习开发新的模型和算法；研究与学习系统的可扩展性、安全性、隐私和公平性等的相关问题。
该校开设计算机科学博士课程和计算机科学的硕士课程。计算机科学的专业硕士课程和五年制硕士课程。
09 密歇根大学-安阿伯分校
密歇根大学的计算机科学与工程学院的人工智能项目，由多学科研究成员所组成，横跨研究理性决策、多代理分布式系统、机器自主学习、强化学习、认知建模、博弈论、NLP、机器感知、医疗保健算法和机器人技术等领域。
该校表示，人工智能实验室的研究方向是横跨多种学科的，并以计算机科学、语言学、心理学、经济学、生物学、控制学、统计学和哲学的思想为基础。
密歇根大学开设计算机科学与工程学博士、计算机科学与工程学硕士和数据科学硕士课程。
10 德克萨斯大学奥斯汀分校
德克萨斯大学奥斯汀分校的计算机科学学院，专注于计算机视觉、进化计算、机器自主学习、多模态、NLP、神经网络、强化学习和机器人技术等领域，并拥有难以计数的研究中心与实验室。其中有于 1983 年成立的人工智能实验室，主要研究影响机器认知的主要核心因素，如机器自主学习、知识表示和推理等领域。
其他则有：机器自主学习研究所、机器自主学习实验室、机器自主学习研究小组和神经网络研究小组等。
德克萨斯大学开设博士和硕士课程、计算机科学线上硕士课程、数据科学线上硕士课程和五年制学士/硕士课程。