人工智能考研数学主要考察以下几方面的内容：
高等数学：
这是数学的基本课程，涉及极限、导数、积分、微分方程等，是理解和应用数学工具的基础。
线性代数：
研究向量空间、矩阵、线性变换等概念，对于理解和设计算法、处理数据结构非常重要。
概率论与数理统计：
用于描述不确定性，在机器学习和数据分析中广泛应用，如用于模型选择、参数估计等。
离散数学：
包括集合论、图论、逻辑、数论等内容，对于理解和应用计算机科学和人工智能技术至关重要。
计算机学科专业基础：
包括数据结构、计算机组成原理、操作系统、计算机网络等课程，这些课程测试学生在计算机系统设计和网络通信方面的能力。
数学专业基础与综合：
有些院校会考察数学分析、高等代数、常微分方程、近世代数、概率论与数理统计等内容，考生需选择其中部分课程进行考试。
编程技能：
熟练掌握至少一门编程语言如Python、Java等，并了解基本的编程思想和算法。
深度学习算法原理及应用：
对于深度学习方向的研究生，还需要了解深度学习算法的基本原理和应用。
逻辑思维能力和分析问题的能力：
这些能力对于解决复杂的算法问题和系统设计至关重要。
建议考生在备考过程中，系统学习上述各门课程，强化数学基础知识和编程技能，同时注重实践应用和问题解决能力的培养。