智能机器技术主要涉及以下几方面的学习内容：
人工智能基础
机器学习：从数据中学习规律和模式，使机器能够做出预测和决策。
深度学习：通过多层神经网络模型处理和学习数据，实现更高级别的抽象和模式识别。
自然语言处理（NLP）：研究计算机如何理解和生成人类语言。
计算机视觉：使计算机能够理解和解释图像和视频数据。
增强学习：通过与环境互动来学习最优行为策略。
机器人技术
工程制图与计算机绘图：掌握如何绘制和操作工程图纸及使用计算机辅助设计软件。
机械设计基础：学习机器人的机械结构和设计原理。
电工与电子技术：理解基本的电路和电子器件，以及它们在机器人系统中的应用。
电机与电气控制技术：学习电机的工作原理和控制方法，用于机器人的运动和定位。
可编程控制技术：掌握PLC等可编程控制器的编程和应用。
智能传感器技术：学习传感器的工作原理和应用，用于机器人的感知和环境交互。
高级编程语言：如C++、Python等，用于编写机器人控制程序。
嵌入式技术与机器人操作系统应用：学习嵌入式系统的设计和应用，以及机器人操作系统的使用。
智能视觉技术应用：研究机器视觉技术在机器人导航、目标识别等方面的应用。
协作机器人技术应用：学习协作机器人的操作、编程和应用。
自主移动机器人技术：研究自主移动机器人的导航、控制和系统集成。
智能机器人系统集成：学习如何将各个组件和系统集成为一个完整的智能机器人系统。
专业基础课程
《电工电子技术应用》。
《机械制图》。
《微控制器技术及应用》。
《PLC技术及应用》。
《电机及控制技术》。
《电子产品制图与制版》。
《医用传感器与检测技术》。
《单片机应用系统设计技术》。
专业核心课程
智能传感器技术。
高级编程语言。
嵌入式技术与机器人操作系统应用。
智能视觉技术应用。
协作机器人技术应用。
自主移动机器人技术。
智能机器人系统集成。
选修课程和实习实训
根据不同院校和专业特色，可能还包括人工智能、机器人操作系统、传感器技术、应用系统开发等选修课程。
实习实训环节，如机器人系统集成、调试、维护等，以提高实际操作能力。
建议在选择智能机器技术专业时，详细了解各院校的选考科目要求和课程设置，以便选择最适合自己的学习路径。同时，通过实习实训和参与实际项目，不断积累实践经验，提升自己的专业技能。