AI（人工智能）专业的数值设置通常涉及到以下几个方面：

课程设置：

基础课程：包括数学（线性代数、概率论与数理统计、微积分）、计算机科学基础（数据结构、算法、操作系统）等。

专业课程：机器学习、深度学习、自然语言处理、计算机视觉、人工智能伦理与法律等。

实践课程：项目实践、实验课、实习等，旨在提升学生的实际操作能力。

学分分配：

根据学校和专业设置，学分分配可能会有所不同。一般而言基础课程和实践课程学分占总学分的60%-70%，专业课程占30%-40%。

教学计划：

制定详细的教学计划，明确每个学期需要学习的课程、授课教师、上课时间等信息。

考核方式：

期末考试、平时成绩、实验报告、项目答辩等。

考核方式要能够全面评估学生的知识掌握程度和实践能力。

教学资源：

教材、参考书籍、在线课程、实验室设备等。

以下是一些具体数值的建议：

数学课程：占总学分的20%-30%，其中线性代数、概率论与数理统计、微积分等是核心课程。

计算机科学基础：占总学分的20%-30%，包括数据结构、算法、操作系统等。

专业课程：占总学分的40%-50%，包括机器学习、深度学习、自然语言处理、计算机视觉等。

实践课程：占总学分的20%-30%，包括实验课、项目实践、实习等。

需要注意的是以上数值仅供参考，具体设置需根据学校和专业实际情况进行调整。