学习智能制造工程中的编程涉及多个方面，以下是一些关键步骤和推荐的编程语言及工具：
基础编程语言
C++：适用于底层系统开发、嵌入式系统和驱动程序。在智能制造中，C++常用于编写工业自动化设备的控制程序和驱动程序。
Python：易学易用，适用于数据处理、机器学习和深度学习。Python在智能制造中的应用广泛，包括数据分析、算法实现和模型训练等。
Java：具有良好的跨平台性和安全性，适用于企业级应用和Android开发。在智能制造中，Java常用于构建分布式系统和网络应用。
MATLAB：功能强大的数学计算和科学工程软件，适用于算法开发和数学建模。在智能制造中，MATLAB常用于控制系统设计、信号处理和图像处理等。
自动化控制系统编程
PLC编程：学习如何使用可编程逻辑控制器（PLC）来实现自动化生产过程的控制。
SCADA编程：监控与数据采集系统的编程，用于实现对生产过程的自动化控制和监测。
机器学习和人工智能编程
深度学习框架：如TensorFlow、PyTorch等，用于实现产品质量预测、异常检测、生产调度优化等。
机器学习算法：了解常见的机器学习算法如决策树、支持向量机和神经网络，以及深度学习模型如卷积神经网络（CNN）和循环神经网络（RNN）。
云计算和大数据技术编程
云计算平台：如Amazon Web Services（AWS）、Microsoft Azure等，用于数据存储、处理和分析。
大数据处理框架：如Hadoop、Spark等，帮助在智能制造中更好地利用和管理数据。
物联网（IoT）编程
编程语言和协议：如Java、MQTT等，用于实现设备之间的连接和数据交换。
建议
选择合适的编程语言：根据具体的应用场景和需求选择合适的编程语言。例如，C++适合对性能要求较高的系统控制，Python适合快速开发和数据分析，Java适合构建大规模分布式系统。
掌握相关技术和工具：除了编程语言外，还需要掌握相关的技术和工具，如PLC编程、机器人编程、控制系统编程等。
实践项目：通过实际项目来应用所学知识，加深对智能制造工程中编程的理解和掌握。
持续学习：智能制造领域技术更新迅速，需要不断学习和更新自己的编程技能，以适应行业的发展和变化。
通过以上步骤和建议，可以系统地学习和掌握智能制造工程中的编程技能。