上海创智学院 · 2026 秋季

AI 工程学

AI Engineering

理解模型如何计算、如何学习，
建立连接模型、系统与智能体的工程基础。

3 学分48 学时16 周核心基础必修课

课程内容

COURSE LECTURES

Fundamentals of Artificial Neural Networks

从识别芒果的例子开始，理解神经元、网络层、前向传播与反向传播，再讨论优化、正则化和真实案例。

CNNs and Image Recognition

从图像的局部结构出发，建立卷积、池化与归一化的前向计算，再推导空间梯度并比较经典网络。

RNNs and LSTMs

先把词表示成向量，再沿序列建立递归状态，理解长期依赖、门控记忆、机器翻译和注意力。

Transformer Models

从注意力的计算过程开始，建立 Transformer 的完整结构，再进入 BERT、GPT、ViT、Swin 和混合专家模型。

Self-supervised Learning

围绕监督信号从何而来，依次学习代理任务、掩码重建、对比学习、自蒸馏及其评估方法。

Generative Models · Part I & II

从自回归与 VAE 进入 GAN、Rectified Flow 和条件生成，结合图像、视频与世界模型的架构和实验理解生成建模。

工程习题30%

共 3 个题目，依据正确性和性能评分。

出席与课堂表现10%

根据出席率与课堂表现评分。

期末考试60%

考查课程知识与方法的掌握情况。

授课顺序：杨学、张少锋、钟志航、夏纫秋、任麒冰。

课程负责人：钟志航。