人工智能与AIGC：深度神经网络算法对生成式AI的实现——探索微软ChatGPT、谷歌Transformer等预训练大模型背后的算法原理
开始日期: 2026-02-28
课时安排: 6周在线小组科研+5周论文指导
Prerequisites适合人群
适合年级 (Grade): 高中生/大学生
适合专业 (Major): 对人工智能、AI大模型、生成式AI、计算机科学、机器学习等感兴趣的学生；建议具备编程或python基础（先导课）
Instructor Introduction导师介绍
K老师
香港大学助理教授
香港大学
K老师 助理教授 博士生导师
香港大学 智能出行实验室 负责人
香港科技大学 博士
Transportation Research Part等多项SCI顶刊 编委
曾任 滴滴出行大数据研究院 研究员
研究方向：智慧交通、智慧城市、机器学习
现任Transportation Research Part 等多项SCI顶刊编委，在IEEE T-ITS等SCI/SSCI顶刊发表30余篇，论文总引用数超过1000次。担任Transportation Research Part C的顾问委员会成员，以及多项SCI的审稿人和客座编辑。
Program Background项目背景
AIGC是人工智能生成内容（Artificial Intelligence Generated Content）的简称，指的是利用人工智能技术，通过已有数据寻找规律，并通过预训练大模型、生成式对抗网络（GAN）等方法，自动生成各种类型的内容，例如文章、视频、图片、音乐、代码等。
Program Description项目介绍
本课程将深入探讨了人工智能（AI）在工程领域特别是大模型和智能交通领域的应用。学生将系统学习AI概念、机器学习算法。课程包括以下几个部分：1. 机器学习基本概念与经典算法，包括数据预处理与清洗、监督学习与非监督学习、分类问题与回归问题、强化学习、梯度下降与牛顿法等。2. 深度学习技术：包括人工神经网络、多层感知机、循环神经网络等，及它们在自然语言处理、图像处理、自动驾驶、智能交通等领域的应用。3. 自然语言处理与大模型应用：Transformer and BERT、强化学习与人类反馈（RLHF）。4、智能交通系统应用：探讨AI在交通信号优化、自适应交通控制、事故检测、网约车系统优化、自动驾驶中的应用。通过学习本课程，学生将能够全面了解AI的基础知识及其在大模型和智能交通中的应用，为将来从事相关领域的研究和工作打下坚实的基础。
Syllabus项目大纲
人工智能与机器学习介绍：人工智能基本概念、人工智能历史、人工智能常见应用、人工智能常用软件与数据、监督学习与非监督学习、分类问题与回归问题、强化学习
机器学习经典算法：数据预处理与清洗、机器学习算法评价指标、损失函数、欠拟合与过拟合问题、梯度下降与牛顿法
神经网络算法简介：人工神经网络、多层感知机、激活函数、链式法则与反向传播算法、循环神经网络（RNN）、长短时记忆网络（LSTM）
自然语言处理与大模型：自然语言处理应用、Transformer and BERT、GPT and ChatGPT、强化学习与人类反馈（RLHF）、其他大模型
深度学习与图像处理：图像处理基础知识、卷积神经网络（CNN）、LeNet, GoogLENet, VGG, ResNet, DenseNet、深度学习在智能交通领域的应用、自动驾驶系统中的深度学习
项目答辩与点评：学生项目汇报与答辩、评价和指导
Program Outcome项目收获
6周【在线小组科研+全球就业力大师课】+5周论文指导，共126课时
1500字左右的项目报告
优秀学员获得主导师推荐信（8封网推）
项目结业证书
EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导或者CNKI检索的英文普刊全文投递与发表指导
上一篇：人工智能 强化学习与智能交通：AI指引未来出行 基于深度学习与数据分析的智能交通解决方案
下一篇：返回列表
直接添加小助手阿星
微信号：nan2xing 
伦敦帝国理工学院
新加坡国立大学