生成式人工智能与大语言模型专题：深度学习、Attention机制与多模态生成系统实践一为什么ClaudeCode能”自主调用工具”，AI Agent又如何完成复杂任务?

　　开课时间：2027-01-20

　　3周线上直播+6周论文辅导+6次产学研导师课

　　难度★★★☆☆

　　10封教授网申推荐信+1篇英文会议论文辅导+1封产学研导师推荐信+产学研方案+国际NGO岗位实习内推机会

　　导师介绍

　　P.K.

　　约翰霍普金斯大学计算机学院终身正教授

　　·荣获欧洲发明家大奖提名finalist

　　·斩获国际机器翻译协会荣誉奖(AHIAMT)

　　·曾在MetaAI从事机器翻译与人工智能研究

　　·ACLFellow(国际计算语言学协会最高等级学术荣誉之一)

　　产学研导师

　　计算机领域顶尖技术专家

　　·前阿里达摩院高级人工智能训练师

　　·深耕AI大模型、机器学习、智能数据分析等多个核心板块

　　·多次在国际技术顶会分享AI赋能各行业的核心成果与实践方法论

　　·精通数据科学建模、AI算法落地、行业场景AI赋能等关键能力

　　课程简介

　　本课程将系统介绍生成式人工智能背后的核心技术路径，从最基础的深度学习与神经网络出发，逐步讲解语言模型、词向量、循环神经网络、注意力机制(Attention)以及Transformer架构的发展过程，帮助学生真正理解大语言模型为何能够”理解”语言、生成内容并完成复杂推理任务。课程同时结合PyTorch等主流工具，带领学生理解现代人工智能系统的训练逻辑与工程实现方式，建立从理论到实践的完整认知框架。

　　在课程后半部分，学生将进一步接触当前生成式人工智能研究与产业中的核心方向，包括大语言模型的训练与评测、AlAgent系统的设计、模型可解释性与AI安全问题，以及语音与视觉等多模态生成模型。课程还将介绍Variational Autoencoder(VAE)、Generative Adversarial Network(GAN)等经典生成模型，并结合机器翻译、聊天机器人与智

　　能内容生成等真实案例，分析生成式AI在现实世界中的应用方式与技术边界。整个课程强调研究能力、工程能力与跨学科理解的结合，帮助学生建立对当前人工智能前沿发展的系统认识，并为未来进入人工智能、自然语言处理、大模型系统及相关研究方向莫定基础。

　　课程要点

　　AlAgent：不仅会”生成内容”，还能自主调用工具、规划任务、执行多步骤操作的AI系统

　　Generative Adversarial Network(GAN)：由"生成器”和”判别器”对抗训练的生成模型，广泛用于图像生成

　　AttentionMechanism：模型在处理一句话时，会动态判断”哪些词更重要”。这是ChatGPT等模型能够进行上下文理解的关键

　　Transformer：现代大语言模型最核心的模型结构。相比传统RNN，

　　Transformer能够并行处理文本，并通过Attention机制理解词语之间的关系

　　适用学生

　　适用于对人工智能、计算机科学、数据科学、软件工程等专业感兴趣的学生

　　计划申请海外名校，需要提升申请竞争力的学生

　　对高含金量的学术推荐信有需求的学生

　　希望提前了解意向专业，或转专业申请缺乏相关研究经历的学生

　　希望提前适应国外教学方式，提升学习能力的学生

　　项目收获

　　15周课程：3周顶尖名校教授课+6周经典论文教学+6周产学研导师授课的上课体验

　　技能学习：熟练掌握论文框架、技巧、相关知识等内容

　　推荐信：10封顶尖名校教授ReferenceLetter

　　论文投稿：EI/CPCI/Scopus/EBSCO或同等级别国际会议全文投递与发表指导

　　课程证明：来自顶尖名校教授签发的项目证明

　　产学研项目证明及推荐信：由香港学术交流及创新中心*官方背书的项目证明，及1封PDF名企产学研导师签发的推荐信

　　*香港学术交流及创新中心(HKREIC)由香港城市大学教授发起，香港大学、香港科技大学、香港中文大学教授参与，国家及地方政府相关产学研基金、北京大学创业训练营、中国科学院人才交流开发中心等多家顶尖学术机构联合参与，定位为融合政府、学术界、产业界与非营利机构的跨界协作平台。由该平台背书的证书具有较高的权威性和辨识度，在学生后续的推免综合评价中作为科研创新成果认定时，也更具说服力，相较于普通课程证书含金量更高