科目概览

本课程旨在为以人为本的设计原则及其在人工智能开发中的实际应用奠定全面的基础。它赋予学生必要的知识和技能，以便在从初始概念到最终部署的整个AI产品生命周期中实施设计思维方法论。学生将培养解释基本设计原则的能力，展示对AI产品开发周期的理解，并应用系统化方法来识别用户需求和定义解决方案要求。课程进一步使学生认识到用户体验和界面设计在AI系统中的至关重要性，使用既定的设计框架分析现有的AI产品，并理解原型设计和迭代测试的作用。此外，通过对不同行业成功实施AI的真实案例研究，学生将学会预测AI设计的新兴趋势，从而获得理论知识与实践见解。

本课程在工业背景下实现了控制系统理论与实用数据分析的完美融合。学生将学习动态系统的建模、分析和设计技术，在经典与现代控制策略方面打下坚实基础。课程大纲强调反馈机制和稳定性分析的重要性，使参与者能够有效设计和实施针对各类应用量身定制的控制系统。除了控制理论，本课程还深入探讨工业分析，突出系统识别和数据驱动决策在优化工业过程控制中的重要性。真实的案例研究将阐明如何应用分析技术来提高运营效率、减少停机时间并推动创新。

本课程旨在赋予学生使用AI设计、优化和扩展针对多样化应用的AI产品的综合技能，使其能够有效利用生成式AI模型解决现实世界中的商业挑战。通过实操练习和案例分析，学生将掌握创建复杂AI架构、优化模型交互以及在组织工作流程中部署可扩展AI解决方案的高级技术，同时解决包括输出一致性、偏差缓解、成本效益和伦理考量在内的关键运营问题。通过将技术性的AI工程专长与战略商业目标相结合，本课程为学生开发创新、可扩展且符合伦理的AI驱动软件解决方案做好了准备，以满足不断变化的市场需求。

本课程旨在赋予学生技术能力与创新思维，将生成式人工智能作为创新设计的变革性工具加以利用。课程超越了传统深度学习的分析重点，探索了用于合成原创视觉、多模态和概念输出的高级架构——包括生成对抗网络 (GANs)、扩散模型和基于Transformer的系统。学生将学习如何训练、微调并在符合伦理的指导下使用生成模型来生成和迭代设计原型，有效搭建计算技术与以人为本的创造过程之间的桥梁。通过实战项目，课程培养了将生成式AI融入设计工作流的能力，赋能未来的创新者在创造新颖产品、体验和解决方案时利用尖端技术。

本课程旨在探索人工智能与物联网技术的融合，以创建智能互联系统。学生将研究AI算法如何通过跨越各行业应用的实时数据分析、预测性维护和自主决策来增强物联网系统。课程涵盖了AI驱动的物联网生态系统的架构，包括传感器网络、边缘计算平台和基于云的分析系统，并特别关注可扩展性、安全性和互操作性要求。通过案例研究和实战项目，参与者将学习设计和实施应用于智能环境、预测性维护和自主系统等领域的AIoT解决方案。课程进一步探讨了从数据收集到获取可操作洞察的数据生命周期管理，以及部署和维护互联智能系统所面临的组织挑战。

本课程旨在提供将AI组件集成到涵盖软件和硬件环境的连贯、大规模操作系统中的全面知识和实用技能。学生将学习构建和管理AI系统的端到端生命周期，应对诸如数据管道编排、模型部署、API管理以及机器学习运维 (MLOps) 的持续集成/持续部署 (CI/CD) 等独特挑战。课程大纲涵盖了系统范围界定、与现有企业IT基础设施的互操作性、性能监控以及部署后维护系统可靠性等关键方面。通过真实的案例研究和实践练习，参与者将培养设计可扩展AI系统架构、实施集成协议以及确保AI模型与业务应用程序之间无缝通信的能力。课程进一步使学生能够管理模型和数据的版本控制，监督系统健康状况，并确保在整个AI系统生命周期内实施稳健的安全实践。

本课程旨在为学生提供开发和启动AI驱动商业项目的综合框架，作为整合整个课程知识的终极体验。学生将学习识别AI解决方案的市场机遇，开发可行的商业模式，并为AI产品和服务制定全面的市场进入战略。课程大纲引导参与者经历整个创业过程，从最初的概念验证和原型设计，到融资策略和扩大运营规模。通过实战项目开发，学生将撰写详细的商业计划书，构建最小可行性产品（MVP），并向潜在投资者和利益相关者推介他们的AI创业项目。课程强调针对AI技术的市场分析、财务规划、知识产权保护和监管合规方面的实用技能。学生还将培养组建高效团队、获取资源以及在初创生态系统中导航的能力，同时应对AI创业的独特挑战，包括伦理考量、技术可行性和市场接纳壁垒。

本课程旨在探讨设计人类与人工智能系统之间有效交互的原则与实践。学生将研究人机协作的各种模型，从AI辅助决策到完全合作的解决问题环境。课程涵盖交互设计的基本概念，包括AI系统中的透明度、信任校准和控制权分配。通过案例研究和实操练习，参与者将学习设计能够清晰传达AI能力和局限性的界面，同时制定策略以保持人类的主导权和监督权。课程进一步探讨了人机交互的心理学和社会学方面，包括用户接受度、认知负荷管理以及日益自主的系统的伦理影响。学生将在不同应用领域中获得设计原型和评估人机界面的实践经验，为创建增强而非取代人类能力的协作系统做好准备。

本课程旨在通过系统化的原型设计方法论，为学生提供开发AI驱动产品（涵盖软件和硬件实现）的全面知识与实用技能。课程涵盖了整个产品开发生命周期，从创意构思和概念验证到功能原型设计和用户测试。学生将学习应用敏捷开发原则，创建最小可行性产品（MVPs），并使用专用于AI应用的各种原型工具和平台。教学大纲强调将概念性的AI解决方案转化为有形原型的实践经验，纳入用户反馈循环，并根据测试结果迭代设计。参与者将培养针对不同AI产品类别选择合适原型技术、评估技术可行性以及评估市场生存能力的能力。通过案例研究和实战项目，学生将获得记录开发过程、向利益相关者展示原型以及为AI产品进行试点部署和扩展做好准备的必备技能。

本课程旨在探索人工智能技术与传统商业分析的融合，以驱动基于数据信息的决策和战略洞察。学生将学习机器学习算法、自然语言处理和预测模型如何增强各个业务领域的常规分析方法。课程涵盖了应用AI技术来提高客户行为分析、市场趋势预测和运营优化等领域的数据处理能力、模式识别和预测准确性。通过使用行业标准工具的实战项目，参与者将培养实施AI驱动的分析解决方案、解释复杂的模型输出以及将技术发现转化为可操作商业建议的技能。课程进一步探讨了AI增强分析中的数据质量管理、模型验证和伦理考量等挑战，同时强调了在分析过程中保持人类监督的重要性。

本课程旨在审视人工智能对现代营销实践和战略规划的变革性影响。学生将学习AI技术如何重塑客户细分、个性化定制、活动优化以及营销投资回报率。课程涵盖了实施用于预测分析的机器学习算法、用于洞察消费者的自然语言处理以及用于优化视觉内容的计算机视觉技术。通过真实的案例研究和实操练习，参与者将培养利用AI工具进行自动化客户旅程映射、动态定价策略和智能内容创作的技能。课程进一步探讨了AI驱动的营销平台与现有业务系统的整合，同时强调了在自动化营销环境中关于数据使用、消费者隐私保护和保持品牌真实性的伦理考量。学生将学会制定全面的AI驱动营销战略，以提高客户参与度、改善转化率并实现可衡量的业务成果。

本课程旨在向学生传授创建高效且引人入胜的数字界面的原则与实践，重点关注AI增强应用程序的以用户为中心的设计方法论。本课程无需预先的视觉设计经验；教学大纲从基础的视觉设计原则（包括排版、色彩理论和图标设计）开始，然后推进到针对数据密集型和AI驱动界面的特定交互设计模式。学生将学习应用设计思维过程来开发直观且无障碍的数字产品，以有效传达复杂的信息和功能。通过实操项目，参与者将获得使用行业标准设计工具创建线框图、模型和交互式原型的实践经验，同时学习如何进行可用性测试并将用户反馈纳入迭代的设计改进中。课程还探讨了针对多平台和设备的设计，确保跨不同数字接触点的一致用户体验，以及如何与开发团队进行有效协作，以搭建设计概念与技术实现之间的桥梁。

本课程旨在探索人工智能及先进技术在变革传统制造与运营管理中的应用。学生将研究在智能制造环境中，AI驱动系统如何提升生产过程、供应链协调及运营效率。课程涵盖了融合物联网传感器、机器人技术和机器学习算法以实现预测性维护、质量控制和资源优化。通过案例研究和实践模拟，参与者将学习设计并实施数字孪生技术、自动化生产系统以及智能库存管理解决方案。课程进一步探讨了工业4.0技术的战略实施，包括信息物理系统 (Cyber-Physical Systems) 和云制造平台，同时聚焦于以卓越运营为目标的数据驱动决策。学生将培养通过AI赋能的制造系统优化端到端生产工作流、降低运营成本并提高产品质量的能力。

本课程旨在为学生提供利用GPU架构和并行编程技术加速人工智能应用的全面知识与实践技能。学生将探索并行计算的基本原理，并学习如何利用现代图形处理器的大规模计算能力来训练和部署复杂的AI模型。课程大纲涵盖了GPU架构基础、并行算法设计模式以及专门针对机器学习工作负载的优化策略。通过使用行业标准框架（如CUDA和OpenCL）的实操编程练习，参与者将培养实施常见AI算法并行版本的实用技能，包括神经网络训练、计算机视觉处理和自然语言理解任务。课程进一步探讨了GPU加速应用程序的性能分析和调试技术、内存优化策略，以及在多个GPU系统间扩展AI工作负载的最佳实践。学生将获得旨在最大化计算效率和缩短深度学习模型训练时间的必备能力，为应对研究和工业应用中的大规模AI挑战做好准备。

本课程旨在全面理解负责任地开发和部署人工智能系统所必需的伦理、法律和安全考量。学生将研究不同司法管辖区和行业领域内管理AI技术的不断演变的监管环境。课程涵盖了基本的伦理框架，包括公平性、问责制、透明度和隐私保护，及其在AI系统设计和实施中的实际应用。通过案例研究和基于场景的学习，参与者将学习识别并缓解AI模型中潜在的偏见，评估算法对不同利益相关者的影响，并在整个AI生命周期中实施安全措施。课程进一步探讨了AI治理、风险管理和合规性的新兴标准和最佳实践，同时探索了确保算法透明度和可解释性的方法。学生将掌握创建不仅符合法律要求，而且契合社会价值观并促进用户和利益相关者信任的AI系统所需的技能。