课程介绍                       
课程简介
理论部分旨在系统介绍人工智能大模型的基本概念、发展历程、核心能力、关键技术思想、优化方法、典型应用以及相关的社会影响与伦理挑战。 课程内容将涵盖人工智能的基础分类、大模型发展简史、核心技术原理、能力体系及其局限性。动手实践部分将结合案例,探讨 AI 在辅助学习与科研、创新创造、以及人机协同新范式下的潜力与实践方法。 采用“理论讲解 + 技能实训 + 场景应用 + 伦理思辨”的教学模式,通过分析实例、动手实践与项目汇报,让学生掌握与 AI 高效协作的技能,建立批判性思维,并初步具备在AI时代进行人机协同学习与创造的基础素养,同时关注培养适应 AI 技术快速发展的自主学习能力与负责任的使用态度。
立即观看
算力资源                       
领取课程实验所需专属算力,并根据实验内容兑换阿里云AI及大模型工具。 
领取课程实验所需专属算力,并根据实验内容兑换阿里云AI及大模型工具。 
实验算力资源
修饰图
免费领取:¥300/年 免费资源
国内大学生,完成学生认证,直接领取
理论课程                       
旨在系统介绍人工智能大模型的基本概念、发展历程、核心能力、关键技术思想(概念层面)、优化方法(如微调、RAG、提示工程)、典型应用(如AIGC、智能体)以及相关的社会影响与伦理挑战。 课程内容将涵盖人工智能的基础分类(判别式 vs. 生成式)、大模型发展简史、核心技术原理(如Transformer架构)、能力体系(如上下文理解、逻辑推理、多语言处理、代码生成等)及其局限性(如信息过时、幻觉、偏见等) 
旨在系统介绍人工智能大模型的基本概念、发展历程、核心能力、关键技术思想(概念层面)、优化方法(如微调、RAG、提示工程)、典型应用(如AIGC、智能体)以及相关的社会影响与伦理挑战。 课程内容将涵盖人工智能的基础分类(判别式 vs. 生成式)、大模型发展简史、核心技术原理(如Transformer架构)、能力体系(如上下文理解、逻辑推理、多语言处理、代码生成等)及其局限性(如信息过时、幻觉、偏见等) 

动手实践                       
重点培养学生的提示词工程(Prompt Engineering)能力、AI 智能体(AI Agent)概念理解与应用、以及AI生成内容(AI Generated Content, AIGC)特别是图文音视内容的工具使用与创作流程基础。 
重点培养学生的提示词工程(Prompt Engineering)能力、AI 智能体(AI Agent)概念理解与应用、以及AI生成内容(AI Generated Content, AIGC)特别是图文音视内容的工具使用与创作流程基础。 
高效对话的艺术——提示词工程初步实践:分析一段论文手稿并生成符合特定期刊会议要求的论文摘要
本实验通过在阿里云平台调用大语言模型(如通义千问系列),结合角色提示、结构与长度约束、范例参考、人工评估—迭代优化等多环节策略,训练学生构建高效提示配置系统,实现从论文初稿到目标期刊摘要的优化。
高效对话的艺术——提示词工程深度应用:搭建一个支持考试划重点与自动出题的智能学习助手
本实验将在阿里云百炼构建智能体应用,通过提示词工程打造可复用的学习助手原型:基于授权资料自动抽取考点、生成结构化知识卡片、按难度与认知层级出题并提供判分与解析,全程可追溯;支持学生自测与个性化复习,实现从内容加工到评测的闭环提示词工程实践。
构建外部知识大脑——检索增强生成(RAG)应用:设计一个面向产品售后服务解答的专用聊天机器人
本实验通过在阿里云平台搭建检索增强生成(RAG)架构,结合知识库分层治理、混合检索配置、基础会话管理等环节、多场景测试等环节,指导学生构建面向售后解答的智能对话原型,实现有据可依、合规清晰的售后问题响应。​
打造专属领域专家——大模型的微调与定制:构建一个政策/标准的合规指导模型
本实验通过在阿里云平台部署大语言模型(如通义千问系列),结合领域语料构建、知识检索增强(RAG)链路设计、结构化回答模板及低置信度拒答机制,训练学生构建面向特定领域的智能合规问答系统,实现从专业文档到可解释智能咨询的定制化落地。
人机协同的力量——AI辅助学术研究全流程模拟:基于开源大模型实现从选题到实验方案设计的学术研究流程
本实验通过在本地或云端部署开源大模型,结合向量检索、学术RAG、方法模板化与功效分析等多环节策略,训练学生实现从学术选题到实验方案设计的端到端研究流程自动化。