全国高校人工智能、DeepSeek和ChatGPT课程高级研修班
报名时间： 2025-02-07 09:00:00 至 2025-04-08 18:00:00
会议时间： 2025-04-12 09:00:00 至 2025-04-13 18:00:00
会议地点： 泉州
会议规模： 100人
- 主会场 ￥2680
会议通知
依据《教育部高等学校教学指导委员会章程》规定，教育部高等学校教学指导委员会的任务之一是组织师资培训，沟通信息，交流教学课程建设和教学改革经验，宣传推广优秀教学成果，为高等学校的教学建设和教学改革做好服务工作。为此，教育部高等学校计算机类专业教学指导委员会和全国高等学校计算机教育研究会决定举办本系列课程高级研修班。本系列课程高级研修班是在新工科建设背景下启动的，面向全国高校相关院系专业负责人与教师，专注于人才培养、学科建设、课程体系与课程内容建设、授课艺术、产教融合、科研与教学、教学经验分享等。
提高人工智能课程教学质量，解决如何“教”的问题，师资是关键，而组织教师培训是提高师资水平的最佳途径之一。通过培训，可以使教师了解人工智能教学的最新动态，分享人工智能课程优秀的教学成果，提升高校教师特别是中青年教师的业务水平和教学能力，从而进一步促进人工智能课程的教学发展。同时，培训可以为教师提供一个信息沟通的平台，交流教学课程建设和教学改革经验，交流产、学、研合作的可能等。
正是基于此，教育部高等学校计算机类教学指导委员会和全国高等学校计算机教育研究会计划举办本次“全国高校人工智能、DeepSeek与ChatGPT课程高级研修班”。特邀请各高校相关院系选派教学主管领导、课程负责人和骨干教师参加本次研修班。
课程目标
1. “人工智能导论”课程培训主要包含两方面内容：一方面探讨”人工智能导论”课应该包含哪些内容，以及相应的课程资源建设；另一方面通过实际教学中的几个典型案例，讲解如何讲授”人工智能导论”课程，从而可以通过有限的课时，让学生掌握人工智能的基本原理，为今后进一步深入学习和研究人工智能打下基础。
2. 本课程将围绕DeepSeek与ChatGPT的技术原理、应用场景与定制化开发进行深入探讨，帮助高校教师理解并掌握大模型的核心理念与实践方法。通过多场景演示、实践分享与案例研讨，学员将系统掌握大模型（尤其是 DeepSeek与ChatGPT）的技术核心与最新发展，能够针对教育科研领域，制定满足需求的教学方案与科研辅助策略，能够自主开发基于DeepSeek与ChatGPT的应用，及其与其他主流工具的集成。
本课程将包括以下六大案例的实操分享：
- DeepSeek与ChatGPT 深度对比演示（在搜索优化、生成式对话与内容质量上的异同）。
- 在已有项目中导入 DeepSeek与ChatGPT。
- 将DeepSeek与ChatGPT接口集成到教师已有的科研或教学项目，展示实际落地流程。
- LangChain 开发示例：展示如何通过 LangChain 封装对 ChatGPT 的调用，实现更复杂的任务编排；使用 RAG 的教学辅助软件开发；利用检索增强生成，为教材、课件提供针对性问答服务。
- 使用 Agent 构建学生成绩分析系统：多工具融合，数据获取、自动分析、结果汇总与可视化，并基于DeepSeek与ChatGPT给出学习建议。
- 面向教育的大模型微调思路（基于开源大模型）。
课程内容及日程安排
|
|
|
8:30-9:00 |
“人工智能导论”授课典型案例讲解： 人工智能经过60多年的发展，虽然取得了很多成果，但是内容繁杂，涉及的方向较多，还没有形成统一的学科体系。“人工智能导论”一般是本科生第一次正式接触人工智能的课程，如何在有限的课时内讲好这门基础课，是摆在每个任课教师面前的问题。本课程在介绍人工智能历程的基础上，讲解人工智能导论课应包含的内容，并介绍相关的资源建设情况。 |
|
9:00-12:00 |
本课程将选择若干“人工智能导论”教学的典型案例进行讲解，通过一些实例，介绍如何用通俗易懂的语言讲解人工智能的基础知识。这些典型案例，重点强调解决问题的方法和思路，通过类比的方法进入问题以及求解问题的思路。 典型案例讲解：
大家几乎每天都在使用拼音输入法，对拼音输入法也已经司空见惯。为什么拼音输入法是一个人工智能问题？拼音输入法是如何实现的？与GPS导航又是怎样的关系？通过将拼音输入法问题类比为GPS导航问题，介绍拼音输入法的实现原理。
神经网络由神经元组成，是目前人工智能最常用的方法，然而神经元和神经网络的功能具体是什么？神经网络横向扩展神经元是什么作用？纵向增加隐含层又是什么作用？这些都是在教学中学生感兴趣的内容，但是一般教科书中又很少讲解。通过一个假想的数字识别引出神经元和神经网络的概念，并回答上述问题。通过这些内容的讲解了解神经元和神经网络的本质。
BP算法是神经网络训练的最基本的算法，无论是多么复杂的神经网络，都是通过BP算法训练的。BP算法为什么可以训练神经网络？其原理是怎样的？该算法与淋浴器之间具有什么关系？通过将神经网络的训练类比为淋浴器的温度调节，引出BP算法的基本原理，并给出相关的推导。 |
|
14:30-18:00 |
为什么提出卷积神经网络？卷积神经网络的本质是什么？通过具体实例引出卷积神经网络，介绍其基本实现原理，给出几个神经网络应用的实例。
梯度消失与过拟合问题是神经网络应用中遇到的两大问题，神经网络的发展也一直试图解决这两个问题。为什么会出现梯度消失和过拟合问题？如何解决因梯度消失和过拟合带来的问题？梯度消失与高层住宅供水具有怎样的联系？通过一些实例介绍解决这两个问题的方法和原理。
以AlphaGo为代表的计算机围棋系统达到了远超人类顶级棋手的水平，这里用到了神经网络方法？为什么神经网络可以求解围棋问题？围棋和宠物识别之间又具有怎样的联系？通过围棋与宠物识别的类比，介绍AlphaGo的实现原理。 |
|
第二天 2025年4月13日（周日） 授课专家：姜春茂 |
|
|
8:30-12:00 基础知识篇 |
第一部分：DeepSeek与ChatGPT的核心能力及使用场景 1.1 各自特点分析：包括核心功能，技术演变与发展，核心概念；词嵌入、注意力机制、强化学习与人类反馈、Transformer 架构、预训练与微调、蒸馏、多模态、模型加速与多模态拓展；DeepSeek与ChatGPT的主要能力与局限。 1.2 DeepSeek与ChatGPT的多模态以及提示工程：包括多模态学习，上下文管理，零样本与少样本场景，提示工程，模型压缩与推理优化，模型偏见问题，深度伪造与内容验证。 1.3 DeepSeek与ChatGPT的模型构建要点：包括语料搜集与清洗，数据预处理与增强，模型结构，大模型调优，模型评估与改进。 示例：基于DeepSeek与ChatGPT的输出评估与改进流程演示。 1.4 大模型对比：DeepSeek、ChatGPT与其他主流模型Claude、Kimi、Gemini、Perplexity在深度搜索优化、问答生成、多模态集成、交互体验上的差异化比较；多模态大模型的典型演示。 示例：编码 AI 演示，Cursor、Copilot 等与 DeepSeek、ChatGPT编程能力的对比。 |
|
14:30-18:00 DeepSeek与 ChatGPT应用开发 |
第二部分：DeepSeek与ChatGPT在教育科研领域的应用 本部分将重点介绍DeepSeek与ChatGPT在教育场景的应用，以及不同工具在内容生成、多模态、教学评估及项目协作等领域的适用性。 2.1 教学领域应用。课程动态调整机制，培养方案设计，教学材料生成。 2.2 学生成绩分析与评估。学生成绩分析，达成度分析。 2.3 课程体系设计。协同项目开发，应对学生使用大模型生成代码，编程类课程面临的问题及解决思路。 2.4 科研领域应用。辅助文献综述与知识梳理，研究思路启发，实验方案辅助设计，写作润色与排版，投稿过程辅助。 2.5 大模型在教育中应用生态详解，包括Claude、OpenAI o1、Wispr Flow、Granola、Lindy、MidJourney & Krea、Delphi、Cursor & Zed等。 第三部分：基于DeepSeek与ChatGPT的应用开发 3.1 通过DeepSeek与ChatGPT的API进行开发。提示词工程，主要包括如何针对教学和科研场景设计最佳提示。 示例： 测试及反馈系统（基于DeepSeek API 本地化开发vs 基于OpenAI API + Django）； 说明如何提交学生作业、对作业进行自动分析并生成反馈； 演示DeepSeek在服务器端或本地部署时的数据安全与合规考虑。 3.2 LangChain架构与组件简介。与DeepSeek和ChatGPT的集成方式，包括链式调用、提示模板、上下文管理。 示例：将ChatGPT与LangChain配合，实现复杂任务的多步推理。 3.3 基于 RAG（Retrieval-Augmented Generation）的教育资源问答系统 RAG 工作原理，本地大模型或ChatGPT的选择。 示例：构建面向教师与学生的实时问答系统，提供个性化知识支持。 3.4 学生成绩分析 Agent：多工具 Agent 系统，本地大模型开发与DeepSeek和ChatGPT的融合。 Agent开发示例：自动分析成绩、生成个性化学习建议。 |
|
会议结束 |
|
授课教师
马少平 清华大学计算机系长聘教授、博士生导师，清华大学天工智能计算研究院常务副院长
姜春茂 博士，福建理工大学计算机学院教授
培训证书
对经学校有关部门推荐参加培训的教师，考评合格后可颁发“全国高校人工智能、DeepSeek与ChatGPT课程高级研修班”结业证书，对参加培训获得证书的教师，所在学校应承认其接受培训的经历，计入继续教育学时。
研修班时间及地点
会议时间：2025年4月11日—13日，4月11日下午报到。
会 务 费：2680元/人，住宿由会务组统一安排，交通、食宿费用自理
会议及住宿地点：泉州滨海大酒店，380元•间/天，福建省泉州市丰泽区美桐街中段28号滨海大酒店，0595-22135555
联 系 人：时子依
电 话：13716885936
邮 箱：549725363@qq.com
马少平，博士，清华大学计算机科学与技术系教授，博士生导师。现任清华大学计算机科学与技术系“天工”智能计算研究院常务副院长、中国中文信息学会副理事长、中国人工智能学会副监事长。主要从事智能信息处理方面的研究工作，包括中文古籍数字化、信息检索、信息推荐等。作为项目负责人先后承担973项目二级课题“智能信息获取理论、方法及其在网上的应用”和“基于内容的多媒体信息检索”、863课题“基于语义挖掘的智能搜索技术与评价方法”、重点基金项目“用户搜索意图理解、表示与匹配”等，先后获得北京市科学技术奖一等奖、中国中文信息学会钱伟长中文信息处理科学技术奖一等奖。
姜春茂，博士，福建理工大学计算机学院教授，CCF开源发展委员会执行委员，CAAI粒计算与知识发现专委会委员。 主要从事粒计算、三支决策、不确定人工智能、云计算、大模型应用开发等领域的研究。主持和参与国家级、省级等科研项目10余项。出版学术专著1部，获发明专利10余项，在国内外重要期刊和会议发表学术论文80余篇。主持省部级教改重点项目1项、一般项目1项。出版教材多部，发表教研教改论文10余篇。