AI核心支柱技术全景解析
AI核心支柱技术机器学习：涵盖监督学习、无监督学习、强化学习深度学习：基于神经网络的智能学习范式自然语言处理：涵盖机器翻译、语音识别、文本挖掘等计算机视觉：包括图像识别、目标定位等专家系统：模拟人类专家判断的逻辑系统从技术原理、核心方法、前沿进展与典型场景四个层面系统梳理，构建完整技术图谱：机器学习是让机器从数据中自动发现规律的学科，关键在于构建最优映射函数。监督学习（有标签训练）：核心任务：分类（离散结果）与回归（连续预测）。经典算法：线性/逻辑回归、支持向量机（SVM）、决策树与随机森林、XGBoos
人工智能学术前沿系列讲座（第45期）
人工智能学术研讨会AI前沿对话人工智能学院讲座信息主题从可解释性到表达力：多模态数据生成模型的演进之路时间下午02:00-03:00日期2026年7月22日地点教学楼A栋415室Zoom链接https://cuhk-edu-cn.zoom.us/j/92754850077?pwd=QakJboO4F5vCQ7uYmei9L4LbFg2kaZ.1 密码: 260722会议号: 92754850077演讲嘉宾Marco CRISTANI 教授（意大利维罗纳大学）主持人李海洲 教授（香港中文大学（深圳））嘉宾简
AI认知篇01：快速分清AI、机器学习与大模型
你的手机相册里有一个你可能每天都在使用的功能，打开后照片已被自动归类。人物照归人物，风景照归风景，你家猫咪的照片也能被准确识别，甚至连去年在泰国海边拍的旧照都能被它翻出来。这个功能背后所使用的技术，就是大家常说的 AI。但你可能也有这样的感觉：每次刷到相关内容或与人讨论时，那些术语总是绕来绕去——AI、人工智能、机器学习、深度学习、大模型、大语言模型……听起来像是一回事，又总觉得哪里不对劲。你想问吧，怕显得外行。不问吧，下次聚餐别人聊起来你只能跟着点头。坦白讲，这种困惑非常正常。不是因为你不够聪明，而是这
诺奖双响AI圈 顶级大牛却为"智能本质"各执一词
他们争论的从来不是参数、不是框架，而是那个谁都不敢拍板的问题——智能，究竟是什么？2024 年 10 月，斯德哥尔摩连发了两枪。10 月 8 日，诺贝尔物理学奖给了两个人——约翰·霍普菲尔德和杰弗里·辛顿，理由是他们用神经网络"为机器学习奠定了基础"。六天后，诺贝尔化学奖也落到了 AI 头上：DeepMind 的哈萨比斯和江珀，因为用 AlphaFold 把蛋白质折叠这个难题攻克了。一个领域，一年两块诺奖。AI 算是正式迈入了科学的"贵宾厅"。但有个特别有意思的现象：奖牌挂上脖子之前，这几个人早就互相看不
普高招生32人：人工智能应用专业——智慧赋能，开创未来
- 2026年第66期-2 总第318期 -人工智能技术应用浙江省普通类招生计划专业代码：518计划：32选考科目范围：不限01培养目标致力于培育掌握人工智能数据处理、计算机编程及机器学习等核心知识，具备数据加工、模型调优、应用研发等实践技能，面向企事业单位，特别是人工智能产业及其应用相关的中小微型企业，从事人工智能数据服务、应用开发、智能系统集成与运维等领域的高素质技术人才。02主干课程Python语言编程、数据库原理与应用、人工智能概论、人工智能数据处理、计算机视觉应用开发、机器学习实战、自然语言处理
AI学习路径：从日常使用到深度理解
你每天都在和 AI 打交道：刷到的视频、问过的题、翻译过的句子。但你有没有想过——抖音为何越刷越精准？AI 为何能创作诗歌，却会一本正经地编造你们班老师的名字？同样一个问题，为何别人问出来的答案比你好十倍？本系列共 9 篇文章，源自一门面向高一学生的 AI 选修课（同时覆盖 CCF LMCC 青少年组认证考点）。它不堆公式，用类比、故事和动手实验，带你从"每天在用 AI"走到"真正懂 AI"。整个系列有一条隐藏主线：把一个大模型当成一个"人"来培养——先看它
AI赋能Python深度学习实战：CNN、Transformer与智能体自动化精讲
线上实时直播直播时段：7月20日-21日、25日-26日【赠送全套资料、源码及长期回放资源】前言导读课程详细大纲结业证书与学时认定报名参与方式紧扣真实科研需求，打造由Codex、Claude Code、OpenClaw、Hermes四位“AI科研助手”组成的可迭代、可迁移的科研协作团队实战训练营直播时段：7月17日-18日依托Claude Code与Codex双AI协同开展论文撰写与质量校准：覆盖“数据分析→初稿撰写→交叉审稿”全链路流程直播时段：7月25日-26日2026前沿AI-Agent2.0驱动的
吴恩达《AI for Everyone》课程首周学习要点梳理
•AI的核心定义：在工程技术层面，人工智能（AI）的核心在于实现输入（A）到输出（B）之间的映射关系（Mapping）。•发展阶段划分：◦ANI（弱人工智能）：现阶段AI技术应用的主要形态，聚焦于特定场景的任务处理。◦AGI（强人工智能）：拥有与人类相当的通用智能水平的理论阶段，尚未成为现实。◦ASI（超人工智能）：在各个维度上均超越人类水平的理论构想。•概念包含关系：数据科学（DataScience）⊃机器学习（MachineLearning）⊃深度学习（DeepLearning）⊃神经网络（Neura
AgPlenus发布AI模型精准预测抗真菌活性
AgPlenus公司宣布发布抗真菌效力预测模型（APP），这是一种机器学习模型，能够直接从分子的化学结构预测其抗真菌效力。该模型增强了Evogene旗下ChemPass AI for Ag™平台的功能，允许在化学合成和真菌检测验证之前评估生物效力。 全球杀菌剂市场每年规模约为220亿美元。真菌病害在全球范围内造成严重的农作物减产，每年导致数百亿美元的经济损失，对粮食安全构成日益严峻的威胁。同时，现有杀菌剂的广泛和重复使用加速了抗药性真菌病原体的产生，降低了众多商业产品的长期功效。 APP模型采用先进的机器
AI赋能射频信号处理技术新突破
射频（Radio Frequency, RF）信号处理是当代无线通信、雷达探测、电子对抗及物联网的核心技术支撑。随着5G/6G网络、认知无线电和智能感知技术的迅猛发展，射频通信系统正面临信道复杂、信号密集、调制方式多样化、设计非线性程度高、优化成本昂贵等显著挑战。基于专家经验的传统特征工程与电路设计方法，在复杂动态场景下表现出效率低下、泛化能力不足的缺陷，难以满足大规模、高实时性的工程应用需求。与此同时，深度学习与机器学习方法凭借其卓越的非线性拟合能力和模式识别优势，正在深刻改变射频研究的技术范式。本课程
AI 浪潮下，Python 是否已成过去式？
在人工智能技术深度嵌入科研与产业生态的当下，大模型与 Python 数据分析、机器学习及深度学习的紧密结合，正成为突破科研瓶颈、增强项目竞争力、推动高质量论文发表的关键引擎。为助力广大科研人员、高校师生及企业技术骨干掌握前沿技能，打通从理论学习到成果转化的全链路，特邀请国内顶尖 985 高校教授重磅推出《人工智能 Python 数据分析、机器学习与深度学习实战及项目申报、论文发表高级研修班》。本课程紧扣“技术落地 + 成果产出”两大核心，系统整合人工智能大模型、Python 数据分析、机器学习与深度学习的
人工智能入门：构建完整认知地图的指南
刚开始探索人工智能时，最让人头疼的往往不是单个概念难以理解，而是各类术语接连涌现、层出不穷。今天刚了解大模型，明天又遇到智能体，后天还会接触世界模型、具身智能、多模态、RAG、机器视觉。每个名词看起来都至关重要，却让人难以分辨：它们到底属于同一范畴吗？哪些是底层根基、哪些是实际应用、哪些又是前沿探索方向？ 因此本系列的首篇文章，不堆砌繁复公式，也不深入学术文献，先帮大家梳理整体认知。先做一件更基础、也更有价值的事：绘制一张 AI 初学者能看懂的全局蓝图。先看总结1.AI 是借助技术手段，让机器具备感知信息
AI赋能智能育种：四天实战从基因组到多组学分析
从基因组选择到 AI AgentAI赋能智能育种：四天实战从基因组到多组学分析四天高强度实战从基因组数据到 AI 智能分析理论学习 + 实操演练带你从「零基础」走向独立应用培训时间2026年8月17日-8月20日培训地点中国农业科学院农科三路24号（北京）+线上直播行业背景与课程缘起全基因组选择（Genomic Selection, GS）是利用覆盖全基因组的高密度分子标记进行选择育种的新方法。作为新一代育种技术，它通过构建预测模型，根据全基因组估计育种值对早期个体进行预测和选择，从而缩短育种世代间隔、加
以马克思主义哲学视角解读人工智能演进历程
点击蓝字 关注我们一、人工智能的萌芽与初步发展2022年，ChatGPT的震撼登场，使人工智能这一尖端科技瞬间成为全社会广泛关注的焦点话题。发展至今，从手机预装应用到互联网平台，各类产品纷纷贴上“AI加持”“大模型引领”等标识以凸显其前沿性。然而在这背后，人工智能实际上已默默历经七十多年的探索征程。正如《道德经》所讲"合抱之木，生于毫末"，当下看似井喷式发展的AI热潮，实则是数代科研人员在神经网络、机器学习等范畴长期钻研所积淀的必然产物。图1 《道德经》"合抱之木 ，生于毫末"图2 人工智能之父 艾伦·图
人工智能药物研发实战指南：运用类AlphaFold模型进行筛选与优化
人工智能药物研发实战指南：运用类AlphaFold模型进行筛选与优化ISBN：9781633437661出版社：Manning到货周期：10-12周内容简介在AI技术全面革新生命科学领域的今天，药物开发正从传统随机尝试迈向数据驱动的全新阶段。亚马逊研究专家Noah Flynn所著的这本实战手册，正是这一变革中的实用导航图。作品系统性地阐述了如何借助尖端机器学习手段，从零打造现代AI药物筛选流程，为加速新药问世提供了可操作的工程策略。作为一本注重实践的指导书，本书超越了AI概念的表面介绍，直击药物研发的实际