中国在人工智能（AI）教育领域投入巨大，众多高校纷纷开设了AI相关专业，以培养高素质的AI人才。以下是一些中国设有AI专业的大学及其专业简述：
北京大学：作为中国顶尖高校之一，北京大学在人工智能领域具有深厚的学术积累，提供了包括智能科学与技术、机器人工程等多个AI相关专业。
清华大学：清华大学在人工智能领域具有领先地位，拥有人工智能研究院和智能机器人研究中心，致力于培养具有创新能力的AI专业人才。
西安电子科技大学：该校人工智能学院提供智能科学与技术、数据科学与大数据技术等专业，拥有一支强大的教学师资队伍。
南京大学：南京大学人工智能学院提供机器学习与数据挖掘、智能系统与应用等专业方向，由周志华教授等国际知名学者领衔。
南开大学：南开大学人工智能学院拥有自动化、智能科学与技术等本科专业，并在人工智能领域推动一级学科的建设。
吉林大学：吉林大学人工智能学院有着超过40年的AI研究历史，提供人工智能专业等课程，具有雄厚的科研基础和育人经验。
中山大学：智能工程学院提供智能科学与技术专业、自动化专业，具有竞争力的科研实力。
苏州大学：人工智能研究院，虽然成立时间较晚，但拥有凌晓峰、高文等在学术界有较大影响力的专家。
湖南工业大学：人工智能学院提供智能科学与技术、数据科学与大数据技术、机器人工程等专业，具有较大的办学规模。
电子科技大学：提供无人驾驶航空器系统工程、机器人工程等专业，注重实践能力的培养。
这些专业通常涵盖了数学基础、计算机编程、机器学习、深度学习、自然语言处理等多个方面，旨在为学生打下扎实的理论基础，并培养他们在实际问题中运用AI技术的能力。此外，许多学校还设置了实践课程和项目，让学生在实践中掌握AI技术的应用。随着AI技术的快速发展，这些专业的就业前景广阔，毕业生可以在科技企业、金融机构、政府部门等领域工作，也可以继续深造攻读更高级学位。
资讯来源：Kimi.ai
1 年前
欧洲 HeadStart 项目 欢迎来到 Headstart，这是一项充满活力的计划，旨在通过为年轻女性和教育工作者提供在人工智能领域蓬勃发展所需的工具和联系来缩小人工智能领域的性别差距。通过引人入胜的教育内容、实践研讨会和支持性网络，我们旨在建立一个致力于推动人工智能领域性别平等的社区。 Headstart 项目的背景是，人工智能 (AI) 领域存在相当大的性别差异，女性的代表性明显不足。该项目的目标是通过为年轻女性和教育工作者提供必要的技能、知识和网络来解决这一问题。通过提供视觉展示、AI 工具包和交流机会等资源，Headstart 旨在激励和支持 AI 领域的下一代女性，努力实现系统性变革，打造一个更具包容性和多样性的 AI 社区。 此项目得到了欧盟委员会的资助。
1 年前
德国在人工智能领域的教育和研究也非常发达，以下是一些提供人工智能专业或课程的知名德国高校： 慕尼黑工业大学（Technische Universität München, TUM）：TUM 最早于2018年就开设了“机器人、认知、智能”的硕士学位课程。2024年，TUM 又设立了一个新的硕士项目——AI in Society（人工智能在社会中的应用），该专业的研究方向是减轻人工智能的偏见，增强用户依赖的可解释性和可解释性，以及确保数据隐私和安全。它还强调了公平获取人工智能技术和培育有竞争力的人工智能生态系统的重要性。 卡尔斯鲁厄理工学院（Karlsruhe Institute of Technology, KIT）：在人工智能研究领域具有重要地位，智能信息与机器学习研究组是该学院重要的人工智能研究领域之一 。 图宾根大学（Eberhard Karls Universität Tübingen）：计算机科学研究涵盖了从分布式系统，机器学习到数据挖掘等广泛的领域，语音交互技术研究小组开发出了先进的语音交互系统 。 亚琛工业大学（RWTH Aachen University）：提供计算机科学与应用人工智能硕士学位项目，是一个开放的、国际化的研究项目，涉及机器学习、自然语言处理、计算语言学等领域的研究 。 斯图加特大学（Universität Stuttgart）：提供“人工智能和数据科学”理学硕士学位，该学位课程深入拓展数据科学分析方法与专业技能，并聚焦一个应用领域的范畴 。 慕尼黑大学（Ludwig-Maximilians-Universität München）：提供数据科学硕士课程，由统计学院和计算机科学学院联合开设的跨学科项目，涵盖人工智能领域的核心知识与能力 。 柏林工业大学（Technische Universität Berlin）：其“人形机器人”学士学位课程除了涉及通常的技术外，还涉及未来技术的伦理、法律和社会方面。2019年冬，柏林工业大学曾开设人工智能与机器人课程，目标群体是拥有技术背景和对人工智能和机器人技术感兴趣的学士、硕士和博士生。 萨尔布吕肯大学（Universität des Saarlandes）：该校的计算机科学专业是计算机科学研究的国际中心，是德国顶尖的专业之一，也是全球 IT 研究领域中最著名的地址之一。校园内有300多位科研人员，其中有19位教授级别。在萨尔布吕肯计算机科学专业中，所有工作组都进行了理论和实践研究工作。 这些德国大学在人工智能领域的专业设置丰富，涵盖了机器学习、自然语言处理、计算机视觉、智能控制系统等多个方面，为学生提供了扎实的理论基础和广泛的应用实践机会。
1 年前
在美国，有多所大学提供人工智能（AI）专业或相关课程，这些专业通常涉及计算机科学、机器学习、数据挖掘等学科。以下是一些美国大学及其AI专业的详细介绍： 卡耐基梅隆大学（Carnegie Mellon University）：作为计算机科学领域的领先者，卡耐基梅隆大学是全美第一个设立人工智能学士学位的院校，提供全面的课程设置，涵盖机器学习、自然语言处理、计算机视觉等多个重要领域。"CMU的人工智能专业课程设置非常全面，涵盖了机器学习、自然语言处理、计算机视觉等多个重要领域。" 斯坦福大学（Stanford University）：斯坦福大学的计算机科学系在人工智能领域具有强大的实力和影响力，提供包括计算生物学、语音识别、认知和机器学习等前沿课程。"斯坦福大学在计算机理论、硬件、软件、数据库和人工智能等各个领域都居于美国乃至世界领先地位。" 麻省理工学院（Massachusetts Institute of Technology, MIT）：MIT在AI领域有着显著的成就，致力于将人工智能技术应用于所有研究领域，重视技术的实际应用。"MIT施瓦茨曼计算机学院"的建立显示了其在AI领域的发展雄心。 加州大学伯克利分校（University of California, Berkeley）：尽管伯克利没有专门提供人工智能学位，但它提供了与人工智能相关的课程，供计算机科学专业的学生选择。 华盛顿大学（University of Washington）：华盛顿大学在计算机科学领域享有盛誉，提供高级课程，并且在人工智能研究和教学方面拥有强大的师资力量和领先的研究中心。 哥伦比亚大学（Columbia University）：哥伦比亚大学提供人工智能相关的本科课程，位于纽约市的优越地理位置为学生提供了丰富的实践机会。 俄亥俄州立大学（The Ohio State University）：OSU为人工智能学生提供了丰富的研究机会和不同研究小组，包括应用机器学习、认知系统等多个领域。 宾夕法尼亚大学（University of Pennsylvania）：UPenn的AI方向学生需要学习计算机与认知科学的双学位，提供跨学科的深入教育。 德克萨斯大学奥斯汀分校（University of Texas at Austin）：以强大的工程和计算机科学项目而闻名，提供人工智能相关课程，并且在超级计算等领域具有显著的研究。 伊利诺伊大学香槟分校（University of Illinois at Urbana-Champaign）：提供应用计算机工程理学士学位，内置人工智能、机器人学与控制论课程。 这些大学提供的AI专业不仅包括理论知识的学习，还强调实践技能的培养，鼓励学生参与研究项目和创新活动。毕业生通常在科技公司、研究机构或创业公司等领域拥有广阔的就业前景。 资讯来源：Kimi.ai
1 年前
根据搜索结果，中国各大高校的AI专业课程设置具有以下特点： 基础理论课程： 数学基础：包括概率论与数理统计、线性代数、微积分等，为学生提供扎实的数学基础。 计算机科学基础：如数据结构、计算机组织与体系结构、操作系统、计算机网络等，培养学生的编程和系统设计能力。 专业核心课程： 人工智能概论：介绍人工智能的基本理论、方法和技术，为进一步学习打下基础。 机器学习：涉及主流的机器学习理论、方法、算法与应用，强调理论与实践结合。 知识工程：研究如何由计算机表示知识，进行问题的自动求解。 模式识别：包括贝叶斯决策理论、线性判别函数、人工神经网络等，培养学生的识别和分类能力。 高级专业课程： 深度学习：研究深度神经网络及其在图像识别、自然语言处理等领域的应用。 自然语言处理：涉及语言模型、文本分析、机器翻译等技术。 计算机视觉：包括图像处理、视频分析、三维重建等技术。 智能控制：研究智能系统的控制理论和方法。 实践与实验课程： 人工智能系统实验：通过实验课程，让学生掌握AI系统的设计与实现。 专业基础实践：培养学生的动手能力和实际操作技能。 创新创业实践：鼓励学生将理论知识应用于实际问题，培养创新思维和创业能力。 跨学科与选修课程： 跨学科课程：如脑科学基础、认知计算等，促进AI与其他学科的交叉融合。 选修课程：提供多种选修课，如智能网络与云计算技术、信息论等，供学生根据兴趣选择。 国际视野与语言能力： 双语教学：部分课程采用双语教学，提升学生的国际视野和语言能力。 国际化选修课：提供国际课程，增强学生的全球竞争力。 文化素质教育： 文化素质教育课程：包括文化素质教育核心课程和选修课程，培养学生的人文素养。 毕业设计（论文）： 毕业设计：要求学生进行为期一年的毕业设计，培养综合运用所学知识解决实际问题的能力。 创新创业课程： 创新创业课程：鼓励学生参与创新创业项目，培养实际应用和创新能力。 这些课程设置旨在培养学生的理论知识、实践技能、创新能力和国际视野，使他们能够在未来的AI领域中发挥重要作用。 资讯来源：Kimi.ai
21 天前
AiPPT: 一句话、一分钟、一键搞定
28 天前
Ralph 就是一个让 AI "自己干活直到做完"的循环机制，特别适合复杂的编程任务，解放人力。这里介绍具体怎么搭建和使用 Ralph 循环。 📋 前置准备 你需要准备以下内容： 工具 用途 Claude Code Anthropic 的 AI 编程助手 CLI Docker Desktop 提供隔离的沙盒环境 Anthropic API Key 调用 Claude API 🛠️ 搭建步骤 方法一：使用 Claude Code 插件（推荐） Step 1: 安装 Claude Code # 安装 Claude Code CLI npm install -g @anthropic-ai/claude-code Step 2: 初始化项目 mkdir my-ralph-project cd my-ralph-project claude init Step 3: 添加插件市场 claude plugins add-marketplace Step 4: 安装 Ralph Wiggum 插件 claude plugins install ralph-wiggum Step 5: 配置 Stop Hook 在 .claude/hooks/ 目录下创建 stop-hook.json： { "hook_type": "stop", "decision": "block", "conditions": { "check_tests": true, "check_type_errors": true, "check_git_changes": true }, "max_iterations": 20, "prompt": "任务未完成，请继续迭代修复问题" } 方法二：手动搭建（完全控制） Step 1: 创建项目结构 my-ralph-project/ ├── .claude/ │ ├── hooks/ │ │ └── stop-hook.sh │ ├── skills/ │ │ └── ralph-loop.json │ └── config.json ├── prd/ │ └── requirements.json └── workspace/ Step 2: 配置核心文件 config.json - 核心配置 { "max_iterations": 15, "auto_commit": true, "run_tests_after_each_iteration": true, "stop_conditions": { "all_tests_pass": true, "no_type_errors": true, "prd_completed": true } } skills/ralph-loop.json - 技能定义 { "name": "ralph-loop", "description": "自主迭代循环实现 PRD 任务", "trigger": "when_task_incomplete", "actions": [ "analyze_current_state", "identify_blockers", "fix_issues", "run_tests", "commit_if_passing" ] } hooks/stop-hook.sh - Stop Hook 脚本 #!/bin/bash # 检查测试是否通过 TESTS_PASS=$(npm test 2>&1 | grep -c "passed") # 检查是否有类型错误 TYPE_ERRORS=$(npx tsc --noEmit 2>&1 | grep -c "error") # 检查 PRD 是否完成 PRD_COMPLETE=$(node check-prd.js) if [ "$TESTS_PASS" -eq 0 ] || [ "$TYPE_ERRORS" -gt 0 ] || [ "$PRD_COMPLETE" = "false" ]; then echo "BLOCK: 任务未完成，继续迭代" exit 1 else echo "ALLOW: 任务已完成" exit 0 fi Step 3: 准备 PRD 文件 prd/requirements.json { "project_name": "My Feature", "tasks": [ { "id": 1, "description": "创建用户登录页面", "criteria": ["表单验证正常", "API 调用成功", "错误处理完善"], "status": "pending" }, { "id": 2, "description": "实现用户注册功能", "criteria": ["邮箱验证", "密码强度检查", "重复密码确认"], "status": "pending" } ] } 🚀 使用方法 启动 RALPH 循环 # 方法一：插件方式 claude run --skill ralph-loop --prd ./prd/requirements.json # 方法二：Docker 隔离环境 docker run -it \ -v $(pwd):/workspace \ -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \ claude-ralph:latest 监控循环状态 # 查看当前迭代次数 cat .ralph/iteration_count # 查看任务完成状态 cat .ralph/task_status.json # 查看日志 tail -f .ralph/loop.log 🔧 高级配置 1. 自定义 Stop Hook 规则 { "stop_conditions": { "all_tests_pass": { "enabled": true, "command": "npm test", "success_pattern": "all tests passed" }, "no_lint_errors": { "enabled": true, "command": "npm run lint", "success_pattern": "no problems" }, "coverage_threshold": { "enabled": true, "threshold": 80 } } } 2. 添加代码审查步骤 { "after_each_iteration": [ "run_tests", "run_linter", "code_review", "commit_if_passing" ], "code_review_prompt": "审查代码质量、安全性、性能问题" } 3. 设置成本控制 { "cost_limits": { "max_tokens_per_iteration": 50000, "max_total_cost": 50, "alert_at_cost": 30 } } 📊 典型工作流程 ┌─────────────────────────────────────────────┐ │ 1. Claude 读取 PRD 任务列表 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 2. 选择下一个待完成任务 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 3. 实现代码、编写测试 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 4. 运行测试套件 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 5. Stop Hook 检查是否完成 │ │ • 测试通过？ │ │ • 无类型错误？ │ │ • PRD 要求满足？ │ └─────────────────┬───────────────────────────┘ ↓ ┌───────┴───────┐ ↓ ↓ 未完成 完成 ↓ ↓ 返回步骤 2 结束循环 💡 最佳实践 建议 说明 PRD 要清晰 任务描述具体、可验证，避免模糊需求 设置最大迭代 防止无限循环消耗过多成本 使用 Docker 隔离环境，避免污染本地系统 定期检查 每 10 轮查看一次进度和日志 成本监控 设置预算警报，避免超支 ⚠️ 注意事项 成本控制：每次迭代消耗 tokens，长时间运行成本较高 质量检查：AI 可能"认为"完成但实际有 bug，需要严格测试 安全边界：在沙盒环境运行，避免 AI 误删重要文件 人工介入：复杂任务仍需人工审查结果
28 天前
Ralph Loop 是一种让 AI 自主迭代的机制，主要用于解决 AI 编程助手"半途而废"的问题。
1 个月前
OpenClaw 本质是“开发者基础设施”，而非面向大众的 SaaS 产品。
Minimax（海螺AI）已由大模型名Minimax替换原海螺AI。现海螺AI为Minimax视频生成产品名。
海螺AI