和鲸科技推出人工智能通识课程解决方案,助力AI人才培养
2025年2月,教育部副部长吴岩应港澳特区政府邀请,率团赴港澳宣讲《教育强国建设规划纲要 (2024—2035 年)》。在港澳期间,吴岩阐释了教育强国目标的任务,并与特区政府官员交流推进人工智能人才培养的办法。这一系列行动体现出人工智能教育在当下教育体系中的重要地位,也显示出各方培养适应时代需求的人工智能人才的决心。
随着人工智能技术成为推动新质生产力形成的核心动力,其在教育领域的应用与人才培养越发受重视。众多高校积极响应,把人工智能通识课程纳入教育范围。但是,在课程筹备时,教学内容如何进行合理编排、实验实训怎样设计的让学生清楚易懂、以及算力资源怎样配备等问题,成了阻碍课程顺利推进的难题。为此,和鲸科技凭借在教育科技领域积累的经验,及时推出了人工智能通识教育解决方案。
01
精品课程设计:新生AI启蒙
和鲸人工智能通识教育解决方案包含教学平台、精品课程、实验资源。其中,《人工智能导论:思维与应用》课程专为大一新生设计,旨在通过零代码、低代码多种实验,让学生在动手过程中体验与理解大模型、智能体等 AI 前沿技术。2月25日,和鲸人工智能通识解决方案发布会圆满落幕,会上,课程主创团队基于课程理念、架构与实验展开,同与会教师一同交流通识教育及AI人才培养路径。您前往去和鲸社区-课堂板块/和鲸官网解决方案页了解更多方案信息。
这门课程涵盖人工智能历史发展、机器学习、深度学习、大语言模型等主要内容,避开复杂难懂的理论,关注实际应用与操作。
比如在讲机器学习时,通过具体案例让学生直观理解常见机器学习方法如何解决实际问题,像用机器学习模型预测商品销量,帮助学生快速掌握 AI 基础概念。同时,课程设置 4 大实验,培养学生分析和应用人工智能的能力,也注重培养学生对 AI 技术的批判性思维与社会责任感。课程配备的完整教学材料,像教学大纲、PPT 课件等,也方便高校快速开展教学。
02
实训赋能:搭建AI实践桥梁
以前,学生常面临 “不学写代码就难以实践 AI” 的情况,而基于和鲸即开即用的 AI 通识课实训平台 ModelWhale,学生可以直接采用拖拉拽式模块化编程组件,不用编写复杂代码,就能理解机器学习建模流程和模型迭代过程。
在数据处理方面,平台可以全面辅助学生完成数据采集与标注的整个过程,从而让学生深刻理解数据作为人工智能核心要素的运行机制。
此外,它支持集成流行模型编排工具,帮助学生掌握大模型与智能体组合运用,解决复杂问题。比如,学生能借助平台,利用大模型和智能体为旅游公司制定个性化旅游规划方案,提升实战技能。平台的自动化作业评估功能,也能快速评估机器学习模型结果,帮助学生优化模型。
03
场景适配:云端教学助力
在教学场景选择上,和鲸充分考虑了各高校的实际需求。对于学生多的通识课程,尤其是实验类课程,云端平台优势明显。和鲸的云端平台能承载大规模学生在线学习,已经助力某高校实现人工智能通识课程全校 6000 多名学生云端学习。依靠 ModelWhale 教学实训平台和和鲸社区丰富资源,教师能在平台上高效管理班级,进行学情监控、课件作业发布和计算资源分配等操作。
04
多学科领域的实践探索
和鲸也持续深耕多学科领域,积极探索人工智能通识教育的创新实践路径。
(一)携手南大,共启人工智能赋能教育新篇章
在人工智能与教育融合的浪潮中,南京大学积极探索综合性的AI教育模式。计算机基础教学部联合和鲸科技、智谱华章科技,借助“101数智领航计划”,构建“1+X+Y”人工智能通识课程体系。从基础理论到跨学科应用,和鲸社区丰富的实践资源、智谱的大模型技术全方位融入,为学生打造了前沿且实用的学习路径,全面提升学生的AI素养,为各学科领域输送具备AI能力的复合型人才。
(二)医学领域深耕,AI 驱动健康医疗教育变革
目前,和鲸与多家医学院校的合作已取得显著成果。在北京中医药大学,双方共建健康医疗人工智能实验室,开发《医学人工智能分析应用实践》课程创新考核形式,构建了覆盖数据采集、模型训练到临床应用的全流程实践环境。该实验室支持学生完成智能诊断系统开发、医疗影像分析等科研项目,部分成果已进入临床辅助决策系统试用阶段。与上海交通大学医学院合作开展的医学数据科学教育项目,通过公益课程与专项培训,提升了医学生运用 AI 技术进行疾病预测与健康管理的能力。
(三)文科创新探索:AI 赋能文科专业多元发展
和鲸也针对文科专业的特点设计了差异化的教学方案。
南开大学作为文科领域探索的典型代表,与和鲸科技合作开展新文科建设。双方共同推出的《新文科 Python 程序设计基础》和《新文科数据分析基础》课程,采用 了POT - OBE 教学理念,依托和鲸 ModelWhale 平台,以实际任务为导向,如围绕高考平行志愿任务和数据分析实例展开教学。让文科学生在解决问题的过程中学习 Python 编程和数据分析知识,不仅提升了学生的编程能力,还培养了学生运用 AI 技术解决文科领域实际问题的思维和方法,为新文科建设提供了宝贵经验。
在经管领域,构建分层教学体系,基础层借助商业数据分析案例培养学生 AI 应用意识,进阶层利用算法模型开展投资组合优化等实战训练,并提供免费在线课程资源,帮助学生全面掌握数据处理与分析技能。
从课程设置到实训平台,从教学场景到多学科实践,再到教学各环节资源支持,和鲸的方案涵盖了人工智能通识教育的各个方面。相信在各方共同努力下,人工智能通识教育会不断发展完善,为社会培养出更多有 AI 素养的复合型人才,推动教育强国建设目标的实现。
相关文章:

和鲸科技推出人工智能通识课程解决方案,助力AI人才培养
2025年2月,教育部副部长吴岩应港澳特区政府邀请,率团赴港澳宣讲《教育强国建设规划纲要 (2024—2035 年)》。在港澳期间,吴岩阐释了教育强国目标的任务,并与特区政府官员交流推进人工智能人才培养的办法。这一系列行动体现出人工智…...

免费使用 DeepSeek API 教程及资源汇总
免费使用 DeepSeek API 教程及资源汇总 一、DeepSeek API 资源汇总1.1 火山引擎1.2 百度千帆1.3 阿里百炼1.4 腾讯云 二、其他平台2.1 华为云2.2 硅基流动 三、总结 DeepSeek-R1 作为 2025 年初发布的推理大模型,凭借其卓越的逻辑推理能力和成本优势,迅速…...

网络安全-使用DeepSeek来获取sqlmap的攻击payload
文章目录 概述DeepSeek使用创建示例数据库创建API测试sqlmap部分日志参考 概述 今天来使用DeepSeek做安全测试,看看在有思路的情况下实现的快不快。 DeepSeek使用 我有一个思路,想要测试sqlmap工具如何dump数据库的: 连接mysql数据库&#…...

网络原理--TCP/IP(2)
我们在之前已经介绍到TCP协议的核心机制二,接下来我们将继续介绍其他的核心机制。 核心机制三:连接管理 即建立连接,断开连接,在正常情况下,TCP要经过三次握⼿建⽴连接,四次挥⼿断开连接。 建立连接:TCP是通过“三次握手” 在生活中的握手就是打招呼,,但握手操作没有…...

Ragflow与Dify之我见:AI应用开发领域的开源框架对比分析
本文详细介绍了两个在AI应用开发领域备受关注的开源框架:Ragflow和Dify。Ragflow专注于构建基于检索增强生成(RAG)的工作流,强调模块化和轻量化,适合处理复杂文档格式和需要高精度检索的场景。Dify则旨在降低大型语言模…...
文件上传漏洞绕过WAF
文件上传漏洞绕过WAF学习笔记 1. WAF检测原理 WAF(Web应用防火墙)通过以下方式拦截文件上传攻击: 关键字匹配:检测文件名、内容中的敏感词(如<?php、eval)。 扩展名黑名单:拦截.php、.jsp…...

[含文档+PPT+源码等]精品基于Python实现的vue3+Django计算机课程资源平台
基于Python实现的Vue3Django计算机课程资源平台的背景,可以从以下几个方面进行阐述: 一、教育行业发展背景 1. 教育资源数字化趋势 随着信息技术的快速发展,教育资源的数字化已成为不可逆转的趋势。计算机课程资源作为教育领域的重要组成部…...

Qt 开源音视频框架模块之QtAV播放器实践
Qt 开源音视频框架模块QtAV播放器实践 1 摘要 QtAV是一个基于Qt的多媒体框架,旨在简化音视频播放和处理。它是一个跨平台的库,支持多种音视频格式,并提供了一个简单易用的API来集成音视频功能。QtAV的设计目标是为Qt应用程序提供强大的音视…...
【前端】XML,XPATH,与HTML的关系
XML与HTML关系 XML(可扩展标记语言)和 HTML(超文本标记语言)是两种常见的标记语言,但它们有不同的目的和用途。它们都使用类似的标记结构(标签),但在设计上存在一些关键的差异。 XML…...

ubuntu服务器安装VASP.6.4.3
ubuntu服务器安装VASP.6.4.3 1 安装Intel OneAPI Base Toolkit和Intel OneAPI HPC Toolkit1.1 更新并安装环境变量1.2 下载Intel OneAPI Base Toolkit和Intel OneAPI HPC Toolkit安装包1.3 安装 Intel OneAPI Base Toolkit1.4 安装 Intel OneAPI HPC Toolkit1.5 添加并激活环境…...

市场加速下跌,但监管「坚冰」正在消融
作者:Techub 热点速递 撰文:Yangz,Techub News 与近日气温逐步回暖不同,自 2 月 25 日比特币跌破 9 万美元以来,加密货币市场行情一路下滑。今日 10 时 50 分左右,比特币更是跌破 8 万美元大关,…...
7.2 - 定时器之计算脉冲宽度实验
文章目录 1 实验任务2 系统框图3 软件设计 1 实验任务 本实验任务是通过CPU私有定时器来计算按键按下的时间长短。 2 系统框图 参见7.1。 3 软件设计 注意事项: 定时器是递减计数的,需要考虑StartCount<EndCount的情况。 /***********…...
Imagination DXTP GPU IP:加速游戏AI应用,全天候畅玩无阻
日前,Imagination 推出了最新产品——Imagination DXTP GPU IP,在智能手机和其他功耗受限设备上加速图形和AI工作负载时,保证全天候的电池续航。它是我们最新D系列GPU的最终产品,集成了自2022年发布以来引入的一系列功能ÿ…...

关于流水线的理解
还是不太理解,我之前一直以为,对axis总线,每一级的寄存器就像fifo一样,一级一级的分级存储最后一级需要的数据。(现在看来,我这个理解应该也是没有问题的) 如下图,一开始是在解析axi…...

采样算法二:去噪扩散隐式模型(DDIM)采样算法详解教程
参考 https://arxiv.org/pdf/2010.02502 一、背景与动机 去噪扩散隐式模型(DDIM) 是对DDPM的改进,旨在加速采样过程同时保持生成质量。DDPM虽然生成效果优异,但其采样需迭代数百至数千次,效率较低。DDIM通过以下关键…...
北京大学DeepSeek提示词工程与落地场景(PDF无套路免费下载)
近年来,大模型技术飞速发展,但许多用户发现:即使使用同一款 AI 工具,效果也可能天差地别——有人能用 AI 快速生成精准方案,有人却只能得到笼统回答。这背后的关键差异,在于提示词工程的应用能力。 北京大…...
Hutool - POI:让 Excel 与 Word 操作变得轻而易举
各位开发者们,在日常的 Java 开发工作里,处理 Excel 和 Word 文件是相当常见的需求。无论是从 Excel 里读取数据进行分析,还是将数据写入 Excel 生成报表,亦或是对 Word 文档进行内容编辑,传统的 Apache POI 库虽然功能…...

IDEAPyCharm安装ProxyAI(CodeGPT)插件连接DeepSeek-R1教程
背景:最近DeepSeek比较火嘛,然后在githup上也看到了GitHub Copilot,就想着现在AI的准确率已经可以提高工作效率了。所以从网上找了一些编程插件,发现Proxy支持的模型比较多,通用性和适配性比较好。所以本文记录一下pro…...
Iceberg Catalog
使用限制 支持 Iceberg V1/V2 表格式。支持 Position Delete。2.1.3 版本开始支持 Equality Delete。支持 Parquet 文件格式2.1.3 版本开始支持 ORC 文件格式。 创建 Catalog 基于 Hive Metastore 创建 Catalog 和 Hive Catalog 基本一致,这里仅给出简单示…...
2025年2月个人工作生活总结
本文为 2025年2月工作生活总结。 工作记录 AI浪潮 AI非常火,春节至今,到处充斥着大量和AI、DeepSeek有关的新闻。领导也一再强调要用AI,甚至纳入到新一年的考核里。再往上,大领导开会的新闻稿里也作出要求,不能停下脚…...
云原生核心技术 (7/12): K8s 核心概念白话解读(上):Pod 和 Deployment 究竟是什么?
大家好,欢迎来到《云原生核心技术》系列的第七篇! 在上一篇,我们成功地使用 Minikube 或 kind 在自己的电脑上搭建起了一个迷你但功能完备的 Kubernetes 集群。现在,我们就像一个拥有了一块崭新数字土地的农场主,是时…...
OpenPrompt 和直接对提示词的嵌入向量进行训练有什么区别
OpenPrompt 和直接对提示词的嵌入向量进行训练有什么区别 直接训练提示词嵌入向量的核心区别 您提到的代码: prompt_embedding = initial_embedding.clone().requires_grad_(True) optimizer = torch.optim.Adam([prompt_embedding...
06 Deep learning神经网络编程基础 激活函数 --吴恩达
深度学习激活函数详解 一、核心作用 引入非线性:使神经网络可学习复杂模式控制输出范围:如Sigmoid将输出限制在(0,1)梯度传递:影响反向传播的稳定性二、常见类型及数学表达 Sigmoid σ ( x ) = 1 1 +...
Caliper 配置文件解析:config.yaml
Caliper 是一个区块链性能基准测试工具,用于评估不同区块链平台的性能。下面我将详细解释你提供的 fisco-bcos.json 文件结构,并说明它与 config.yaml 文件的关系。 fisco-bcos.json 文件解析 这个文件是针对 FISCO-BCOS 区块链网络的 Caliper 配置文件,主要包含以下几个部…...
【Go语言基础【13】】函数、闭包、方法
文章目录 零、概述一、函数基础1、函数基础概念2、参数传递机制3、返回值特性3.1. 多返回值3.2. 命名返回值3.3. 错误处理 二、函数类型与高阶函数1. 函数类型定义2. 高阶函数(函数作为参数、返回值) 三、匿名函数与闭包1. 匿名函数(Lambda函…...
JavaScript基础-API 和 Web API
在学习JavaScript的过程中,理解API(应用程序接口)和Web API的概念及其应用是非常重要的。这些工具极大地扩展了JavaScript的功能,使得开发者能够创建出功能丰富、交互性强的Web应用程序。本文将深入探讨JavaScript中的API与Web AP…...

java高级——高阶函数、如何定义一个函数式接口类似stream流的filter
java高级——高阶函数、stream流 前情提要文章介绍一、函数伊始1.1 合格的函数1.2 有形的函数2. 函数对象2.1 函数对象——行为参数化2.2 函数对象——延迟执行 二、 函数编程语法1. 函数对象表现形式1.1 Lambda表达式1.2 方法引用(Math::max) 2 函数接口…...

数据结构第5章:树和二叉树完全指南(自整理详细图文笔记)
名人说:莫道桑榆晚,为霞尚满天。——刘禹锡(刘梦得,诗豪) 原创笔记:Code_流苏(CSDN)(一个喜欢古诗词和编程的Coder😊) 上一篇:《数据结构第4章 数组和广义表》…...

归并排序:分治思想的高效排序
目录 基本原理 流程图解 实现方法 递归实现 非递归实现 演示过程 时间复杂度 基本原理 归并排序(Merge Sort)是一种基于分治思想的排序算法,由约翰冯诺伊曼在1945年提出。其核心思想包括: 分割(Divide):将待排序数组递归地分成两个子…...

Python异步编程:深入理解协程的原理与实践指南
💝💝💝欢迎莅临我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 持续学习,不断…...