2026年上海交通大学-阿布扎比主权基金奖学金计划人工智能暑期学校

数学是我们“与造物主对话的语言”，其最显著的特征是抽象性——这一特质让许多学生望而生畏，却恰恰是数学魅力的真正源泉。本课程不仅揭示数学本身的内在逻辑，更深入探讨数学与经济学、逻辑学、乐律学等领域的奇妙联系，帮助学生理解：线性代数、微积分和概率统计为何是大学几乎所有学科不可或缺的工具？学习它们与人工智能的关联究竟是什么？这些数学知识又能带来怎样的实际价值？旨在让学生学习学会像数学家一样思考，从繁杂的表面中抓住最核心的本质，在迷雾中看清规律，感受数学思维带给人类心智的美妙与力量。对于即将从高中迈入大学的同学来说，这门课正是连接中学数学与大学思维的必要桥梁。

设计思路：本课程以“空间中的数据与变换”为主线，引导学生理解线性代数作为研究空间结构、数据表示与映射关系的学科本质，将向量、矩阵和空间变换等抽象对象与实际可视化联系起来，通过空间变换的视角搭建数学直觉，为理解机器学习算法中的数据表示与特征变换打下基础。

核心知识点：

1. 向量的几何意义和代数表示：理解向量既可以表示空间中的点和方向，也可以表示现实世界中的数据。以声音、图像、文本等实例，说明数据如何被表示为高维空间中的一个点，并构造2D/3D空间直觉。
2. 矩阵与线性变换：建立“矩阵即变换”的观点，理解矩阵作为数据表和空间变换工具的双重含义。演示空间在矩阵变换下如何进行旋转、缩放与投影。用可视化工具（如Python 绘图库或交互式几何工具）演示变换如何改变空间中的图形。

学生可掌握的成果：

1. 能够从学科发展角度，理解线性代数如何作为底层语言（数据表示与变换）支撑现代人工智能算法。
2. 建立“空间变换”思维，能够利用可视化工具直观理解矩阵运算对空间产生的几何影响。

设计思路：本课程旨在培养学生处理连续性与随机性的数学直觉。微积分部分重点强调导数的几何意义；概率部分则侧重从公理化视角理解不确定性，为理解机器学习中的优化算法、损失函数、数据分布和贝叶斯推断等核心概念打好基础。

核心知识点：

1. 极限与导数：从瞬时变化率引出极限思想，理解导数作为函数在某点处“最佳线性逼近”的本质。掌握基本求导法则及其几何意义（切线斜率）。理解梯度下降的基础——导数决定了函数值下降最快的方向。
2. 概率空间与统计分布：建立样本空间与事件的概念，探讨随机变量的期望（均值）与方差（波动）。解析正态分布的数学特性及其在自然界中的普遍性。理解统计分布如何描述现实世界数据中的规律与变异性。理解为什么统计分布是描述数据噪声与规律的通用语言。

学生可掌握的成果：

1. 建立“局部线性化”的直观思维。
2. 熟悉梯度、分布函数等核心符号，理解梯度下降为何可作为优化工具，预备机器学习算法的数学基础。

设计思路：将前两个模块的数学工具组装起来，解析经典机器学习算法。同时了解当前前沿模型。

核心知识点：

1. AI、机器学习与深度学习的介绍：厘清核心概念与学科边界。
2. 经典机器学习算法：线性回归与逻辑回归。
3. 深度神经网络：简单神经网络模型（如全连接网络）、优化方法（反向传播等）。
4. 当前前沿模型如大语言模型、生成式模型介绍。

学生可掌握的成果：

1. 掌握机器学习基础算法的基本概念。
2. 理解数据特征提取、模型训练、测试验证的完整AI工作流。

项目选题：本次暑期学校拟设若干板块，并设置固定选题（如AI for Science、AI for Goods、AI创业、AI算法应用、AI金融、AI大模型等），同时学生也可自主提出感兴趣的课题。7月16日下午将进行正式选题讨论，结合机器学习课程内容，最终确定选题。项目式学习中，每个小组或每5名学员配备1名助教，助教主要由授课教授的研究生或博士生担任，同时负责小组作业/习题课的辅导。

在项目制学习中，将融入Python学习设计：传统的高中Python课往往停留在打印文本，难以激发成就感。本模块将结合大语言模型，指导学生如何利用Prompt生成前端代码，并与自己编写的Python后端逻辑相结合，实现真正的敏捷分工与实时Debug能力。

Python编程的核心知识点与实践包括：

1. 数据处理与环境准备：Python 基础语法复习（变量、函数、循环、条件）、数据处理库（NumPy & Pandas 的基本使用）、数据可视化简介（Matplotlib 或 Plotly）。
2. AI 辅助编程与 Prompt Engineering：AI 工具（如 GPT）在代码生成中的合理角色、Prompt Engineering 的基本原则、如何构造清晰需求、定义函数逻辑、查找并修复 Bug、Hallucination（幻觉）概念与识别方法。
3. PBL敏捷开发：构建一个AI Web应用。
4. Demo路演与代码复盘。

学生可掌握的成果：

1. 掌握如何将GPT等大模型作为强大的开发助手，大幅降低Web应用的开发门槛。
2. 拥有一份可以在浏览器中交互展示的完整项目Demo。
3. 进一步提高对Python的使用以及对vibe coding的理解。

项目学习清单 / Project-Based Learning List

1. AI 算法应用｜Training the Diffusion Model From Noise to Creation: Training Diffusion Models for Image and Audio Generation
   导师：胡丹（助教：李璋）
   扩散模型的训练：生成式 AI 模型的训练；项目内容：训练扩散模型用于图像生成和语音生成，理解条件引导在训练和采样过程中的使用方式。
2. AI 与生成模型｜AI and Generative Models: From Random Patterns to Neural Networks
   导师：李磊（助教：张李铄）
   本课题主要介绍基于 Python 的简单生成模型实践。课程将从随机数和简单图案生成入手，介绍 NumPy 数组、Matplotlib 可视化和图像的矩阵表示；随后会引入 MNIST 数据集，展示 Autoencoder 的结构与训练过程。最后将简要介绍 Flow Matching 等现代生成模型的基本思想，帮助学生建立对当前生成式 AI 方法的初步认识。
3. AI for translation｜Design and Implementation of a Neural Network-Based Intelligent Translation System
   导师：马征（助教：彭及申、闵辰）
   本项目将带领学生在在线编程平台上，基于 LSTM/seq2seq/Transformer 架构从头训练一个小型神经机器翻译模型，探索中、英、阿拉伯语之间的智能翻译。学生将在公开双语平行语料上完成数据预处理（分词、构建词表）、模型设计（编码器-解码器结构）、训练与推理的全流程。实践中，学生需使用 Python 和 PyTorch 实现或简化 Transformer 核心组件（自注意力、多头注意力、位置编码等），同时学习 vibe coding 方法，借助大语言模型辅助生成、调试和优化代码，实时监控损失曲线与 BLEU 指标以评估翻译质量。模型训练完成后，学生在 Notebook 中直接展示翻译效果——通过输入自定义测试句子，可视化输出译文及注意力权重图，以直观理解模型如何对齐源语言与目标语言。最终产出可完整运行的 Notebook、代码仓库及简要实验报告，重点培养学生对神经机器翻译原理和 Transformer 工作机制的深入理解，以及独立开展深度学习实验的能力。本项目不要求任何翻译或 NLP 背景，具备 Python 基础即可，助教全程带教。
4. AI for Science｜“Mind Reading” Using Brain Waves 用脑电波“读心”
   导师：秦山山（助教：方子锴）
   用脑电波“读心”：亲手做一个脑机接口。做什么：科幻片里用“意念”打字、控制机械臂，背后的技术叫脑机接口（BCI）。本项目让你亲手做一个最小的脑机接口——训练一个 AI，让电脑只凭真实人脑的脑电波，判断出这个人此刻是睁眼还是闭眼。出什么成果：① 一个浏览器里能玩的“读心”小程序（Demo）；② 一个完整代码仓库（GitHub）；③ 一份技术报告 + 一篇简化科研论文。门槛：零脑科学基础、不需要强数学，会一点 Python 基础即可，全程有助教带。
5. AI for Science｜量子计算化学：利用 VQE 模拟氢分子基态能量 Quantum Computational Chemistry
   导师：曾培（助教：唐嘉艺）
   本项目将利用变分量子求解器（VQE）模拟氢分子的基态能量，帮助学生体验量子计算在分子模拟中的应用。学生将在成熟的量子计算软件包和示例程序基础上，通过 Python 改变氢原子间距并运行量子线路，绘制氢分子的势能曲线。通过寻找曲线的最低点，估计氢分子的平衡键长，并与经典计算结果进行比较。重点培养学生使用计算工具开展科学实验、分析数据和解释结果的能力。最终形成可运行的程序、可视化结果和简要研究报告。
6. AI for Science｜智能交通系统 Intelligent Transportation System
   导师：张何朋（助教：彭天健、张章勇）
   本项目由多名高中生利用编程小车和交通沙盘，完成模拟无人驾驶探究。小车配备巡线、超声波、AI 视觉三类传感器，模拟真实汽车感知环境：依靠巡线传感器沿赛道自动前进；超声波检测前方障碍物，及时停车避让；自带视觉屏幕可一键训练识别红绿灯、转向标识，看到红灯停下、识别路标自动转弯并语音提示。团队将在沙盘赛道测试，优化小车运行效果。最终做出能全程自主行驶的小车实物，整理实验数据、项目报告与演示视频。项目结合物理、信息技术知识，直观了解自动驾驶基础原理，锻炼动手搭建、简易编程和小组协作解决问题的能力。

本课程带领学生走进前沿科技实验室与知名科技企业，亲身感受真实的研究与工作环境。学生将有机会观察人工智能、机器人、芯片、生物计算等领域的实际研发过程，与企业技术专家、研发人员交流，了解一项技术从实验室原型到工业产品的完整路径。

其中，AI蛋白质设计版块（参观天鹜科技）：学生走进企业与专家面对面交流、学习课程，接触前沿科学家和前沿科技研究；走进超现实实验室，像工程师一样用AI设计出全新的蛋白质，再交给工厂的自动化设备完成合成，最后收获一份用蛋白降解回收塑料打造的专属手办。从算法到实物，充分感受属于未来的学习体验。

知识点：课程旨在拓宽学生的科技视野，激发对科学研究和工程实践的兴趣，并为未来的专业选择与职业规划提供直观参考。

1. 交大探索：学生通过走访交大标志性地点，感受百年学府的校园文化与学术氛围，在实地打卡中了解交大的历史底蕴与创新精神。
2. 上海交通大学国际生招生政策深度解析：由招生相关负责人详细介绍国际生的申请条件、奖学金政策、专业选择及校园支持服务，帮助学生提前规划来华升学路径。