欢迎报名 | 编程与人工智能夏校

高效课时规划

资深师资团队

Focused Duration

本模块将系统讲授机器学习与人工智能的基础理论及技术，涵盖深度学习的核心原理与算法，并结合多领域机器学习问题展开应用实践。通过学习，学员将全面了解人工智能的基础理论框架，探索计算机实现智能行为的逻辑机制，重点研究搜索技术、神经网络、数据挖掘、知识表示与推理等核心议题。

课程安排每周约 4 小时理论授课，深入解析算法原理与技术逻辑，搭配 3 小时上机实验，通过实际案例操作强化模型构建与问题解决能力，助力学员兼具理论深度与应用视野。

Artificial Intelligence Methodologies and Applications (AIMA)

This module will teach fundamental theories and techniques of machine learning and artificial intelligence, and basic theories and principles on deep learning, with applications on various machine-learning problems. You will gain a broad overview of the fundamental theories and techniques of artificial intelligence, explore how computers can produce intelligent behaviour, and study topics such as search techniques, neural networks, data mining, and knowledge representation and reasoning. You will spend around four hours each week in lectures and three hours in computer classes.

本模块向学生全面介绍从数据准备到模型部署的完整机器学习流程。课程从数据建模与分析的基础概念出发，引导学生学习将现实世界问题转化为可计算的解决方案。

课程重点培养实用数据科学技能，涵盖数据清洗、预处理（缺失值处理、特征工程、归一化）及有效发现数据模式的可视化技术。学生将通过监督学习与无监督学习方法，探索机器学习核心方法论。

实践环节通过实际操作强化理论知识，内容包括使用 Pandas 进行数据处理、Matplotlib 与 Seaborn 实现数据可视化，以及机器学习模型构建。课程安排为每周约 4 小时理论授课与 2 小时实验课。结课后，学生将掌握跨行业复杂数据问题的解决能力，熟练实现并评估机器学习解决方案。

Data Science with Machine Learning (DSML)

This module introduces students to the complete machine learning pipeline, from data preparation to model deployment. Beginning with fundamental concepts in data modeling and analysis, students learn to frame real-world problems for computational solutions. The curriculum emphasizes practical data science skills including data wrangling, preprocessing (handling missing values, feature engineering, and normalization), and effective visualization techniques for pattern discovery. Students explore core machine learning methodologies through both unsupervised learning and supervised learning approaches. The hands-on component reinforces theoretical concepts through practical implementation, covering data manipulation with Pandas, visualization using Matplotlib and Seaborn, and building machine learning models. The course delivery includes approximately four hours of weekly lectures complemented by two hours of lab sessions. Upon completion, students will have developed the necessary skills to solve complex, data-driven problems across various industry domains, with proficiency in implementing and evaluating machine learning solutions.

本模块将向学生讲授机器学习与人工智能领域的前沿专题，重点探讨强化学习、循环神经网络、预训练模型及大型语言模型等最新技术方向。课程旨在为学生提供人工智能领域的深度知识与实践经验，为其未来攻读机器学习与人工智能相关的硕士或博士项目奠定基础。

课程安排每周约 4 小时理论授课，深入解析前沿算法原理，搭配 3 小时上机实验，通过实际项目操作掌握技术应用。学生将在导师指导下接触行业尖端研究，提升对人工智能前沿领域的洞察力与实践能力。

Advanced Topics on Artificial Intelligence(ATAL)

This module will teach students some advanced topics in machine learning and artificial intelligence, We study the latest advanced machine learning topics such as reinforcement learning, recurrent neural networks, pre-trained models, and large language models, etc.¸The objectives of this modules are to provide students in-depth knowledge and hands-on practice on artificial intelligence, and to lay the foundations for future master programme or PhD programme on topics related to machine learning and artificial intelligence. You will spend around four hours each week in lectures and three hours in computer classes.

- Prof. Dave Towey -

计算机科学系系主任

- Dr. Anthony Bellotti -

计算机科学系副教授

Anthony Bellotti博士，宁诺计算机科学系副教授。伦敦大学皇家霍洛威学院计算机科学博士 (2006) 。2007-2010年，Bellotti博士于爱丁堡大学信用风险研究中心任博士后研究员，从事信用风险模型研究工作。2010-2019年，Bellotti博士于伦敦帝国理工学院担任高级讲师/副教授。他的主要研究领域包括机器学习与信用风险模型，同时他特别关注模型风险，动态生存分析模型和预期损失估计模型等前沿研究领域。在职期间他向本科生及研究生教授“消费信用模型及其量化方法”课程。在10年中，他在高质量国际性学术期刊上发表了18篇论文。

- Dr. Kian Ming Lim -

计算机科学系副教授

Lim Kian Ming博士曾就读于马来西亚多媒体大学，于2004年、2011年和2017年分别获得信息系统学士学位、工程科学硕士学位和信息科技博士学位。

他的研究聚焦于人工智能领域，擅长机器学习、深度学习、计算机视觉、小样本学习、生成式人工智能和自然语言处理。林博士已在计算机科学领域发表 100 余篇同行评审论文，将理论创新与实际应用相结合。他致力于学术指导，积极培养下一代研究人员。

- Dr. Qian Zhang -

计算机科学系助理教授

张茜博士于2009年在香港浸会大学获得计算机科学学士学位。在此之后，她于2010年在英国诺丁汉大学获得了计算机科学和创业硕士学位（优异）。次年晚些时候，她在英国诺丁汉大学智能建模和分析研究小组（IMA）开始了计算机视觉和图像发现领域的博士学位。她于2015年获得博士学位，并于2016年加入宁波诺丁汉大学担任助理教授。

- Dr. Zheng Lu-

计算机科学系助理教授

卢正博士自2013年起在香港城市大学担任助理教授后，于2017年加入宁波诺丁汉大学担任助理教授。在担任大学教员之前，他是德克萨斯大学奥斯汀分校的博士后研究员。他于2009年至2010年在微软亚洲研究院实习。在博士候选人期间，他还在各种研究项目中担任研究助理。2004年至2006年，他在富士施乐新加坡软件中心担任软件工程师。

他的研究工作发表在国际顶级期刊和会议上，引用次数数百次。他的作品被《华尔街日报》、《新华社》、《直线时报》、《每日科学》等多家媒体报道。他还经常担任计算机视觉、图像处理、多媒体等领域顶级期刊和会议的程序委员会成员和审稿人。

- Dr. Huan Jin-

计算机科学系助理教授

靳欢，宁诺计算机科学系助理教授、博导，国家自然基金优秀青年基金、联合基金重点项目评审专家。

靳欢博士的研究方向聚焦于应用优化技术（线性规划 / 整数规划 / 混合整数规划、分支定界法、分支定价法、非线性规划）与机器学习技术（启发式算法与机器学习算法）解决大规模实际问题，涵盖车辆路径规划、运输调度、网络设计等领域。目前已在包括TR Part C、CIE、IJPR等期刊发表论文10余篇。先后申请并获批国家自然科学基金、宁波市自然科学基金等项目3项。

- Dr. Tianxiang Cui-

计算机科学系助理教授

崔博士是宁诺计算机科学系的助理教授。在加入宁诺之前，他曾在华为担任高级人工智能工程师，在平安担任高级算法研究员。他参与了一些前沿工业项目，包括自动驾驶和量化交易。他的主要研究兴趣包括计算智能，特别是元启发式、进化计算和神经网络；机器学习和强化学习。

- Dr. Qiao Lin-

计算机科学系讲师

林桥博士是宁诺计算机科学系的一名讲师。在加入宁诺之前，她曾在腾讯担任人工智能工程师，并在武汉大学担任研究助理。她从2024年开始教授编程和设计智能体的课程。主要研究方向包括质量控制、人工智能模型的不确定性分析、医学图像、模糊逻辑、机器学习和强化学习。