AI赋能大学计划·大模型技术与应用实战学生训练营——吉林大学站圆满结营

简介: 10月30日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·吉林大学站圆满结营。

10月30日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·吉林大学站圆满结营。

吉林大学计算机教学科学与技术学院、网安学院副院长张永刚教授、吉林大学王英教授、吉林大学公共计算机教学与研究中心教授&吉林大学机器人梦工场创新创业实践示范基地负责人王晓光老师、魔搭社区算法专家段忠杰、运营专家朱琳、周洁琪以及吉林大学全年级、各学院百余名师生参加了本次线上结营仪式。结营仪式由本次实训营班主任、AIGC大讲堂主理人、中国软件行业协会CSTP人工智能项目管理办公室田西南老师主持。

作为“产教融合计划”的重要落地项目,中国软件行业校园招聘与实习公共服务平台联合行业头部企业共同推出了校企合作计划——“AI赋能大学计划”全国高校行,旨在促进高校人工智能创新行动,引导高校不断提高人工智能领域科技创新和人才培养。吉林大学作为本次“AI赋能大学计划”AI大模型技术与产业趋势全国高校行的第六站,开设了AIGC实战训练营。

吉林大学计算机科学与技术学院、网安学院副院长张永刚教授代表吉林大学发表结营致辞。

本次训练营面向由吉林大学王湘浩人工智能虚拟教研室组织,面向全校各年级(大一到博一)、各专业(涵盖计算机科学与技术、商学与管理、临床医学、公共外交、通信工程、药学、化学、物理学、文学、汽车工程、人工智能等)学生和老师征集报名,共计有近400名学生和教师报名参加学习。本次训练营课程是基于魔搭社区的视觉生成开源模型、模型服务工具,从人工智能、深度学习及计算机视觉开发基础、魔搭社区使用流程与典型应用案例等多个方面学习了解如何开发灵活,易用的AI视觉应用。同学们和老师经过半个月的学习与项目实践,不仅掌握AIGC以及生成式人工智能的应用推理、训练、部署等知识,也能够开发生成式人工智能相关应用,提升了面对实际问题的应对和解决能力,提高了团队协作的综合素质。

本次AIGC实战训练营项目汇报共计24个团队,经过精彩的答辩展示和激烈角逐,经专家评审团一致建议,评选出团队一、二、三等奖,获奖名单如下:

在本次项目实战营中,学生们通过“课程学习+项目实践”的形式真正体会到了AI技术的强大应用型和有趣性。这次的学习经历也让同学们感触很深。获得团队一等奖的李晓禹同学、张天一同学、团队二等奖的刘晓阳同学分别分享了他们获奖感言。

刘晓阳同学感谢学校和主办方提供了这么宝贵的机会,使其能以非计算机专业参与到本次训练营的学习和实践中。通过学习和项目实践深刻体会到了AI技术的强大,项目完成得益于魔搭社区提供的充足开源数据。除了技术上的进步,在项目进展过程中也收获了个人成长和团队协作能力。

张天一同学作为优秀团队代表发言感到无比荣幸。在创作过程中,深刻体会到了艺术创作和个人成长的双重提升。从初期的灵感和构想到将想法转化成作品,从细节调整到整体平衡,团队成员不断地解决技术难题和审美取舍。作品的不断打磨和雕琢也更加理解细节决定成败的含义。在团队一次次的发现问题解决问题过程中,培养了他们应对问题解决问题的能力,提升了自信,深刻体会到了团队合作的强大力量。由衷感谢吉林大学、魔搭社区、中软协的支持,为他们提供了这样宝贵的机会,未来会继续投身AI领域,不断提升技术水平,用更好的作品回馈大家的信任和支持。

李晓禹同学表示很荣幸能够代表团队分享他们作品的创作历程,这次项目创作让他们深刻感受到了技术与艺术的交融之美,也激发了他对未来汽车工程、信息技术等多学科交叉融合的期待。团队成员来自不同的专业为他们的作品提供了灵感,使他们聚焦于汽车自动驾驶和阿尔兹海默症患者这一社会现象,以科技生活下的温情回归为初衷确定了作品主题。这次项目经历不仅让他们在技术和艺术上取得了进步,更重要的是学会了如何在团队中发挥各自优势,如何与他人合作解决问题。李晓禹同学表示衷心感谢吉林大学和魔搭社区为他们提供的宝贵学习和实践机会,感谢指导老师的辛勤付出和专业解,感谢团队成员的共同努力和不懈奋斗。展望未来,他们将继续发扬团结协作的精神,不断追求卓越勇攀高峰,相信在未来的学习和工作中,一定能够取得更加辉煌的成绩。

吉林大学公共计算机教学与研究中心,吉林大学机器人梦工场创新创业实践示范基地的负责人王晓光教授作为高校评委代表在结营仪式上发言。王教授首先感谢中国软件行业校园招聘和实习公共服务平台,感谢魔搭社区。王晓光教授表示我们能深切感受AI大模型技术、人工智能技术制高点已不在高校,结合了人工智能和艺术设计的AIGC实战训练营就是落实产教融合的一个重要举措。在项目过程中同学们不但学习了AI技术基础知识,了解AI对行业发展的变革及应用,跨专业组队进行作品设计和呈现对个人成长、团队协作方面充满了挑战,这使得同学们知识和友谊双丰收。王晓光教授恭喜参加的所有同学们,无论获奖与否,付出本身就是收获。

魔搭社区算法专家段忠杰老师作为企业评委代表发言,他表示同学们的作品给了他非常多的惊喜,作品水准普遍很高,对科技和人文的思考很深入。魔搭社区也会继续为国内的AI发展提供土壤,希望看到同学们将AI技术应用到各行各业,使其生根发芽。

本次训练营的圆满落幕,是吉林大学构建着力打造具有吉大特色的人工智能赋课程体系的一次成功尝试,也是产教融合的校企合作典范。未来,中国软件行业校园招聘与实习公共服务平台、中国软件行业协会CSTP人工智能项目管理办公室将继续与高校、企业合作,共同推动“AI赋能大学计划”落地到更多高校,让更多师生从中受益,为推进产教融合AI创新人才培养计划及建设贡献更多的力量,共同推动人工智能领域的发展和创新。

部分优秀作品展示

image.png

《米米的奇幻旅程:用AI描绘温暖的故事》

image.png

《记忆之舟》

image.png

《AI情废柴》

作品精彩页面展示


相关文章
|
7月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
785 30
|
7月前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
782 2
|
7月前
|
机器学习/深度学习 人工智能 人机交互
当AI学会“看”和“听”:多模态大模型如何重塑人机交互
当AI学会“看”和“听”:多模态大模型如何重塑人机交互
650 121
|
7月前
|
人工智能 API 开发工具
构建AI智能体:一、初识AI大模型与API调用
本文介绍大模型基础知识及API调用方法,涵盖阿里云百炼平台密钥申请、DashScope SDK使用、Python调用示例(如文本情感分析、图像文字识别),助力开发者快速上手大模型应用开发。
2782 18
构建AI智能体:一、初识AI大模型与API调用
|
7月前
|
人工智能 缓存 运维
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
本文介绍联调造数场景下的AI应用演进:从单Agent模式到多Agent协同的架构升级。针对复杂指令执行不准、响应慢等问题,通过意图识别、工具引擎、推理执行等多Agent分工协作,结合工程化手段提升准确性与效率,并分享了关键设计思路与实践心得。
1189 20
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
|
人工智能 达摩院 文字识别
医生的小助手,医疗AI赋能诊断新冠肺炎新方案!
阿里云视觉智能开放平台(vision.aliyun.com)携手达摩院联合出品图像分析处理类目下的 “新冠病毒肺炎辅助诊断”AI算法,它可以帮助医生快速进行疑似病例诊断,提高医生效率。
医生的小助手,医疗AI赋能诊断新冠肺炎新方案!
|
7月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
1968 74
|
8月前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
1573 85
|
7月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。