跳转至

编程综合实践

大作业，启动！

课程基本信息简介

Basic information

课程教师：严骏驰

授课内容与范围：实践为主，具体内容介绍见下文

学时&学分：3学分

考核方式：最终大作业评分

其他信息

课程内容具体的安排和要求 (2024)

  • 课程自由度：无线下授课环节，在第一周安排了课程介绍 & 一次去小红书的企业参观和介绍分享。

  • 课程内容：

    • 基础作业: 基于 jittor 深度学习框架实现自定义算子（前向过程+反向传播），以实现掌握自定义算子的基本操作并加深对反向传播过程的理解。

    • 大作业: 主要和严老师组内的科研主题强相关，涵盖AI4Science，大模型，多模态，AI基础，智能体，数据工程，机器人等。每个选题大概2~3个人自由组队，会配备严老师实验室组里面 2~3 个研究生或者博士生学长。大作业的任务量较重，并且存在一定的名额限制，适合有一定基础的同学。

    • 以上两个作业二选一完成即可，大作业自行组队。

    • 纪律要求

  • 课程资源：

    • 具备一定的 GPU 算力支持。

    • Jittor 算子QA

    • 课程推荐读物
      • 周志华，机器学习. 北京: 清华大学出版社, 2016.
      • Russell, Stuart, and Peter Norvig. Artificial intelligence: a modern approach. (4th Edition) Pearson Series in Artificial Intelligence, 2020.
      • Goodfellow, Ian, Yoshua Bengio, Aaron Courville, and Yoshua Bengio. Deep learning. Vol. 1, no. 2. Cambridge: MIT press, 2016.
      • Han, Jiawei, Micheline Kamber, and Jian Pei. "Data mining concepts and techniques third edition." The Morgan Kaufmann Series in Data Management Systems 5, no. 4 2011.
      • McKinney, Wes. Python for data analysis: Data wrangling with Pandas, NumPy, and IPython. " O'Reilly Media, Inc.", 2012.
      • 德米特里·索什尼科夫，《机器学习从入门到入行：24个项目实践AI》，清华大学出版社, 2025.
      • 李沐等，《动手学深度学习》，在线资源：zh.gluon.ai
      • 上海交通大学《动手学大模型》，https://github.com/Lordog/dive-into-llms

课程评价

最伟大的课程

笔者认为是自己进入交大以来体验感最好的一门课程，确实是实实在在学到真东西了。

  • 课程自由度很高。

  • 课程给分很好，均分貌似 95+ 了。

  • 课程任务和难度设置阶梯制（不过这个阶梯跨度有点大）。不同基础的同学都能学有所成。

  • 课程资源很好，学长学姐人都非常的热情，并且这样的实践体验是在外面无论多么优质的在线课程都无法比拟的。小学期相对比较轻松，好好享受这门课，在实践中肯定有巨大的提升。

课程资源

贡献者 Description Download Link