关于组织各学院开展《机器学习》课程培训的通知

各学院：

为深入贯彻落实教育部等五部门《“人工智能+教育”行动计划》部署要求，积极响应江西省人民政府《江西省“人工智能+”行动方案》及江西省教育厅《关于深入推进江西高校学科交叉融合的若干措施》等文件精神，加快推进我校人工智能+学科进一步融合，全面提升教师的垂类建模能力与项目式教学能力，教务处、智教中心和教师教学发展中心面向全校组织开展《机器学习》课程专题培训。现将有关事项通知如下。

一、培训背景与目标

当前，人工智能技术正从单模型解决单任务向通用底座赋能全学科加速跨越，已成为驱动学科交叉融合与科研范式变革的核心引擎。为进一步鼓励和支持不同学科教师提升人工智能素养，开设本次专项课程学习。

通过课程学习，参训骨干教师能够独立或协作开发“以人工智能为中枢、以学科方向为辐条”的前沿交叉课程，推动形成轴辐式（Hub-and-Spoke）跨学科教研范式；部分优秀教师进一步具备参与学科垂直模型微调与面向学科场景的算子适配的能力，实现“学科教师”与“人工智能工程师”双重角色的有机交叉融合。

二、培训对象与报名

（一）培训对象。全校各学院中具有一定数学基础的教师（所须具体基础条件见第四条）。鼓励科研团队组织研究人员报名，便于培训后围绕团队研究方向开展交叉科学研究与项目式教学改革。

（二）报名要求。自主报名与学院推荐相结合。各学院优先推荐具有科研项目基础和课程改革意愿的骨干教师参训。

（三）报名方式。采用线上报名，报名地址【https://f.wps.cn/g/5k3J6Wbz/】，报名截止日期为【2026年11月8日】。（报名咨询方式：联系人：刘虹；联系方式：83968059；邮箱：1350501055@qq.com）

三、培训内容与安排

本次培训总计24课时（每课时45分钟），采用原理讲授+云端沙盒实操+案例研讨相结合的方式，具体模块如下：

（一）逻辑回归（4课时）：sigmoid函数、损失函数、梯度下降原理；数据预处理、模型实现与二分类问题实践。

（二）决策树与随机森林（4课时）：ID3/C4.5/CART准则与剪枝策略；集成学习思想、特征采样与实践应用。

（三）XGBoost（4课时）：梯度提升原理、正则化机制与缺失值处理；多分类/回归问题应用与参数调优实践。

（四）深度学习基础与应用（6课时）：神经网络结构、激活函数与反向传播；CNN/MLP经典网络架构；深度学习实践训练。

（五）大模型原理与领域适配（4课时）：Transformer架构与预训练模型原理；领域数据适配、轻量化微调与部署实践。

（六）综合案例与答疑（2课时）：跨学科案例解析（如医学影像分类、环境数据预测、材料性能预测等）；本领域问题互动答疑与课程建设思路研讨。

培训时间预计自2026年11月10日开始，计划安排在晚间7点进行。培训地点为前湖校区【计算中心A508】，采用线下集中授课方式。

四、保障条件

（一）课程理论性强，具有一定难度。参训人员在报名前必须具备数学基础知识及Python语法知识。

线性代数基础：理解向量、矩阵的基本运算（加减、数乘、矩阵乘法、转置），了解特征值、特征向量的概念（无需复杂推导，能理解矩阵变换的方向代表）；

概率论与数理统计基础：掌握概率的基本定义、条件概率、贝叶斯公式，理解期望、方差的含义，了解常见分布（正态分布、二项分布）的特征（用于理解模型的概率解释与评估指标）；

微积分基础：理解一元函数的导数、多元函数的偏导数概念，掌握基本求导法则（如幂函数、指数函数求导），无需复杂积分运算（用于理解梯度下降的核心逻辑）。

（二）算力保障。教务处、智教中心为每位参训人员提供后端算力，开通独立云端实训容器环境，支持模型训练与大模型微调实验，确保人人有算力、课课能实操。参训人员可不用在PC上安装复杂软件环境。

（三）师资保障。培训由具有丰富教学与科研经验的骨干教师授课，确保培训内容兼具理论深度与实践可操作性。

（四）教材保障。授课教师统一实验手册和课程讲义，提供标准化的教学课件、代码仓库和课后习题，支持参训人员课后自主复习与延伸学习。

五、考核与激励

（一）培训考核。培训结束后统一组织考核，考核内容包括出勤情况、实操作业质量和结业项目成果。参训人员须完成全部课程学习、实操作业及结业项目；考核合格者，由教务处、智教中心、教师教学发展中心联合颁发南昌大学人工智能+学科交叉课程结业证书，培训学时计入教师继续教育学时。

（二）学院年度考核。将各学院本次培训组织情况、结训后院内延伸培训开展情况、人工智能+X前沿交叉课程建设数量与质量等纳入年度学院教学工作考核指标体系。教务处将适时发布各学院人工智能前沿交叉课程建设进展通报。

（三）激励机制。培训成果可作为教师申报教学改革研究项目、课程建设立项、教学成果奖等的重要参考。对培训中表现突出、成功孵化高质量交叉课程的教师和学院，学校将在课程建设经费、教改项目立项、教材建设、教学竞赛、教学学术能力研修等方面予以优先支持。今后每年从开设人工智能前沿交叉课程的授课教师中遴选优秀教师，入选者等同获得一次教师授课优秀质量奖。

六、工作要求

（一）高度重视，精心组织。各学院要充分认识此次培训对推进学校人工智能赋能教育教学改革、提升学科交叉人才培养质量的重要意义，将其作为本年度教学重点工作抓紧抓实，明确专人负责组织协调。

（二）严格遴选，确保质量。各学院应认真做好参训人员遴选工作，推荐真正有基础、有意愿、能将培训成果转化为课程建设和教学改革实际行动的教师参训，避免为培训而培训。

（三）以学促建，注重转化。参训人员应将培训所学与本学科教学科研实际紧密结合，积极探索项目式教学改革，着手规划人工智能+X交叉课程建设方案。

（四）建立台账，跟踪问效。教务处将建立参训人员档案与课程建设跟踪台账，定期督查各学院培训成果转化情况，确保培训取得实效。

特此通知。

                南昌大学教务处

                智能技术与教育应用研究中心

                 教师教学发展中心

                  2026年11月4日