科研推荐 | 人工智能专题推荐，麻省理工学院终身正教授指导，适合计算机科学、数据处理、机器学习等背景同学参与！

作者：南星教育来源：院校库标签：大学排名

人工智能专题：基于深度学习的跨模态生成系统研究与应用，以Transformer与GANs协同的文本到视觉内容生成实践为例【大二及以上组】

开始日期：2025-09-13

课时安排：7周在线小组科研学习+5周不限时论文指导学习

适合人群

适合年级 (Grade): 大学生及以上

适合专业 (Major): 对计算机科学、计算机工程、数据科学、数据处理、机器学习、深度学习等专业和课题感兴趣，相关专业或希望在相关领域深入学习的学生；

学生需要具备大学线性代数及概率论与数理统计基础，至少会使用一门编程语言并修读过数据结构，有机器学习算法开发经验；

建议选修: 程序设计与代码实现

导师介绍

Mark

麻省理工学院 (MIT)终身正教授

Mark导师现任麻省理工学院（MIT）终身正教授，曾获素有“诺贝尔风向标”美誉的美国斯隆研究奖、国际最具声望的博士后奖励Hubble Fellow，并在多个年份获得Web of Science高被引学者称号。 Mark导师的研究兴趣聚焦机器学习、数据科学、人工智能、宇宙物理等，善于利用高性能超级计算机强大的数据处理能力进行数值模拟，训练机器学习和深度学习模型，借助机器学习与数据科学技术分析模拟数据。 Prof. Mark is a Professor at MIT whose research interests span topics such as astrophysics, machine learning, data science, and artificial intelligence. He makes extensive use of numerical simulations using state-of-the-art high-performance supercomputers around the world. He also employs machine learning and data science techniques to analyze simulation data.

任职学校

麻省理工学院（MIT）创立于1861年，是世界著名私立研究型大学，在计算机科学方向享有盛誉，在2020年U.S.News世界大学排名综排位列第二、计算机工程CE专排蝉联首位。学校孕育了90位诺贝尔奖得主、59位美国国家科学奖章获得者，以及75位麦克阿瑟奖获得者。

项目背景

随着人工智能技术的快速发展，生成式人工智能（AIGC）正成为推动内容创作、媒体生成与人机交互的重要工具。以生成对抗网络（GAN）为代表的深度生成模型已经应用到图像合成、文本生成、跨模态检索等多个领域。与此同时，多模态数据融合技术的进步，使文本、图像、音频等多种信息的联合建模与生成成为研究热点。在此背景下，本项目聚焦于基于GAN的生成式人工智能技术，结合PyTorch框架和自然语言处理（NLP）方法，引导学生深入理解生成模型的核心原理与应用实践，培养学生在人工智能、数据科学与多模态计算方向上的综合能力，为未来高阶学习打下坚实基础。

项目介绍

项目将对机器学习和人工智能中的生成方法进行具体介绍，学生将在项目中学习数据科学、机器学习的基本理论，了解多种常用的深度神经网络的生成方法（CNN、RNN、GANs、Transformer等）及决策生成式人工智能（AIGC）的核心技术与实践方法。

项目强调理论与实践结合，学生将完成数据预处理、模型设计、训练优化及效果评估，在项目结束时提交项目报告并进行成果展示。

个性化研究课题参考：
现有自然语言处理展示模型的挑战与机遇
使用条件对抗网络（CGAN）自动生成动画素描

使用卷积神经网络针对内容进行照片分类

项目大纲

PCA、神经网络等机器学习内容回顾 A quick review of Machine Learning

卷积神经网络结构与正则化方法 CNN architectures and regularization method in Neural Networks

自动编码器 Discuss different types of Auto-Encoders, including AE, DAE, SAE, and VAE

生成式对抗网络 Generative Adversarial Networks

自然语言处理 Natural Language Processing

注意力机制、转换器、大型语言模型、GPT 和 ChatGPT Attention mechanism, transformers, large-language models, GPT and ChatGPT

多模态生成式人工智能 Multimodal Generative AI

学术研讨1：教授与各组学生探讨并评估个性化研究课题可行性，帮助学生明晰后续科研思路 Final Project Preparation Session I

学术研讨2：学生将在本周课前完成程序设计原型（prototype）及伪代码（Pseudocode），教授将根据各组进度进行个性化指导，确保学生优质的终期课题产出 Final Project Preparation Session II

项目成果展示 Final Presentation

论文指导 Project Deliverables Tutoring

项目收获

7周在线小组科研学习+5周不限时论文指导学习共125课时

项目报告

优秀学员获主导师Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导（可用于申请）

结业证书

成绩单

下一篇：返回列表

科研推荐 | 人工智能专题推荐，麻省理工学院终身正教授指导，适合计算机科学、数据处理、机器学习等背景同学参与！

最新留学资讯更多

热门专业推荐