为扎实推进一流学科一流学院建设，提升国际化水平，中国三级片
于2025年6月23日至7月13日成功举办了暑期国际学堂。本次暑期国际学堂邀请了来自白俄罗斯国立大学、新加坡南洋理工大学、澳大利亚格里菲斯大学、香港中文大学等知名高校的专家教授，围绕人工智能、大数据、集成电路等方向，开设了《Computer vision and AI》等12门暑期国际学堂课程，为学生提供了一个充满国际氛围的学习环境，同时也进一步巩固了与世界顶级学府的战略合作关系。
《Computer vision and AI》
本课程特别邀请到白俄罗斯国家科学院院士、白俄罗斯国立大学前校长Sergey V.Ablameyko教授前来授课。在为期两天的课程中，教授以其丰富的理论知识和实践经验，深入浅出地为学生分享解读数据预处理、模型构建、图像/视频分析的技能和人工智能跨学科场景的知识，并鼓励大家积极参与课堂讨论，提出自己的疑问和见解。
《Digital Law》
白俄罗斯国立大学的Maria Ablameyko副教授，为学生讲授《数字法律》课程。Maria通过讲解人工智能与法律交叉领域的前沿内容，与同学们重点探讨了数字国家、电子政务、智慧城市、人工智能治理、网络安全与个人数据保护等相关法律问题。课程中，同学们深入学习了人工智能的法律规制、数据隐私保护、跨国法律比较等内容，提升了分析人工智能法律问题的能力。大家不仅能够识别并评估人工智能所带来的法律风险，还能结合具体情境提出切实可行的解决方案。此外，课程拓展了学生应对跨国法律差异的视野，增强了其在数字化与人工智能飞速发展的环境中，运用法律框架解决实际问题的综合能力。
《Design automation formicrofluidic biochips》
该课程由香港中文大学教授授课，深入探究了微流控生物芯片自动化领域所涉及的关键技术与应用方向，致力于剖析其内在运行机制与实现路径。课程内容包含芯片设计自动化算法、流体操控与驱动技术、生物样本处理集成方案、芯片检测与分析系统，以及自动化系统的可靠性与优化策略，助力学生们在技术研发与实际生物医学应用之间搭建起紧密的桥梁。
通过具体项目演示与动手实验操作，让学生们能掌握微流控生物芯片自动化系统构建的核心技能，不仅能提升芯片的运行效率与检测精度，还能为生物医学诊断、药物筛选等领域提供更高效、精准的技术支持。此外，授课教师结合自身多年的研究成果，讲授了该领域的科研思想。该课程不仅帮助同学们全面了解了微流控生物芯片自动化领域的研究重点和未来发展态势，也为大家在相关科研领域的探索实践指明了可行路径与实用方法，助力同学们更顺利地开启科研探索之旅。
《Efficient Computing of Deep Neural Networks》
在暑期课堂深度学习中的高效计算方法中，授课老师凭借深厚的专业功底，从模型压缩、并行计算到硬件加速，深入浅出地讲解每一个高效计算方法，结合丰富案例与前沿研究，将复杂的理论变得通俗易懂。课堂上，同学们积极互动，各抒己见，在模型剪枝策略的优劣分析、不同并行计算范式适用场景的探讨中，碰撞出思维火花。通过这门课程，同学们不仅掌握了计算优化的核心技术，更在与老师、同学的交流合作中，拓宽了学术视野，为深度学习高效计算领域的探索打下坚实基础。
《Trustworthy Al》
该课程深入探讨了构建可信人工智能系统所涉及的技术层面，旨在揭示其基本原理与方法论。课程内容涵盖安全性与鲁棒性、公平性与偏差、透明性与可解释性、隐私保护与数据安全，以及相关法规与标准，帮助学生们在前沿创新与负责任发展之间找到微妙的平衡点。通过真实案例分析与沉浸式实践操作，让学生们掌握构建可信AI系统的核心能力，不仅能有效保护隐私、减少偏差，还能在用户与利益相关方之间建立起坚实的信任基础。此外，授课教师结合自身科研经验，通过分享前沿国际顶级文章，深入讲授了如何进行科研以及如何撰写具有学术影响力的科研论文。该课程不仅帮助同学们深入理解了当前学术界的研究热点和发展趋势，也为大家在科研道路上的实践探索提供了清晰的方向与有效的方法，助力同学们更好地迈出科研入门的第一步。
《Data Analysis With AI》
南洋理工大学Kwoh Chee Keong教授主讲了《Data Analysis With AI》课程。该课程聚焦AI技术与数据分析的融合，旨在培养学生运用先进方法解决实际问题、形成数据驱动思维的能力。通过理论与实践相结合的方式，课程着重提升学生的批判性思维、创新能力和团队协作精神，为未来数据科学人才奠定基础。通过该课程，学生们掌握了将人工智能技术应用于数据分析的核心能力，提升了从数据中提取价值洞察以解决实际问题的技能。更重要的是，他们培养了数据驱动的决策思维，并增强了在复杂项目中所需的批判性思考、创新探索与团队协作能力。
《Human Informatics》
东京工科大学计算机科学部老师武博连续四年开设此课程，深受同学们喜爱，凭借其深厚的学术造诣，为同学们带来了一场精彩纷呈的学术盛宴。武博老师从人类与信息的关联入手，深入讲解了人类信息学的核心内涵、研究方向及其在社会各领域的应用，结合跨学科知识与实际案例，将这一复杂的学术领域阐释得清晰易懂。人们在探索过程中，围绕人类信息处理机制、人机交互设计和技术社会应用等话题展开深入思考，涌现出诸多独到见解。通过对人类信息学的了解，人们不仅系统掌握了其涉及的主要领域和应用逻辑，还在多学科知识的融合中拓宽了认知边界，为未来在信息技术与人类社会交叉领域的实践与研究奠定了坚实基础。
《Machine Learning and NaturalLanguage Processing》
阿里·法拉比哈萨克国立大学的Irina Ualiyeva老师，在暑期学堂中主讲《机器学习和自然语言处理》，该课程重点介绍机器学习在自然语言处理中的应用。学生通过这门课程学习如何设计、实现和评估用于实际NLP任务的机器学习模型。课程通过编码练习、小型项目设计与汇报，鼓励学生在处理自然语言数据时进行批判性思维、创新和发挥创造力。此外，课程还培养学生在团队项目中有效协作的能力，鼓励他们尝试模型变体和新的数据源，以增强创新性。
《Deep Learning Meets Physics》
阿里·法拉比哈萨克国立大学的Symbat Kabdrakhova老师，在暑期学堂中主讲《Deep Learning Meets Physics》，该课程系统介绍了物理信息神经网络（PINNs）这一新兴的深度学习方法,并讲述了如何将物理定律融入机器学习求解微分方程的过程。
课程介绍了热传导与波动方程这两类典型偏微分方程（PDEs）的边值问题建模与求解方法，并重点探讨了基于物理信息神经网络（PINNs）的数值解法。学生通过课程了解了传统数值方法如何通过机器学习模型得到提升，从而实现物理与数据科学的交叉融合。通过教师讲授与实践编程训练，学生掌握了正问题与反问题的建模与求解，应用领域包括热传导、流体动力学以及可再生能源应用等。通过完成本课程，学生具备了一定的开发 PINN 模型、使用现代深度学习框架进行实现，并将其应用于实际科学与工程问题的能力。
《AI在医学信号处理中的数学方法》
在暑期课堂《AI在医学信号处理中的数学方法》课程中，哈萨克斯坦国立大学信息技术学院副院长Zukhra Abdiakhmetova为同学们带来了一场精彩纷呈的学术盛宴。她从信号处理的数学基础出发，深入讲解了傅里叶变换、卷积神经网络及其在医学信号处理中的应用，结合实际案例与前沿研究，将复杂的数学方法讲解得深入浅出。课堂上，同学们积极参与讨论，围绕信号降噪、特征提取和模型优化等话题展开热烈交流，碰撞出诸多创新火花。通过本课程，同学们不仅系统掌握了医学信号处理中的核心数学方法，还在与老师和同学的互动中拓宽了研究视野，为未来在AI与医学交叉领域的研究奠定了坚实基础。
《Data Base management System》
该课程从数据库系统的基本概念入手，系统讲解了数据模型、关系数据库设计、SQL查询语言、事务管理及安全机制等关键内容，并结合实际案例探讨了大数据时代下NoSQL等新兴技术的应用场景与发展趋势。Gulzat Turken老师在授课过程中注重理论与实践的结合，通过生动地讲解和互动式练习，引导学生深入理解数据库的三级架构、数据独立性原理以及关系代数的实际应用。在SQL编程与数据库设计环节，她指导学生完成分组项目，帮助大家掌握从需求分析到规范化设计的全流程，并培养解决复杂数据管理问题的能力。此外，课程还融入了数据安全与伦理的讨论，通过案例分析和小组研讨，增强学生的社会责任感和创新意识。
