无论他们学习什么，多样化而复杂的“ AI+”培训系统继续吸收来自各种专业背景的学生。 根据他在确保研究方面的经验，张阳认为，当前的AI研究领域不会对计算机系或主要科学专业等学生的专业背景施加严格的法规。 对于某些文科学生来说，选择“ AI+X”课程不仅看起来像是一部小说和有趣的课程，而且似乎正在为实现AI浪潮提供了一种方法。 沉阳说，他之所以选择“ AI和历史”课程是要了解AI在传统历史研究中的应用。 课程目标。由受访者提供 完美与现实之间的差距 在第一堂课之后，沉阳感到“ AI和历史”未能满足他的期望，老师也不会责怪。 “老师还说，教室在教室里公开，人工智能是'在老师的老师的PPT中，老师的老师列出了要求，建议学生在计算机科学的历史和基本技能上具有相同的研究方法，尤其是编程和数据分析。 沉阳的混乱不是一个孤立的案例。 Yang Jian在本科学习期间在大学的电子信息科学技术专业学习。该学校还提供了一般的人工智能课程，例如人工智能和本科生深入研究。但是，他发现这些课程的质量通常不高，许多MGA老师都在“学习和销售”。他以前没有在期刊上发表与人工智能有关的文章，他的研究背景与AI无关。 同样，这种类型的当然也有一些阈值。学生需要首先掌握Python知识，否则他们将在课堂上不了解。即使是关于有关的课程在-Depth的研究中，“只听老师的话是不够的。您需要在线寻找信息并独自找到信息。” 正如简的个人感受所记得的那样，他认为学校提供的人造智力课程对本科生并不是很有用，“他们会浪费时间来寻找实习和接受公务员测试的时间。” Intelchina的最强大人工大学的长相。资料来源：Pengpai新闻艺术课程对齐实验室 “缺乏教师，资金和资源”是大学和大学与人工智能教育相结合的普遍问题。由于人工智能是跨学科的常见主题，因此课程设置和教学系统的要求高于传统主题。 2025年6月，人工智能的基础尚未被列为第一级学科。这意味着在当前的学科分类系统中，AI仍处于现有的第一级学科之下，例如“计算机科学技术”，“控制科学与工程”，“电子信息”或“自动化”。在此阶段，在第一层的学科中拥有“附属”的学科导致了这样一个事实，即在此阶段，许多大学都没有为人工智能教育提供培训计划和课程设置，而真正的系统培训计划很少。 纸技术第二级私立大学的一位老师在接受采访时说，最基本的问题是学校不知道如何设置课程，因为没有完整的经验。 “现在这只是一个哭泣，没有实用的解决方案。” 此外，他还说，“人工智能 +教育”要求教师教授双重认证的教学，也就是说，他们既有教师资格证书和AI专业资格。尽管学校也在促进P的老师对立大学实施双重认证指导，在实践中很难实施，“因为Costis太高，而基金是一个大问题。” Xue Xianangyang在接受哪个大学的访谈中坦率地说，现在没有许多人的知识者，Xianangyang在接受哪个大学的访谈中坦率地说：“用于划分软件工程和信息安全等许多方向的计算机字段。人工智能只是其中之一。教师只能依靠自己来“学习”。 张杨认为“许多学校都有人工智能学院，只能命名，但是可能无法维持课程设计。教师研究的方向来自脑部计算机的界面来控制工程，这可能与人工智能的基本方向无关。”他援助，“某些学校的AI课程仍处于传统算法设计或主要机器研究的阶段，而书籍 - 研究都是古老的。” AI研究很好地取决于学生自我的能力 “在我的本科学校，如果您想了解人工智能，它肯定不会与老师一起工作。您应该在线找到信息并学习自己，” Yang Jian说。 作为一名开始人工智能浪潮的学生，Yang Jian仍然唱歌，如果您想在人工智能方面找到一份好工作，那么您仍然需要依靠您的教育。 “我发现在人工智能领域的工作一直是领导人们，普通大学的学生可以改变种族。”如果您想在领先的工厂获得Matpaid有偿工作的报价，则需要与领先的期刊论文和实习项目竞争。 从“ AI和历史”课程退休后，在Dormit上观看B站Ory花了三个小时每天教授AI的基础知识。他希望更好地使用诸如DeepSeek之类的大型模型来解释历史上的材料。 在人工智能 +综合教育的浪潮下，东中国师范大学的数据科学与工程学院院长Qian Weining也考虑了如何刺激学生积极探索人工智能的热情。 他认为，学生目前拥有丰富的学习和外部资源以探索，以前的教师的权威将逐渐逐渐纳满。在此过程中，学院还探讨了主题设备的“变化”和“不更改”。 他告诉Pengpai Technology，大学目前正在计划新的专业情报智能课程，从而消除了专业计算机上传统课程中一些过时的内容。此外，对于工程专业的学生将来从事人工智能活动，大学补充了诸如矩阵计算，优化和运营研究之类的黎凡特知识。 关于本科生的计算机通用教育，Qian Weining认为，不必强迫AI加入任何课程，而不主要是工程学的学生可以掌握某些编程思维。 “编程思维是必要和基本的。它确实教导了功能如何解决问题，如何处理机器以及如何制造使用它们的机器（包括人工智能）。这是进一步培养数字素养和对人工智力和知识的人工技术的基础。在Qian Weining的观点中，对使用良好的编程的人们可以将其提出良好的言语，以便将其提高到良好的指导，并提示一句启发，并促使人们能够实现一种启发，并提出了一种启发的指示，并可以提出一定的指导，并提示一项启发的词语。 人工智能。 Qian Weining认为，始终存在不平衡的投资，教师和外部资源的学校，AI并没有增强研究资源不平衡，而是什么学校应该考虑的是包括对学生的独立研究，在课堂上和毕业的学习成果，在教育审查的教育审查中。 Xue Xiangyang教导AI本身是整合和渗透性的方向。将来，如果不了解AI，很难前进。教学的重点应该使学生能够了解如何在主要学习中增强AI的能力。 他建议一些没有计算机或AI专业的学生应该首先访问基本原则和知识，但“不需要深入”。此外，他认为如何学习AI最终取决于学生的自学能力，并且无需担心他们是否应该参加AI课程。如果没有特定的领导者可以教书，那么学生也可以从互联网上获得世界各地大学的AI教学课程。 （沉阳，张阳和杨吉安是文章中的假名）回到Sohu看Mo关于