AI for Youth Academy 青少年AI研究计划

夏令营 · 2026年暑期 · 周末工作室

AI塑造改变世界的创意,一年一个台阶。

AI for Youth Academy是一项面向初高中生的五年AI学习计划。学生将系统建立数学、编程和机器学习的思维基础,并在导师和大使的指导下完成毕业项目,将所学付诸实践。

五年进阶路径
四年基础学习,加一年毕业设计。
导师团队
每期配备大学生大使和行业导师。
面向未来
将伦理思考、创新能力和影响力融入每个项目节点。
为什么选择我们

专为志存高远的学生打造的精品课外学习圈。在这里,你将深入探索、大胆创新,完成远超常规课程的项目挑战。

核心理念

三大理念贯穿每一堂AI for Youth课程

01

动手实践胜过纸上谈兵。

中学生通过亲自动手构建、训练和测试真实模型,能更快理解AI的精髓。

02

提前布局,抢占先机。

在高一之前掌握AI基础的学生,将有能力领导科技社团、参与技术项目,甚至实现自己的创意想法。

03

内驱力成就卓越。

当学生主动驾驭学习旅程,并在导师指导下不断挑战自我,复杂的知识就会变得牢固而深刻。

五年课程路线图

为培养直觉理解而设计的五年学习计划。

感谢您的信任,欢迎开启这段学习之旅。在接下来的四年里,学生将系统建立数学、编程、机器学习和神经网络的知识基础。这些主题听起来很高深,因此我们专注于核心概念的理解,而非繁琐的数学推导。第五学年为毕业设计年,将综合运用所学全部技能。

  1. 第1学年
    第一学年 · 二维数学与Python基础

    二维向量、矩阵表示与Python入门

    春季学期 · 核心基础

    学生通过FIRST LEGO挑战赛机器人项目,建立对二维空间、向量矩阵表示和线性方程的直观理解,同时掌握Python编程基础。

    核心主题

    • 二维空间:点、向量与矩阵表示
    • 地图上的线性方程二维表达
    • Python基础:函数、循环与条件判断

    动手实践

    • 编程控制FIRST LEGO挑战赛机器人在二维地图上自主导航。
    • 使用FIRST LEGO Python库,通过函数调用精确控制机器人运动。
    • 运用循环和条件判断实现可靠的导航逻辑。

    工具

    • Python
    • FIRST LEGO Python library
    • FIRST LEGO Challenge field

    学习收获

    • 能够用二维地图的实例解释向量和线性方程。
    • 能够使用函数、循环和条件判断编写Python入门程序。
    • 理解机器人运动与二维数学表示之间的联系。
  2. 第2学年
    第二学年 · 监督学习与回归

    二次函数、切线与第一个机器学习模型

    第二学年 · 核心工作室

    学生在二维空间中表示二次方程,建立对切线的直观理解,并通过线性回归和损失函数学习监督学习。编程方面拓展到OpenCV基础、NumPy向量运算,以及用PyTorch实现线性回归。

    核心主题

    • 二维空间中的二次曲线与切线直观理解
    • 监督学习、线性回归与损失函数
    • NumPy向量表示与第一个PyTorch模型

    动手实践

    • 用代码绘制二次曲线和切线的可视化图形。
    • 学习OpenCV图像处理基础,构建简单数据集。
    • 在PyTorch中实现并训练线性回归模型。

    工具

    • Python
    • NumPy
    • OpenCV
    • PyTorch

    学习收获

    • 能够用直观的例子解释监督学习和损失函数。
    • 能够端到端构建线性回归模型。
    • 使用NumPy向量和OpenCV准备训练数据。
    工作室系列 包含回归项目的监督学习实验。
  3. 第3学年
    第三学年 · 线性代数与无监督学习

    三维空间、投影与聚类

    第三学年 · 核心工作室

    学生进入三维空间、二维投影和线性代数基础的学习,同时探索降维和无监督学习方法。他们还将使用MNIST数据集,用scikit-learn构建分类模型。

    核心主题

    • 三维空间、二维投影与线性代数基础
    • 降维与K均值聚类
    • 分类模型,包括SVM入门

    动手实践

    • 将三维点投影到二维平面,理解空间关系。
    • 在图像嵌入或数值数据集上运行K均值聚类。
    • 在MNIST数据集上训练scikit-learn分类器。

    工具

    • Python
    • NumPy
    • scikit-learn
    • MNIST

    学习收获

    • 能够区分何时使用监督学习与无监督学习方法。
    • 能够将降维和K均值聚类应用于实际数据。
    • 使用scikit-learn构建和评估分类器。
    工作室系列 无监督学习与分类实验。
  4. 第4学年
    第四学年 · 深度学习与基础模型

    卷积神经网络、微调与现代模型架构

    第四学年 · 高级工作室

    学生首先建立预备微积分的图形直觉,然后深入学习CNN结构、微调流程和基础模型应用。编程方面包括AI辅助的PyTorch实践,以及可选的Transformer概述。

    核心主题

    • 预备微积分:理解模型行为的图形直觉
    • CNN架构、微调技术与实际应用
    • 基础模型与可选的Transformer概述

    动手实践

    • 在小规模自定义数据集上微调CNN模型。
    • 使用AI辅助工具加速PyTorch编程和调试。
    • 如时间允许,探索轻量级Transformer演示。

    工具

    • PyTorch
    • Pre-calc graphing tools
    • AI coding assistants

    学习收获

    • 能够解释CNN的结构原理以及微调为何有效。
    • 能够将基础模型应用到特定任务。
    • 使用AI辅助工作流程提高迭代效率,并记录技术决策。
    高级工作室 CNN与微调的深度学习实验。
  5. 第5学年
    第五学年 · 毕业项目

    从创意到演示的完整项目实践

    毕业学年

    学生规划并完成一个完整的AI项目,将数学直觉、机器学习工作流程和神经网络工具有机结合,打造具有实际应用价值的原型系统。

    核心主题

    • 问题定义与项目规划
    • 数据集选择、模型决策与迭代优化
    • 成果展示、伦理思考与最终答辩

    动手实践

    • 在导师指导下确定项目范围和目标。
    • 构建、测试和完善端到端的原型系统。
    • 通过成果展示、技术报告或现场演示分享项目成果。

    工具

    • Student-chosen tool stack
    • Python
    • Presentation tools

    学习收获

    • 交付一个功能完整、文档清晰的AI项目。
    • 能够论证模型选择和技术权衡的合理性。
    • 打造可用于作品集展示的项目成果。
    毕业工作室 导师全程指导的项目周期。

学习体验

为热爱动手创造的探索者量身打造。

无论是夏令营还是周末工作室,每一期课程都融合了协作探索、快速原型开发和真实导师指导。学生在解决有意义的实际问题中,建立自信、收获友谊。

Studio-powered summer camps

Choose immersive week-long or multi-week camps that mix morning deep-dives with afternoon build sessions. Showcase nights bring families, educators, and community partners together to celebrate progress.

  • Daily design sprints and lightning talks from guest mentors
  • Hands-on labs with maker kits, cameras, and edge AI devices
  • Reflective journals and demo booths to document growth

After school & weekend labs

Weekly meetups keep the momentum going during the school year. Teams plan, prototype, and iterate with guidance from college ambassadors and industry coaches.

  • Community-centered problem statements sourced from partners
  • Peer code reviews and showcase standups every other week
  • Pathway badges that recognize technical and leadership growth
特色项目

Mentor moments & future pathways

Students meet researchers, designers, and entrepreneurs who apply AI responsibly. Alumni get early access to internships, hackathons, and paid teaching-fellow roles.

  • Portfolio coaching and college-ready recommendation letters
  • Connections to national AI competitions and showcase events
  • Alumni network with year-round learning and leadership opportunities

课程路径规划

选择最适合你的专业方向。

我们提供两条平行的五年制学习路径。第一、二年为共同核心基础课程。从第三学年起,学生可选择排球或花样滑冰方向,进行专项项目和数据分析。

A方向
Students playing volleyball

排球方向

主题方向:排球(第三学年引入)

第一、二学年共同核心课程涵盖数学、Python编程和监督学习。从第三学年开始,项目和数据集将聚焦排球运动分析、战术研究和团队表现洞察。

B方向
Figure skater practicing on ice

花样滑冰方向

主题方向:花样滑冰(第三学年引入)

第一、二学年共同核心课程涵盖数学、Python编程和监督学习。从第三学年开始,项目和数据集将聚焦花样滑冰动作分析、编排设计和表演表现洞察。

加入等候名单

准备为孩子报名了吗?

名额有限,选拔严格。填写您的信息,即可获取课程手册,并第一时间收到报名通知。在等待期间,学生也可以随时使用我们的自主学习资料先行探索。

信息安全保障
48小时内回复