工作室式夏令营
可选择为期一周或多周的沉浸式营期，上午深入学习，下午动手实践。成果展示之夜邀请家长、老师和社区伙伴一起见证学生的进步。
- 每日设计冲刺，以及特邀导师的闪电演讲
- 使用创客套件、摄像头和边缘AI设备的动手实验
- 通过反思日志和演示展位记录成长
夏令营 · 课后实验室 · 周末工作室
用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。
- 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库
- FIRST LEGO挑战赛场地
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。
- 第2学年第二学年 · 与编程助手一起开发应用
编程助手配置、应用开发与团队协作
三学期项目式学习
学生让编程助手成为日常的开发搭档，用它构建真实的应用，并学会以团队方式协作——从第一次提交到正式上线。项目使用真实数据（如凯里镇预算），并通过GitHub协作发布。
核心主题
- 编程助手配置：清晰地描述需求，并审阅它写出的代码
- 应用开发：用HTML、CSS、JavaScript与Python处理真实数据
- 团队协作：使用Git和GitHub的分支、Pull Request与代码评审
动手实践
- 配置编程助手，并用它完成你的第一个网页。
- 把真实数据做成交互式Web应用并部署上线。
- 在共享的GitHub仓库中协作，互相评审代码。
工具
- Claude Code / Codex
- Git与GitHub
- HTML/CSS/JS
- Python
学习收获
- 用清晰、可验证的指令指挥编程助手，并检查它的成果。
- 构建并部署一个他人可以使用的Web应用。
- 用Git在团队中协作，互不干扰地推进工作。
- 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。 - 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
- 预备微积分绘图工具
- AI编程助手
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。 - 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
- 学生自选技术栈
- Python
- 演示工具
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。
课后与周末实验室
学年期间每周一次的聚会保持学习节奏。在大学生大使和行业导师的指导下，团队一起规划、搭建原型并不断迭代。
- 来自合作伙伴、以社区需求为核心的真实课题
- 每两周一次的同伴代码评审和成果分享会
- 认可技术能力与领导力成长的进阶徽章
特色项目
导师陪伴与未来路径
学生将结识负责任地运用AI的研究者、设计师和创业者。校友可优先获得实习、黑客松以及带薪助教的机会。
- 作品集辅导与申请大学可用的推荐信
- 对接全国性AI竞赛和成果展示活动
- 校友网络提供全年持续的学习与领导力机会
项目展示
学生们亲手打造并上线的真实作品。
这里的每一个项目都由学生亲自设计、编写并部署上线。快来探索他们的真实作品。
我的怪物 · 生物图鉴
2026–2027 全年课程 · 5–7 年级学生
一个生物图鉴 wiki：每位学生在自己的文件夹中添加并为自己的生物制作动画，用来练习无冲突的 Pull Request 协作。
- TypeScript
- Vite
- GSAP
凯里镇预算可视化
2026 夏令营 · 第二学年学生
基于凯里镇 FY2024–FY2026 年度预算制作的交互式图表：总支出、每一美元的去向、各类别逐年变化，以及一般基金明细。
- Next.js
- React
- Python
- Data visualization
钩织学习网站
2025 夏令营 · Kaylin
一个互动式钩织学习网站，配有 AI 聊天机器人和作品照片分析，能给出个性化的下一步建议，由 Google Gemini 提供支持。
- Flask
- Python
- Gemini
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
排球方向
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。
- 第一学年 · 二维数学与Python基础
- 第二学年 · 与编程助手一起开发应用
- 第三学年 · 线性代数与无监督学习+ 排球CV实验
- 第四学年 · 深度学习与基础模型+ 排球视频分析
- 第五学年 · 毕业项目+ 排球合作伙伴
B方向
花样滑冰方向
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。
- 第一学年 · 二维数学与Python基础
- 第二学年 · 与编程助手一起开发应用
- 第三学年 · 线性代数与无监督学习+ 滑冰CV实验
- 第四学年 · 深度学习与基础模型+ 滑冰视频分析
- 第五学年 · 毕业项目+ 滑冰合作伙伴
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