01
核心必修课
8 理论 + 8 实践
从零构建大模型：算法、训练与微调
Transformer、LoRA、Prompt Tuning 与农业大模型基础
Course Architecture
课程简介
8 门核心课程，128 总学时，40 学时理论与 88 学时实践，沿着“基础理解-算法训练-项目落地”逐步推进。
8 门课程128 总学时40 / 88 理论 / 实践
01 / Course Map
从基础框架走向项目交付。
每门课程都对应一组可训练、可验证、可展示的能力。
01 / Foundation
核心理论与智能应用
建立大模型、遥感感知、农业信息安全与智能体应用的基础知识和工程框架。
秋季学期02
核心必修课
8 理论 + 8 实践
智能遥感与多维视觉感知
遥感图像处理、多源数据融合与农业智能感知
03
核心必修课
8 理论 + 8 实践
AI 大模型创新案例开发实践
农业场景需求分析、模型微调与多模态融合
04
核心必修课
8 理论 + 8 实践
农业信息安全构建
知识图谱、可信追溯与农业数据安全治理
05
实践课程
8 理论 + 8 实践
AI 深度学习与智能体应用实训
深度学习基础、任务规划、工具调用与智能体实践
02 / Practice
视觉算法与项目落地
从目标检测模型设计进入真实场景，以竞赛、智慧大棚和企业联合课题完成端到端实践。
春季学期01
核心必修课
16 实践
目标检测模型设计与优化
YOLO、多尺度特征融合、模型轻量化与部署优化
02
实践课程
16 实践
特色实训项目 1：农业大模型调优竞赛 / 智慧大棚项目实训
产量预测、边缘推理、参数剪枝与田间场景验证（二选一）
03
实践课程
16 实践
特色实训项目 2：企业联合课题
真实需求分析、数据清洗、模型迭代与上线运维
02 / Outcomes
课程之后，你将获得什么看懂视觉数据
理解遥感、多维视觉、目标检测和多模态数据的关键机制。
训练与优化模型
掌握大模型微调、YOLO 检测、轻量化和推理优化等方法。
完成工程部署
从数据标注、模型训练走向边缘设备、云端与真实场景部署。
沉淀可展示成果
通过竞赛、科研和企业课题形成项目、论文、专利或软件著作权。
Back to Program