Course Summary

联邦赛瑞思学院（United Ceres College）开设的应用人工智能高级文凭课程是一项以实践为导向的课程，旨在帮助学生掌握开发、部署及管理现代人工智能系统所需的基础知识与应用技能。课程采用注重实际操作、易于理解的教学方式，让即使缺乏相关经验的学生，也能够逐步掌握人工智能技术，并开发适用于不同领域的实际应用。

本课程涵盖六大核心领域：计算机视觉、对话式人工智能、深度学习、机器学习运维（MLOps）、自然语言处理（NLP）以及生成式人工智能系统。学生将首先学习机器如何识别和处理视觉及文本数据，并逐步掌握智能系统的开发方法，包括聊天机器人、图像分类器及基础人工智能应用程序等。

课程注重运用现有的程序库、开发框架及应用程序编程接口（API）进行实际开发，而非侧重复杂的数学理论。学生将学习如何设计工作流程、整合外部数据来源、部署人工智能模型，以及运用提示词工程技术开发生成式人工智能系统。同时，所有课程模块均融入人工智能伦理与负责任的人工智能应用原则，帮助学生理解算法偏见、数据隐私及系统可靠性等重要议题。

完成课程后，学生将能够设计及开发具备实际功能的人工智能解决方案、管理基础机器学习工作流程，并运用人工智能技术解决自动化、客户服务及数据驱动决策等领域的实际问题。

Course Structure

全日制课程学制： 8个月

非全日制课程学制： 8个月

授课模式： 混合式教学（Blended）

教学方式：

• 课堂讲授
• 辅导课
• 讨论
• 角色扮演
• 演示与汇报
• 故事讲述

评估方式： 项目报告

评估比重： 项目报告（100%）

师生比例： 1:24

毕业要求： 学生须完成并通过课程结构中规定的所有模块，并达到出勤要求。符合毕业要求的学生将获联邦赛瑞思学院（United Ceres College）颁发的“应用人工智能（AI）文凭（Diploma in Applied Artificial Intelligence (AI)）”。

Admission Criteria

入学资格要求：

• 持有任何教育机构颁发的文凭（Diploma）；或
• 持有新加坡剑桥普通教育证书（高级水准）（GCE A-Level）或同等学历。

英语语言要求：

• 雅思（IELTS）成绩达到6.0分或同等水平；或
• 高中阶段英语科目成绩及格；或
• 在联邦赛瑞思学院英语入学分级测试中取得至少75分（满分100分）。

成年申请人：

• 年满30岁且拥有至少8年工作经验的申请人，可通过成年申请人（Mature Applicants）途径申请入学。申请人须提交个人履历及／或其他相关证明文件，以供审核。

最低入学年龄： 17岁

开课频率： 每月开课

有关具体开课日期及更多详情，请参阅校历。

Course Fee

有关详细的课程费用信息，请参阅课程费用页面或直接联系我们。

What You Will Learn

1. 计算机视觉原理（Principles of Computer Vision）
本模块涵盖计算机视觉的核心技术，包括图像形成、图像滤波、边缘检测、特征提取、图像分割及目标识别等。学生将通过实践课程及项目运用成熟的程序库开发实际应用，从而积累基础视觉系统的开发经验，并了解相关技术在机器人、安全及医疗保健等领域的应用。

2. 对话式人工智能系统开发（Conversational AI Systems Development）
本模块帮助学生掌握对话管理、自然语言理解及系统集成方面的知识与实践技能。通过项目及实践课程，学生将开发能够进行多轮对话并集成 API 的聊天机器人，使其能够提供响应及时、符合道德规范且具备上下文理解能力的互动体验。学生还将了解对话式人工智能在医疗保健、客户服务及智能设备等领域中的实际应用，并培养开发现实应用所需的实践能力。

3. 深度学习与智能视觉（Deep Learning and Intelligent Vision）
本模块帮助学生掌握基于卷积神经网络（CNN）、迁移学习及现代深度学习架构的计算机视觉技术。学生将使用 TensorFlow 或 PyTorch 等框架设计、训练及评估模型。课程还将探讨相关技术在自动驾驶、医学影像及人脸识别等领域的应用，并强调以符合道德规范及负责任的方式开发人工智能解决方案。通过实践学习，学生将培养适用于研究及行业应用的相关技能。

4. 机器学习运维（Machine Learning Operations，MLOps）
本模块旨在培养学生在版本管理、工作流程、自动化测试、持续集成与持续部署（CI/CD）以及系统监控等方面的实践能力，为未来从事人工智能及机器学习运维相关工作做好准备。学生将学习如何构建具有可扩展性、可靠性及责任性的 AI 工作流程，并通过测试方法、工作流程实践及模拟现实场景的项目，掌握机器学习系统从开发到部署及维护的基本流程。

5. 自然语言处理（Natural Language Processing，NLP）
本模块介绍自然语言处理（NLP）的主要概念及其应用，包括虚拟助手（或聊天机器人）、文本分类及生成式人工智能等领域。课程还涵盖文本预处理技术、对话管理、回复生成以及大型语言模型（Large Language Models，LLMs）等内容。学生将进一步学习大型语言模型、微调（Fine-Tuning）及检索增强生成（Retrieval-Augmented Generation，RAG）等技术，并通过实践编程探索自主智能体系统（Agentic Systems）的开发。通过项目实践，学生将探索智能体架构、培养解决问题的能力，并运用生成式人工智能技术应对不同行业中的复杂现实挑战。本模块旨在帮助学生进一步提升人工智能领域的专业技能及实践能力，为未来科技驱动型职业发展做好准备。

6. 生成式人工智能系统开发（Generative AI Systems Development）

本模块深入介绍大型语言模型、微调（Fine-Tuning）及检索增强生成（Retrieval-Augmented Generation，RAG），并重点通过实践编程学习自主智能体系统（Agentic Systems）的开发，使学生具备构建先进且负责任的人工智能解决方案所需的实践能力。通过项目学习，学生将探索智能体架构、制定解决问题的策略，并运用生成式人工智能技术解决不同行业中的复杂现实问题。本模块作为新加坡应用人工智能高级文凭课程的一部分，旨在帮助学生掌握新兴科技驱动型职业所需的实用知识及进阶人工智能能力。