CMU 新课 10-749：AI 用于科学计算，讲义开放
CMU 教授 Andrej Risteski 本学期开设新课程 10-749「AI for Scientific Computing」，聚焦学习型代理模型（learned surrogates）在科学计算中的应用，涵盖 PDE 求解、预测与气候预测等方向，配套讲义将陆续上传至课程页面供公开下载。
已确认
- 课程由 Risteski 本人于 9 月 4 日在推特上介绍，主题围绕学习型代理模型在科学计算中的求解、预测等应用。
- 每个模块采用三段式结构：(1) 无 AI 的经典方法的数学基础；(2) ML 方法论基础与「行业技巧」；(3) 该领域 benchmark 与业界部署现状综述（以公开信息为准）。
- 讲义只假设读者具备微积分、线性代数、概率论和机器学习基础，不需要更专门的知识，将陆续上传至课程页面开放下载。
- 课程刻意不命名为「AI for Science」——Risteski 认为这个词对不同人含义不同；他也明确表示不打算讲 agentic 工作流或自动化 AI 科学家等内容。
为什么重要
- Risteski 自述编写讲义的动机是「公共服务」：为有经典 ML/AI 背景、想进入这些领域的人补上所需数学基础，也就是他自己当年自学时希望拥有的入门材料。考虑到这些主题各自都是独立研究领域、精通任何一个几乎等于读一个博士，这套提炼基础、可自学的讲义对 AI for Science 方向的新人门槛降低有明显价值。
sourcerefs 标注：本簇 6 条帖子均为课程主讲教授 Risteski 的第一手发布。
2026-09-04 ~ 2026-09-04 · 6 条相关
一手来源
- CMU 秋季新课 10-749:AI for Scientific Computing 覆盖 PDE 求解与气候预测 — risteski_a ·
- 课程每模块三段式:经典方法数学基础+ML 技巧+业界部署综述 — risteski_a ·
- CMU 新课讲义开放下载,仅需微积分+线代+概率论基础即可入门 — risteski_a ·
- 【源头】CMU 秋季新课 10-749:AI for Scientific Computing 覆盖 PDE 求解与气候预测 — risteski_a · 2026-09-04
- 课程刻意不叫「AI for Science」,明确不教 agentic 自动科学家 — risteski_a · 2026-09-04
- 【源头】课程每模块三段式:经典方法数学基础+ML 技巧+业界部署综述 — risteski_a · 2026-09-04
- 教授自述做讲义动机:补上自己当年自学时缺的入门材料 — risteski_a · 2026-09-04
- CMU 教授 Risteski 开新课,为 ML 背景者补 AI for Science 数学基础 — risteski_a · 2026-09-04
- 【源头】CMU 新课讲义开放下载,仅需微积分+线代+概率论基础即可入门 — risteski_a · 2026-09-04