学弟的顶会，过了！

Python爱好者社区 · 公众号 · Python · 2025-05-17 15:00

主要观点总结

文章介绍了ConnectEd暑期科研课的内容，包括HCI课程和AI课程的内容、讲师介绍、课程收获、项目案例等，并提供了课程信息、定价与福利、报名方式等。

关键观点总结

关键观点1: 课程内容

包括HCI课程和AI课程，涵盖人机交互、大数据、机器学习等领域，旨在帮助学生掌握基础知识和实践技能。

关键观点2: 讲师介绍

介绍了两位主讲老师的信息，包括学术背景、研究领域、发表论文等。

关键观点3: 课程收获

学生可以通过课程掌握基础知识和实践技能，提高科研能力和实践能力，为未来的职业发展打下基础。

关键观点4: 课程信息、定价与福利

介绍了不同班型的权限和价格，包括基础班、进阶班、高级班和精英班，以及程序员专属权益、技术认证奖学金、团队报名优惠等福利。

关键观点5: 报名方式

通过扫码添加小助理来咨询课程+获得优惠券，并介绍了基础班和精英班的特色内容。

正文

请到「今天看啥」查看全文

你将掌握：
✅ AI和LLM时代的人机交互核心技术

用Figma快速原型化LLM应用（如智能代码助手、低代码平台）
结合定性（用户访谈）与定量（行为日志分析）方法，挖掘开发者真实需求

✅ 顶会级HCI研究能力

从文献综述到论文写作，攻克CHI/UIST的学术方法论
设计人机协同实验，验证AI工具的实际效能

✅ 程序员升维竞争力

将用户体验思维注入开发流程：优化API文档、调试工具、错误提示
用数据说服团队：用户画像（Persona）和A/B测试驱动技术决策

课程收获

掌握人机交互（HCI）领域常见的研究方法与贡献类型
学习定性与定量混合研究方法，包括访谈、问卷、用户数据分析等
了解HCI领域的热点研究议题与研究发表趋势
能够运用用户研究结果进行需求分析与概念设计
掌握Figma等工具，设计和开发低/中/高保真原型
掌握用户体验评估与迭代设计方法
学习如何撰写高质量的HCI论文，并具备向会议投稿的能力

项目和论文案例：

AI-Assisted Writing (Co-Creation): Shaping Human-AI Collaboration: Varied Scaffolding Levels in Co-writing with Language Models (Paramveer S. Dhillon et al., CHI 2024)
Code Generation for Novices: How Beginning Programmers and Code LLMs (Mis)read Each Other (Sydney Nguyen et al., CHI 2024)
Scalable Community Curation: Cura: Curation at Social Media Scale (Wanrong He et al., CSCW 2023)
Augmented Reality Prototyping for All: RealityCanvas: Augmented Reality Sketching for Embedded and Responsive Scribble Animation Effects (Zhijie Xia et al., UIST 2023)
Fair & Transparent AI Decisions: Disentangling Fairness Perceptions in Algorithmic Decision-Making: The Effects of Explanations, Human Oversight, and Contestability (Mireia Yurrita et al., CHI 2023)
Prompt Engineering Toolkit: ChainForge: A Visual Toolkit for Prompt Engineering and LLM Hypothesis Testing (Ian Arawjo et al., CHI 2024)
Next-Gen Design Interfaces: Piet: Facilitating Color Authoring for Motion Graphics Video (Xinyu Shi et al., CHI 2024)

课程关键词：人机交互（HCI），大语言模型（LLM），信息科学，系统开发，APP设计研发，用户界面和用户体验，Figma，大语言模型，人工智能，交叉学科，虚拟现实

课程大纲

Session 1： Introduction to Human-Computer Interaction and Research Contributions
Session 2： Exploring Hot Topics and Defining Research Questions
Session 3：Literature Review and Management for HCI Research
Session 4：User Research Methods: Interviews, Surveys, and Mixed-Methods Design
Session 5：Academic Writing in HCI: Structure, Storytelling, and Writing Techniques
Session 6：User Data Analysis: Building Personas, Identifying Pain Points, and Deriving insights
Session 7：Human-Centered Design and Ideation Techniques
Session 8：Human-Centered Design and Ideation Techniques
Session 9：Emerging Topics in HCI: LLMs, Human-AI Interaction, and AI-Assisted Prototyping
Session 10：Evaluation Methods: Usability Testing and Design Iteration

讲师介绍

Chaoran Chen博士

University of Notre Dame, School of Engineering

陈老师目前在美国圣母大学工程学院攻读人机交互（HCI）博士学位。他在 人机交互、可用性隐私安全 等研究领域展现出卓越的科研能力，已在 多个高影响因子的顶级会议上发表论文 ，包括人机交互领域的顶级会议 ACM CHI Conference on Human Factors in Computing Systems（影响因子13.7） 和ACM Conference on Intelligent User Interfaces（影响评分4.95）。此外，陈老师还获得了 多项学术奖励 ，包括2022年Mobile HCI最佳实施奖和CMU优异奖学金等。

主导开发过基于Python的隐私安全交互系统，获Mobile HCI最佳实施奖；在ACM CHI发表多篇LLM与开发工具整合的研究论文

课程二.

AI 与大数据:面向各学科背景的应用型科研探索

AI and Big Data:

Applied Research Exploration Across Disciplines

课程关键词： 人工智能，大数据，数据处理，机器学习，深度学习，大模型（ChatGPT，DeepSeek），自然语言处理，垂直人工智能任务（企业管理，市场，金融，经济，医学，心理学，信息学...）

课程收获

使用 Jupyter Notebook 学习基础 Python 编程
使用 Pandas 和 NumPy 进行数据分析与处理
掌握使用 scikit-learn 的经典机器学习方法（如逻辑回归、决策树等）
理解神经网络的基本原理（包括层结构、激活函数、训练机制）
使用 PyTorch 构建深度学习模型
自然语言处理（NLP）基础知识：文本分词、TF-IDF、文本分类等
理解并使用 Transformer 与预训练语言模型（如 BERT）
阅读与分析人工智能研究论文；设计并完成一个AI实践项目；撰写短篇科研论文以展示研究成果

项目和论文案例：

Classifying Tweets by Emotion Using Machine Learning
AI in Healthcare: Opportunities and Risks
Fake News or Not? Detecting Misinformation in News Headlines
What Influences Housing Prices? A Predictive Model Based on Open Data
Sentiment Analysis of Amazon Product Reviews
Exploring Gender Bias in Movie Descriptions and Ratings
How AI Impacts Creative Writing: A Human vs. Machine Study
Predicting Diabetes Risk Using Health Metrics
Heart Disease Prediction from Patient Records

课程大纲

Section 1: Introduction to AI and Data – Real-World Applications
Section 2: Python Programming for Everyone
Section 3: How to Read and Do Research in AI? Literature, Methodologies…
Section 4: Data Processing and Analysis with Pandas and NumPy
Section 5: Machine Learning with scikit-learn
Section 6: Understanding Neural Networks from the Ground Up
Section 7: Deep Learning with PyTorch + Intro to Large Language Models
Section 8: Natural Language Processing Basics
Section 9: Transformers and the Power of Attention