本课程的中文名称设定为 人工智能系统，主要讲解支持人工智能的计算机系统设计，对应的英文课程名称为 System for AI。本课程中将交替使用一下词汇：人工智能系统，AI-System 和 System for AI。
本课程包括以下课程和实验，希望通过本课程的学习，帮助学习者了解并掌握支持人工智能的系统设计和实现，在实践中培养解决系统问题的能力。
| 课程编号 | 讲义名称 | 备注 |
| 1 | 课程介绍 | 课程概述和系统/AI基础 |
| 2 | 人工智能系统概述 | 人工智能系统发展历史，神经网络基础，人工智能系统基础 |
| 3 | 深度神经网络计算框架基础 | 反向传播和自动求导，张量，有向无环图，执行图 论文和系统：PyTorch, TensorFlow |
| 4 | 矩阵运算与计算机体系结构 | 矩阵运算，CPU/SIMD, GPGPU, ASIC/TPU 论文和系统：Blas, TPU |
| 5 | 分布式训练算法 | 数据并行，模型并行，分布式SGD 论文和系统：PipeDream |
| 6 | 分布式训练系统 | MPI, parameter servers, all-reduce, RDMA 论文和系统: Horovod |
| 7 | 异构计算集群调度与资源管理系统 | 集群上运行DNN任务：容器，资源分配，调度 论文和系统：Kubeflow, OpenPAI, Gandiva, HiveD |
| 8 | 深度学习推导系统 | 效率，延迟，吞吐量，部署 论文和系统：TensorRT, TensorflowLite, ONNX |
| 课程编号 | 讲义名称 | 备注 |
| 9 | 计算图的编译与优化 | IR，子图模式匹配，矩阵乘和内存优化 论文和系统：XLA, MLIR, TVM, NNFusion |
| 10 | 神经网络的压缩与稀疏化优化 | 模型压缩，稀疏化，剪枝 |
| 11 | 自动机器学习系统 | 超参调优，神经网络结构搜索（NAS） 论文和系统：Hyperband, SMAC, ENAX, AutoKeras, NNI |
| 12 | 强化学习系统 | RL理论，RL系统 论文和系统：AC3, RLlib, AlphaZero |
| 13 | 安全与隐私 | 联邦学习，安全，隐私 论文和系统：DeepFake |
| 14 | 利用人工智能来优化计算机系统问题 | AI用于传统系统问题，AI用于系统算法 论文和系统：Learned Indexes, Learned query path |
| 实验编号 | 实验名称 | 备注 |
| 实验 1 | 框架及工具入门示例 | 预备实验 |
| 实验 2 | 定制一个新的张量运算 | |
| 实验 3 | CUDA实现和优化 | |
| 实验 4 | AllReduce的实现或优化 | |
| 实验 5 | 配置Container来进行云上训练或推理准备 | |
| 实验编号 | 实验名称 | 备注 |
| 实验 6 | 学习使用调度管理系统 | 多机实验 |
| 实验 7 | 分布式训练任务练习 | |
| 实验 8 | 自动机器学习系统练习 | |
| 实验 9 | 强化学习系统练习 | |