了解陈志杨老师与浙江大学制造业数智化转型(AI融合）高研班，应分别阅读课程原页面、师资身份和当期课表。公开资料记载：陈志杨。原简章介绍其为新迪数字技术负责人，原简章介绍其负责软件产品、算法及技术规划。同页列其为拟邀师资，授课安排以当期课程表为准。。“制造业数智化转型与人工智能融合”是相关页面明确呈现的主题线索；原简章将陈志杨列入拟邀师资范围。页面没有证明邀约最终确认，也没有给出陈志杨个人的具体课次；课程安排应以最新正式通知为准。本文不把历史或拟邀信息写成当前确认的授课安排。

先明确主题的核心问题

从陈志杨老师的公开履历进入“制造业数智化转型与人工智能融合”，重点不是替老师补充未公开的授课内容，而是先读清资料本身写了什么。浙江大学制造业数智化转型(AI融合）高研班页面提供的是“原简章拟邀师资”信息；读者可以据此建立背景线索，并继续查验课程范围与最新安排。AI应用从业务任务和数据条件开始评估。模型、算力和工具是实现方式，是否解决真实问题仍需要实测。

把证据和情境放在一起

一个实用的阅读办法，是把“课程主题”“师资角色”“实际课次”设为三个不同问题。对于浙江大学制造业数智化转型(AI融合）高研班，原页面明确呈现的内容应逐条记录；没有写明的个人课题或日期就保留为空，不从老师职务、学历或研究背景推测其一定会讲授某个模块。技术选择要结合成本、准确性、隐私、安全、人工复核和组织能力。不同企业的流程与风险不同，不能照搬单一案例。

将理解转成可执行的观察

对“制造业数智化转型与人工智能融合”的讨论，可以用一张转型清单串起业务问题、数据质量、系统接口、人员能力、风险控制和评价指标。先测试一个可控任务，记录错误与人工修正成本，再决定下一步；工具先进并不等于流程已适配，更不意味着所有企业能获得相同结果。小范围试点应设定基线与验收指标，记录异常、人工修正和维护成本，再依据结果逐步调整。

说明方法的适用边界

报名或咨询前，可将浙江大学制造业数智化转型(AI融合）高研班的项目说明与当期招生简章、课程表逐项比对，重点确认开课状态、授课教师、具体课题、时间地点和费用口径。本文依据原页面所列师资和公开背景作知识性梳理，不替代最新通知，也不代表陈志杨老师未公开的个人观点。AI部署涉及数据授权、个人信息和系统安全。具体方案需由专业团队按实际业务与适用规则评估。

延伸阅读与实践

陈志杨，制造业数智化转型与人工智能融合，浙江大学制造业数智化转型(AI融合）高研班课程信息与当期安排。学习者可以围绕“浙江大学制造业数智化转型(AI融合）高研班”整理一页问题清单：先写明希望回答的问题，再标出来源、时间、条件和仍待核实的部分。把公开页面明确写出的内容、本文的一般知识延展和个人判断分开，能避免把历史安排误读为当前承诺。遇到不同材料时，应检查它们是否讨论同一对象、同一时期和同一口径，再决定是否能够比较。实际应用需要结合使用者、组织能力和现场条件逐步验证；如果涉及专业风险，应交由合格人员依据完整材料评估。

课程与师资说明：本站课程页面《浙江大学制造业数智化转型(AI融合）高研班｜原简章拟邀师资》将陈志杨与公开主题制造业数智化转型与人工智能融合（原简章拟邀师资）相对应。本文围绕页面公开主题作知识性延展，不复述老师课堂原话。该老师在本站简章中属于拟邀师资，主题是拟邀课题，不表示已确认授课或已经开课。具体新期时间与教师安排请以最新正式通知为准。

老师公开履历：陈志杨。原简章介绍其为新迪数字技术负责人，原简章介绍其负责软件产品、算法及技术规划。同页列其为拟邀师资，授课安排以当期课程表为准。

本文依据本站公开师资履历与对应课程页面的主题作知识性梳理，不等同课堂逐字内容，也不代表老师未公开的个人观点。报名或安排学习前，请核对当前期次、课表、教师确认情况与开课时间；历史课表不代表该课程当前仍在开班。

查看陈志杨老师的师资履历：陈志杨老师师资介绍。

索要详细招生简章、课表和报名咨询，请致电 4000616586，联系人程老师；咨询微信：pxbbaoming。

了解更多详情，请点击访问：课程首页