ChatGPT/GPT4+AI绘图+论文高效写作结合到底有多强大？你可以躺赢了

最新ChatGPT/GPT4科研实践应用与AI绘图技术及论文高效写作培训班

现场时间：12月21日-25日【21日全天报到，授课四天】

现场地点：杭州

直播时间：12月22日-25日【腾讯会议直播】

现场时间：12月26日-30日【26日全天报到，授课四天】

现场地点：厦门

直播时间：12月27日-30日【腾讯会议直播】

【每人均可获得1个独立可永久免费使用的ChatGPT账号】

1赠送ChatGPT Plus会员账号

一：每人均可获得1个独立可永久免费使用的ChatGPT账号。

二：【超级福利】赠送ChatGPT Plus会员账号，ChatGPT Plus会员账号的功能包括：

1.无限制ChatGPT模型使用。
2.GPT-4模型使用。

3.GPT-4图像分析功能。
4.GPT-4联网功能。

5.GPT-4高级数据分析功能。
6.GPT-4高级插件功能。

7.DALLE-3高级AI绘图功能。

三：会议结束后赠送一套完整的视频教程，不限时间长期观看。

四: 参加本次课程后，可免费参加该课程后续的举办（免费直播参与一次，现场次数不限，仅限本人参加)

五：会议结束助学群不解散，提供长期答疑辅导，交流学习。

六：提供发票及配套报销文件，学时证书。

学习目标

1、熟练掌握ChatGPT提示词技巧及各种应用方法，并成为工作中的助手。

2、通过案例掌握ChatGPT撰写、修改论文及工作报告，提供写作能力及优化工作

3、熟练掌握ChatGPT融合相关插件的应用，完成数据分析、编程以及深度学习等相关科研项目。

4、掌握各种AI绘图工具，随意生成各类型性图像。

5、总结会议参加人员关注问题，现场进行辅助指导及交流。

3课程大纲（二十项专题，干货满满！）

课程安排

学习内容

专题一

OpenAI开发者大会最新技术发展及最新功能应用

1.1最新大模型GPT-4 Turbo详细讲解

1.2最新发布的高级数据分析，AI画图，图像识别，文档API

1.3 GPT Store讲解

1.4（实操演练）从0到1创建自己的GPT应用

专题二

定制自己的GPTs

2.1热门的自定义GPTs使用介绍

2.2通过聊天交流的方式制作自己的GPTs

2.3通过自定义的方式制作自己的GPTs

2.4 GPTs的3种分发方式

2.5 GPTs的action功能介绍

专题三

AIGC基础学习

3.1深度学习常用架构介绍

3.2GPT1-4模型介绍

3. 3AIGC技术发展

3.4大语言模型的评估标准

3.5ChatGPT/GPT4官网使用方法

3.6优秀国内大模型推荐

3.7LLM与搜索引擎：差异与联系

专题四

提示词工程高级技巧
【讲解+实践】

4.1提示词工程介绍

4.2如何写好一篇论文的提示词

4.3（实操演练）初识LLM：角色扮演的艺术

4.4（实操演练）调整LLM的语调与表达方式

4.5（实操演练）定义LLM的具体任务与目标

4.6（实操演练）探索LLM与上下文的密切关系

4.7（实操演练）零样本学习：强化逻辑推理

4.8（实操演练）多样本学习：模型模仿能力提升

4.9（实操演练）自洽性检验：数学能力加强

4.10（实操演练）知识生成：提高模型的信息处理能力

专题五

ChatGPT/GPT4的实用案例

【讲解+实践】

5.1（实操演练）ChatGPT/GPT4是最好用的翻译软件

5.2（实操演练）AI助力高效表格数据创建

5.3（实操演练）AI在数据处理中的实际操作

5.4（实操演练）苏格拉底式教学法在AI中的运用

5.5（实操演练）如何与AI交流科研问题

5.6（实操演练）AI助力文本数据整理与分析

5.7（实操演练）AI在用户评论分析中的应用

5.8（实操演练）AI撰写专业报告的技巧

5.9（实操演练）让AI根据知识点出题

5.10（实操演练）使用AI工具快速产出高端PPT的4种方法

5.11（实操演练）使用AI工具快速产出短视频

5.12（实操演练）快速制作流程图和思维导图

专题六

让ChatGPT/GPT4成为你的论文助手【讲解+实践】

6.1（实操演练）分析论文得出审稿意见

6.2（实操演练）进行论文内容问答

6.3（实操演练）生成论文摘要

6.4（实操演练）写论文综述并标注内容来源

6.5（实操演练）中/英文论文润色的4种方法

6.6（实操演练）进行论文降重的技巧

6.7（实操演练）查找某个观点或内容相关的论文

6.8（实操演练）对多篇论文进行分析对比

6.9（实操演练）如何防止AI生成的内容被检测

6.10（实操演练）生成完整长篇论文的技巧

专题七

python基础学习【讲解+实践】

7.1 python的应用场景

7.2（实操演练）python环境安装配置

7.3（实操演练）print使用

7.4（实操演练）运算符和变量

7.5（实操演练）循环

7.6（实操演练）列表元组字典

7.7（实操演练）if条件

7.8（实操演练）函数

7.9（实操演练）模块

7.10（实操演练）类的使用

7.11（实操演练）文件读写

7.12（实操演练）异常处理

专题八

科学计算模块Numpy和绘图模块Matplotlib学习【讲解+实践】

8.1（实操演练）numpy的属性

8.2（实操演练）创建array

8.3（实操演练）numpy的运算

8.4（实操演练）随机数生成以及矩阵的运算

8.5（实操演练）numpy的索引

8.6（实操演练）array合并

8.7（实操演练）Matplotlib基础用法

8.8（实操演练） figure图像

8.9（实操演练）设置坐标轴

8.10（实操演练）legend图例

8.11（实操演练）scatter散点图

专题九

机器学习算法应用【讲解+实践】

9.1机器学习概述

9.2训练集/验证集/测试集

9.3监督学习与无监督学习

9.4分类/回归/聚类算法

9.5机器学习算法应用分析

9.6（实操演练）使用回归算法完成波士顿房价预测

9.7（实操演练）使用KNN算法完成鸢尾花分类

9.8（实操演练）使用逻辑回归算法完成糖尿病预测

9.9（实操演练）分析特征重要性（哪些特征对标签的影响最大）

9.10（实操演练）机器学习特征工程完整流程

专题十

深度学习算法基础【讲解+实践】

10.1单层感知器

10.2激活函数，损失函数和梯度下降法

10.3 BP算法介绍

10.4梯度消失问题

10.5多种激活函数介绍

10.6（实操演练）BP算法解决手写数字识别问题

专题十一

深度学习框架Tensorflow应用【讲解+实践】

11.1（实操演练）Mnist数据集和softmax讲解

11.2（实操演练）使用BP神经网络识别图片

11.3（实操演练）交叉熵(cross-entropy)讲解和使用

11.4（实操演练）欠拟合/正确拟合/过拟合

11.5（实操演练）各种优化器Optimizer

11.6（实操演练）模型保存和模型载入方法

专题十二

深度学习算法-卷积神经网络CNN应用【讲解+实践】

12.1 CNN卷积神经网络

12.2卷积的局部感受野，权值共享介绍。

12.3卷积的具体计算方式

12.4池化层介绍（均值池化、最大池化）

12.5 same padding和valid padding介绍

12.6 LeNET-5卷积网络介绍

12.7（实操演练）CNN手写数字识别案例

专题十三

深度学习算法-长短时记忆网络LSTM应用

【讲解+实践】

13.1 RNN循环神经网络介绍

13.2 RNN具体计算分析

13.3长短时记忆网络LSTM介绍

13.4输入门，遗忘门，输出门具体计算分析

13.5堆叠LSTM介绍

13.6双向LSTM介绍

13.7（实操演练）使用LSTM进行设备故障预测

专题十四

基于深度学习模型的图像识别
【讲解+实践】

14.1 VGG16模型详解

14.2 ResNet模型详解

14.3 EfficientNet模型详解

14.4（实操演练）下载训练好的1000分类图像识别模型

14.5（实操演练）使用训练好的图像识别模型进行各种图像分类

14.6（实操演练）使用迁移学习训练自己的天气现象分类模型

专题十五

让ChatGPT/GPT4成为你的编程助手
【讲解+实践】

15.1使用ChatGPT/GPT4写程序的注意事项

15.2（实操演练）让AI对代码进行详细讲解

15.3（实操演练）进行代码纠错及自动修改

15.4（实操演练）使用AI工具读取本地数据的技巧

15.5（实操演练）绘制折线图，柱状图，饼图等各种统计分析图表

15.6（实操演练）让AI工具帮你自动进行数据分析和特征工程

15.7（实操演练）使用你的数据产生机器学习模型进行分类预测

15.8（实操演练）根据你的数据产生深度学习模型进行回归预测

15.9（实操演练）自动化AI编程助手的使用

专题十六

让ChatGPT/GPT4进行数据处理
【讲解+实践】

16.1（实操演练）让AI正确读取表格数据

16.2（实操演练）让AI理解百万行数据

16.3（实操演练）使用AI进行数据可视化

16.4（实操演练）使用AI进行数据缺失值处理

16.5（实操演练）使用AI进行数据归一化

16.6（实操演练）使用AI进行特征筛选

16.7（实操演练）使用AI输出表格数据

16.8（实操演练）使用AI输出特征工程处理后的数据

16.9（实操演练）使用AI绘制统计分析图表

专题十七
ChatGPT/GPT4在地球科学方面的应用
【讲解+实践】

17.1（实操演练）用GPT绘制世界地图海岸线

17.2（实操演练）用GPT绘制不同的地图投影

17.3（实操演练）用GPT绘制南极地投影

17.4（实操演练） 用GPT绘制地球各种关键变量的图

17.5（实操演练）用GPT绘制台风总降水量图

17.6（实操演练）用GPT绘制台风风速图

17.7（实操演练）用GPT计算台风总降水量

17.8（课实操演练）用GPT对遥感图像光谱数据进行机器学习建模分类

专题十八
ChatGPT/GPT4高级开发应用
【讲解+实践】

18.1（实操演练）GPT模型API接口程序使用

18.2（实操演练）GPT模型参数调节

18.3（实操演练）用GPT程序API接口制作聊天机器人

18.4（实操演练）用GPT程序API接口制作自动订餐机器人

18.5（实操演练）用GPT程序API批量处理大量文本数据

18.6（实操演练）用DALLE-3程序API接口生成图片

18.7（实操演练）GPT4本地文件上传功能使用

18.8（实操演练）GPT4联网功能使用

18.9（实操演练）GPT4图像识别功能应用

18.10（实操演练）GPT高级数据分析功能详解

专题十九

AI绘图工具Midjourney和DALLE3应用
【讲解+实践】

19.1 AI画图原理介绍

19.2（实操演练）Midjourney工具的基础操作

19.3（实操演练）remix模式介绍

19.4（实操演练）blend命令介绍

19.5（实操演练）describe命令介绍

19.6（实操演练）图生图通过图片生成新的图片

19.7（实操演练）Midjourney的参数和设置介绍

19.8（实操演练）Midjourney科研作图介绍

19.9（实操演练）DALL-E 3模型介绍

19.10（实操演练）DALL-E 3根据上下文内容修改图片

19.11（实操演练）DALL-E 3在图像中生成特定文字

19.12（实操演练）DALL-E 3绘图结果的不断优化

专题二十
AI绘图工具Stable Diffusion基础应用
【讲解+实践】

20.1（实操演练）Stable Diffusion工具介绍

20.2（实操演练）Stable Diffusion环境部署介绍

20.3（实操演练）通过文字生成图片

20.4（实操演练）通过图片生成图片

20.5（实操演练）图像智能高清算法

20.6（实操演练）使用Lora模型产生写实人物图像

20.7（实操演练）进行图像的局部重绘

20.8（实操演练）Controlnet插件介绍

20.9（实操演练）使用线稿图生成装修和建筑

20.10（实操演练）使用线稿图给图片上色

20.11（实操演练）产生特定姿态的人物图像

4报名咨询

详细报名流程，请联系课程负责人：秦老师：131-6943-7293（微电）

5往期回顾及学员反馈

6热门课程推荐

2024年申报国自然项目基金撰写及技巧培训班

培训时间：12月16日-17日【腾讯会议直播】

【全程两天实践学习、提供全部资料及长期回放】

专题一 国自然项目介绍

1.1 项目介绍

1.2 接收情况

1.3 受理情况

1.4 近五年资助情况

1.5 博后项目介绍

专题二 基金的3.撰写技巧（从申请人的角度带你入门）

2.1 科学问题属性的选择与理由-四段式结构

2.2 前期准备工作

2.3 项目撰写

2.3.1 选题、项目立项依据

2.3.1.1 题目确定：如何设计一个合适的题目

2.3.1.2 项目的立项依据：四段式结构如何布局

2.3.2 项目的研究内容、研究目标，以及拟解决的关键科学问题

2.3.2.1 研究内容的四点注意事项

2.3.2.2 研究目标的精准定位

2.3.2.3 关键科学问题的提炼方法

2.3.3 拟采取的研究方案及可行性分析

2.3.3.1 研究方案：总体的研究方案&细节的技术路线

2.3.3.2 可行性分析：三个分析维度

2.3.4 本项目的特色与创新之处：多个角度分析

2.3.5 年度研究计划与预期成果：

2.3.5.1 研究计划的合理性

2.3.5.2 预期成果的类别

2.3.6 研究基础与工作条件

2.3.6.1 研究基础-突出与代表作的联系

2.3.6.2工作条件-充分展现平台优势

2.3.7 其他注意事项

专题三 基金的专项技巧（从评审专家的角度带你提升）

3.1 了解评审专家的视角

3.2 最关键的细节-摘要的写法

3.3 如何挑选的五篇代表作

3.4 手把手带你画技术路线图

3.5 如何凝练关键科学问题

3.6 分析一个项目书

3.7 其他备受关注的问题

3.8 最后的自查

最新PyTorch机器学习与深度学习实践技术应用高级培训班

培训时间：12月22日-25日【腾讯会议直播】

【全程四天实践学习、提供全部资料及长期回放】

专题一 ChatGPT在科研中的应用

1、ChatGPT对话初体验

2、GPT-3.5与GPT-4的区别

3、ChatGPT科研必备插件（Data Interpreter、Wolfram、WebPilot、MixerBox Scholar、ScholarAI、Show Me、AskYourPDF等）

4、ChatGPT提示词使用技巧

5、基于ChatGPT的数据预处理（上传本地数据、数据预处理、数据可视化）

6、基于ChatGPT的机器学习与深度学习建模（算法原理讲解、自动生成代码、调试代码）

7、基于ChatGPT的论文写作（文献综述、论文框架、中英翻译、语法校正、文章润色等）

专题二 数据清洗

1、描述性统计分析（数据的频数分析：统计直方图；数据的集中趋势分析：算数平均值、标准差；数据的相关分析：相关系数）

2、数据标准化与归一化（为什么需要标准化与归一化？）

3、数据异常值、缺失值处理

4、数据离散化及编码处理

5、手动生成新特征

6、案例讲解

7、实操练习

专题三 线性回归模型

1、一元线性回归模型与多元线性回归模型（回归参数的估计、回归方程的显著性检验、残差分析）

2、岭回归模型（工作原理、岭参数k的选择、用岭回归选择变量）

3、LASSO模型（工作原理、特征选择、建模预测、超参数调节）

4、Elastic Net模型（工作原理、建模预测、超参数调节）

5、案例实践

6、实操练习

专题四 前向型神经网络

1、BP神经网络的基本原理（人工神经网络的分类有哪些？有导师学习和无导师学习的区别是什么？BP神经网络的拓扑结构和训练过程是怎样的？什么是梯度下降法？BP神经网络建模的本质是什么？）

2、BP神经网络的Python代码实现（怎样划分训练集和测试集？为什么需要归一化？归一化是必须的吗？什么是梯度爆炸与梯度消失？）

3、PyTorch代码实现神经网络的基本流程（Data、Model、Loss、Gradient）及训练过程（Forward、Backward、Update）

4、值得研究的若干问题（隐含层神经元个数、学习率、初始权值和阈值等如何设置？什么是交叉验证？过拟合（Overfitting）与欠拟合(Underfitting)、泛化性能评价指标的设计、样本不平衡问题、模型评价与模型选择（奥卡姆剃刀定律）等）

5、案例讲解：Linear模型、Logistic模型、Softmax函数输出、BP神经网络

6、实操练习

专题五 KNN、贝叶斯分类与支持向量机

1、KNN分类模型（KNN算法的核心思想、距离度量方式的选择、K值的选取、分类决策规则的选择）

2、朴素贝叶斯分类模型（伯努利朴素贝叶斯BernoulliNB、类朴素贝叶斯CategoricalNB、高斯朴素贝叶斯besfGaussianNB、多项式朴素贝叶斯MultinomialNB、补充朴素贝叶斯ComplementNB）

3、SVM的工作原理（SVM的本质是解决什么问题？核函数的作用是什么？什么是支持向量？

4、SVM扩展知识（如何解决多分类问题？SVM除了建模型之外，还可以帮助我们做哪些事情？）

5、案例实践

6、实操练习

专题六 决策树、随机森林、XGBoost、LightGBM

1、决策树的工作原理（微软小冰读心术的启示；什么是信息熵和信息增益？ID3算法和C4.5算法的区别与联系）；决策树除了建模型之外，还可以帮我们做什么事情？

2、随机森林的工作原理（为什么需要随机森林算法？广义与狭义意义下的“随机森林”分别指的是什么？“随机”体现在哪些地方？随机森林的本质是什么？怎样可视化、解读随机森林的结果？）

3、Bagging与Boosting的区别与联系

4、AdaBoost vs. Gradient Boosting的工作原理

5. 常用的GBDT算法框架（XGBoost、LightGBM）

6、案例实践

7、实操练习

专题七 变量降维与特征选择

1、主成分分析（PCA）的基本原理

2、偏最小二乘（PLS）的基本原理

3、常见的特征选择方法（优化搜索、Filter和Wrapper等；前向与后向选择法；区间法；无信息变量消除法；正则稀疏优化方法等）

4、案例实践

5、实操练习

专题八 群优化算法

1、遗传算法（Genetic Algorithm, GA）的基本原理（粒子群算法、蜻蜓算法、蝙蝠算法、模拟退火算法等与遗传算法的区别与联系）

2、遗传算法的Python代码实现

3、案例实践一：一元函数的寻优计算

4、案例实践二：离散变量的寻优计算（特征选择）

5、实操练习

专题九 卷积神经网络

1、深度学习简介（深度学习大事记：Model + Big Data + GPU + AlphaGo）

2、深度学习与传统机器学习的区别与联系（神经网络的隐含层数越多越好吗？深度学习与传统机器学习的本质区别是什么？）

2、卷积神经网络的基本原理（什么是卷积核、池化核？CNN的典型拓扑结构是怎样的？CNN的权值共享机制是什么？）

3、卷积神经网络的进化史：LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等经典深度神经网络的区别与联系

4、利用PyTorch构建卷积神经网络（Convolution层、Batch Normalization层、Pooling层、Dropout层、Flatten层等）

5、卷积神经网络调参技巧（卷积核尺寸、卷积核个数、移动步长、补零操作、池化核尺寸等参数与特征图的维度，以及模型参数量之间的关系是怎样的？）

6、案例讲解：

（1）CNN预训练模型实现物体识别

（2）利用卷积神经网络抽取抽象特征

（3）自定义卷积神经网络拓扑结构

7、实操练习

专题十 迁移学习

1、迁移学习算法的基本原理（为什么需要迁移学习？为什么可以迁移学习？迁移学习的基本思想是什么？）

2、基于深度神经网络模型的迁移学习算法

3、案例讲解：猫狗大战（Dogs vs. Cats）

4、实操练习

专题十一 RNN与LSTM

1、循环神经网络RNN的基本工作原理

2、长短时记忆网络LSTM的基本工作原理

3、案例讲解：时间序列预测（北京市污染物预测）

4、实操练习

专题十二 目标检测算法

1、什么是目标检测？目标检测与目标识别的区别与联系

2、YOLO模型的工作原理，YOLO模型与传统目标检测算法的区别

3、案例讲解：

（1）利用预训练好的YOLO模型实现目标检测（图像检测、视频检测、摄像头实时检测）

（2）数据标注演示（LabelImage使用方法介绍）

（3）训练自己的目标检测数据集

4、实操练习

专题十三 自编码器

1、什么是自编码器（Auto-Encoder, AE）？

2、经典的几种自编码器模型原理介绍（AE、Denoising AE, Masked AE）

3、案例讲解：

（1）基于自编码器的噪声去除

（2）基于自编码器的手写数字特征提取与重构

（3）基于掩码自编码器的缺失图像重构

4、实操练习

专题十四 复习与答疑讨论

1、课程相关资料拷贝与分享

2、答疑与讨论（大家提前把问题整理好）

7课程咨询

详细报名流程，请联系课程负责人：秦老师：131-6943-7293（微电）

推荐阅读

1、农林生态、大气、遥感、水文等系统教程通道——点击文末“阅读全文”进入

2、地学领域数据、年鉴、地图、课件资料等免费资源下载——点击进入

3、百余门教程在线免费观看——点击文末“阅读全文”进入

4、会员超值福利领取——点击文末“阅读全文”进入

如何加快课题组人才梯队建设与人才培养？

快来Ai尚研修【Easy Scientific Research】点亮科研简学践行-您的随行导师平台

官网：www.aishangyanxiu.com；

公众号：关注“Ai尚研修”公众号，点击“Ai尚课堂”进入也可以哦！

NO1：平台逐步建立完整的教学方案，深度促进科研交叉技术融合，成为众多课题组及个人实践技术提升首选内容。

NO2：Ai尚研修为了更好的发展，特邀胡中民老师、张光学老师、郁磊老师、胡恩柱老师、金溪老师、汪靓老师、张东辉老师等30多位专家学者作为顾问专家，为Ai尚研修平台长期发展提供了宝贵的建议及工作指导。

NO3：Ai尚研修创建云导师教学模式，最大化促进交叉学科的专业问答及交流，已经建立云导师社群300+，不仅可以学习，还为您身边带来专业的导师。

NO4：Ai尚研修建立了长期免费学术讲座：聚焦基础原理、前沿热点技术、庖丁解文、实践技术、成果推广等专题，每月4期左右，已开展完200+期，上平台都可以免费观看前期讲座。

NO5：为了深度对接用户需求，依托专家团队，针对技术咨询服务、数据处理合作、软件开发、搭建高性能计算平台等领域开展合作。

小编为您进行逐一展示：登录平台，您了解的更清晰，还有好礼哦！

NO1：体系课程

NO2：往期学术讲座及技术专题部分展示【免费】

NO3：云导师【点亮科研简学践行、您的随行导师平台】

NO4：技术合作与软件开发

Ai尚研修长期招募讲师——诚邀您的加入

Ai尚研修，倾力打造您的专属发展道路，这里有丰富的客户资源，专业的授课平台，强大的推广力度，全员的热血支持！

Ai尚研修期待您的加入，共同打造精品课程，助力科研！【点击了解合作详情】

扫描下方二维码，关注我们

Ai尚研修客服

公众号

END

声明：本号旨在传播、传递、交流，对相关文章内容观点保持中立态度。涉及内容如有侵权或其他问题，请与本号联系，第一时间做出撤回。

END

Ai尚研修丨专注科研领域

技术推广，人才招聘推荐，科研活动服务

科研技术云导师，Easy Scientific Research