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 |