GPT赋能城市规划研究：强大的数据分析及机器学习、AI绘图等功能助力智慧城市建设

AI助力科研创新与效率双提升

ChatGPT深度科研应用、数据分析及机器学习、AI绘图与高效论文撰写培训班

【全网唯一授课4天的ChatGPT课程】

2022年11月30日，可能将成为一个改变人类历史的日子——美国人工智能开发机构OpenAI推出了聊天机器人ChatGPT3.5，将人工智能的发展推向了一个新的高度。2023年4月，更强版本的ChatGPT4.0上线，文本、语音、图像等多模态交互方式使其在各行各业的应用呈现了更多的可能性。2023年11月7日，OpenAI首届开发者大会被称为“科技界的春晚”，吸引了全球广大用户的关注，GPT商店更是显现了OpenAI旨在构建AI生态的野心。因此，为了帮助广大科研人员更加熟练地掌握ChatGPT4.0在数据分析、自动生成代码等方面的强大功能，同时更加系统地学习人工智能（包括传统机器学习、深度学习等）的基础理论知识，以及具体的代码实现方法，特举办“ChatGPT深度科研应用、数据分析及机器学习、AI绘图与高效论文撰写培训班”培训班，旨在帮助学员掌握ChatGPT4.0在科研工作中的各种使用方法与技巧，以及人工智能领域经典机器学习算法（BP神经网络、支持向量机、决策树、随机森林、变量降维与特征选择、群优化算法等）和热门深度学习方法（卷积神经网络、迁移学习、RNN与LSTM神经网络、YOLO目标检测、自编码器等）的基本原理及Python、PyTorch代码实现方法。本次培训采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式，抽丝剥茧、深入浅出讲解ChatGPT4.0的最新功能，以及经典人工智能方法在实际应用时需要掌握的经验及技巧。

一、培训时间及方式

现场时间：2024年5月15日-19日 现场地点：成都

直播时间：2024年5月16日-19日

直播方式：腾讯会议

二、会议福利

1：无限学：课程参加一次，【本课程】后期会议(线上直播免费参与一次，现场不限次数，仅限参会本人)

2：每人均可获得1个独立可免费使用的ChatGPT账号。

3：赠送1个月ChatGPT Plus/4.0会员功能应用。

4：提供全部课程回放，建立助学群，长期辅助交流。

三、主讲专家

来自中国重点科研院校，【副教授】长期从事人工智能（AI）与大数据分析领域等相关研究，，致力于将人工智能技术与相关领域的前沿应用相融合，推动跨学科研究的发展，团队在科研工作中长期应用AI大语言模型积累了丰富的实践经验。

四、证书及学时

参加培训的学员可以获得《AIGC技能提升》专业技能培训证书及学时证明，网上可查。此证书可作为个人学习和知识更新、单位在职人员专业技能素质培养及单位人才聘用重要参考依据。证书查询网址：www.aishangyanxiu.com

五、课程大纲

课程安排

学习内容

第一章

2024大语言模型最新进展介绍与ChatGPT4基础入门

1、2024 AIGC技术最新进展介绍

2、ChatGPT概述（GPT-1、GPT-2、GPT-3、GPT-3.5、GPT-4模型的演变）

3、（实操演练）ChatGPT对话初体验（注册与充值、购买方法）

4、 （实操演练）GPT-4与GPT-3.5的区别

5、（实操演练）GPT-4与国内外其他大语言模型（Claude、谷歌Gemini、百度文心一言、科大讯飞星火、阿里巴巴通义千问、月之暗面Kimi等）的区别

6、（实操演练）ChatGPT科研必备GPTs（Data Interpreter、Wolfram、WebPilot、MixerBox Scholar、ScholarAI、Show Me、AskYourPDF等）

7、（实操演练）定制自己的专属GPTs（制作专属GPTs的两种方式：聊天/配置参数、利用Knowledge上传本地知识库提升专属GPTs性能、利用Actions通过API获取外界信息、专属GPTs的分享）

8、（实操演练）GPT Store简介与使用（信息检索与快速整理、论文撰写、论文翻译与润色、代码编写等）

9、案例演示与实操练习

第二章

ChatGPT4 提示词使用方法与技巧

1、（实操演练）ChatGPT Prompt (提示词)使用技巧（为ChatGPT设定身份、明确任务内容、提供任务相关的背景、举一个参考范例、指定返回的答案格式等）

2、（实操演练）常用的ChatGPT提示词模板

3、（实操演练）基于模板的ChatGPT提示词优化

4、（实操演练）利用ChatGPT4 及插件优化提示词

5、（实操演练）通过promptperfect.jina.ai优化提示词

6、（实操演练）利用ChatGPT4 及插件生成提示词

7、（实操演练）ChatGPT4突破Token限制实现接收或输出万字长文（什么是Token？Token数与字符数之间的互相换算、五种方法提交超过Token限制的文本、四种方法让ChatGPT的输出突破Token限制）

8、（实操演练）控制ChatGPT的输出长度（使用修饰语、限定回答的范围、通过上下文限定、限定数量等）

9、（实操演练）利用ChatGPT4 及插件保存喜欢的ChatGPT提示词并一键调用

10、（实操演练）利用ChatGPT4实现网页版游戏的设计、代码自动生成与运行

11、案例演示与实操练习

第三章

ChatGPT4助力日常生活、学习与工作

1、（实操演练）ChatGPT4助力中小学生功课辅导（写作文、作文批改、求解数学题、练习英语听说读写、物理计算、化学计算等）

2、（实操演练）ChatGPT4助力文案撰写与润色修改

3、（实操演练）ChatGPT4助力家庭健康管理（化验单结果解读、就诊咨询与初步诊断、常见慢病管理、日常营养膳食建议等）

4、（实操演练）ChatGPT4助力大学生求职与就业（撰写简历、模拟面试、职业规划等）

5、（实操演练）ChatGPT4助力商业工作（行业竞品检索与分析、产品创意设计与建议、推广营销策略与方案制定、撰写合同）

6、（实操演练）利用ChatGPT4 创建精美的思维导图

7、（实操演练）利用ChatGPT4 生成流程图、甘特图

8、（实操演练）利用ChatGPT4 制作PPT

9、（实操演练）利用ChatGPT4自动创建视频

10、（实操演练）ChatGPT4辅助教师高效备课（苏格拉底式教学、为不同专业学生生成不同的教学内容、围绕知识点生成不同难度的题目检测学生的学习效果等）

11、（实操演练）ChatGPT4辅助学生高效学习（利用插件生成个性化学习计划）

12、案例演示与实操练习

第四章

ChatGPT4助力信息检索、总结分析、论文写作与投稿

1、（实操演练）传统信息检索方法与技巧总结（Google Scholar、ResearchGate、Sci-Hub、GitHub、关键词检索+同行检索、文献订阅）

2、（实操演练）利用ChatGPT4 实现联网检索文献

3、（实操演练）利用ChatGPT4阅读与总结分析学术论文内容（三句话摘要、子弹式要点摘要、QA摘要、表格摘要、关键词与关键句提取、页面定位、多文档对比、情感分析）

4、（实操演练）利用ChatGPT4 总结Youtube视频内容

5、（实操演练）利用ChatGPT4完成学术论文的选题设计与优化

6、（实操演练）利用ChatGPT4自动生成论文的总体框架、论文摘要、前言介绍、文献综述、完整长篇论文等

7、（实操演练）利用ChatGPT4完成论文翻译（指定翻译角色和翻译领域、提供背景提示）

8、（实操演练）利用ChatGPT4实现论文语法校正

9、（实操演练）利用ChatGPT4完成段落结构及句子逻辑润色

10、（实操演练）利用ChatGPT4完成论文降重

11、（实操演练）利用ChatGPT4完成论文评审意见的撰写与回复

12、案例演示与实操练习

第五章

ChatGPT4助力Python编程入门、科学计算、数据可视化、数据预处理

1、（实操演练）Python环境搭建（Python软件下载、安装与版本选择；PyCharm下载、安装；Python之Hello World；第三方模块的安装与使用；Python 2.x与Python 3.x对比）

2、（实操演练）Python基本语法（Python变量命名规则；Python基本数学运算；Python常用变量类型的定义与操作；Python程序注释）

3、（实操演练）Python流程控制（条件判断；for循环；while循环；break和continue）

4、（实操演练）Python函数与对象（函数的定义与调用；函数的参数传递与返回值；变量作用域与全局变量；对象的创建与使用）

5、（实操演练）Matplotlib的安装与图形绘制（设置散点、线条、坐标轴、图例、注解等属性；绘制多图；图的嵌套；折线图、柱状图、饼图、地图等各种图形的绘制）

6、（实操演练）Seaborn、Bokeh、Pyecharts等高级绘图库的安装与使用（动态交互图的绘制、开发大数据可视化页面等）

7、（实操演练）科学计算模块库（Numpy的安装；ndarray类型属性与数组的创建；数组索引与切片；Numpy常用函数简介与使用）

8、（实操演练）利用ChatGPT4上传本地数据（Excel/CSV表格、txt文本、PDF、图片等）

9、（实操演练）利用ChatGPT4 爬取第三方网站数据

10、（实操演练）利用ChatGPT4 实现常见文件格式之间的转换

11、（实操演练）利用ChatGPT4 实现图像处理（图像缩放、旋转、裁剪、去噪与去模糊）

12、（实操演练）利用ChatGPT4 实现描述性统计分析（数据的频数分析：统计直方图；数据的集中趋势分析：数据的相关分析）

13、（实操演练）常用的数据预处理方法（数据标准化与归一化、数据异常值与缺失值处理、数据离散化及编码处理、手动生成新特征）

14、（实操演练）融合ChatGPT 4与Python的数据预处理代码自动生成与运行

15、（实操演练）利用ChatGPT4实现数据统计分析与可视化（自动生成统计图表）

16、（实操演练）利用ChatGPT4 实现代码逐行讲解

17、（实操演练）利用ChatGPT4 实现代码Bug调试与自动修改

18、案例演示与实操练习

第六章

ChatGPT4助力机器学习建模

1、BP神经网络的基本原理（人工神经网络的分类有哪些？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？）

2、（实操演练）BP神经网络的Python代码实现（划分训练集和测试集、数据归一化）

3、（实操演练）BP神经网络参数的优化（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？）

4、（实操演练）值得研究的若干问题（欠拟合与过拟合、评价指标选择、样本不平衡等）

5、（实操演练）前向型神经网络中的ChatGPT提示词库讲解

6、（实操演练）利用ChatGPT4实现BP神经网络、极限学习机模型的代码自动生成与运行

7、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）

8、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）

9、SVM的工作原理（核函数的作用是什么？什么是支持向量？

10、SVM扩展知识（如何解决多分类问题？）

11、（实操演练）KNN、贝叶斯分类与SVM中的ChatGPT提示词库讲解

12、（实操演练）利用ChatGPT4实现KNN、贝叶斯分类、SVM模型的代码自动生成与运行

13、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？

14、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”的本质是什么？怎样可视化、解读随机森林的结果？）

15、Bagging与Boosting的区别与联系

16、AdaBoost vs. Gradient Boosting的工作原理

17、（实操演练）常用的GBDT算法框架（XGBoost、LightGBM）

18、（实操演练）决策树、随机森林、XGBoost、LightGBM中的ChatGPT提示词库讲解

19、（实操演练）利用ChatGPT4实现决策树、随机森林、XGBoost、LightGBM模型的代码自动生成与运行

20、案例演示与实操练习

第七章

ChatGPT 4助力机器学习模型优化：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、（实操演练）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、遗传算法（Genetic Algorithm, GA）的基本原理（以遗传算法为代表的群优化算法的基本思想是什么？选择、交叉、变异三个算子的作用分别是什么？）

5、（实操演练）PCA、PLS、特征选择、群优化算法的ChatGPT提示词库讲解

6、（实操演练）利用ChatGPT4 及插件实现变量降维与特征选择算法的代码自动生成与运行

7、案例演示与实操练习

第八章

ChatGPT 4助力卷积神经网络建模

1、深度学习简介（深度学习大事记、深度学习与传统机器学习的区别与联系）

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

5、（实操演练）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、（实操演练）卷积神经网络中的ChatGPT提示词库讲解

7、（实操演练）利用ChatGPT4 及插件实现卷积神经网络模型的代码自动生成与运行

（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

8、案例演示与实操练习

第九章

ChatGPT 4助力迁移学习建模

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

2、（实操演练）基于深度神经网络模型的迁移学习算法

3、（实操演练）迁移学习中的ChatGPT提示词库讲解

4、（实操演练）利用ChatGPT4及插件实现迁移学习模型的代码自动生成与运行

5、实操练习

第十章

ChatGPT 4助力生成式对抗网络建模

1、生成式对抗网络GAN（什么是对抗生成网络？为什么需要对抗生成网络？对抗生成网络可以帮我们做什么？GAN给我们带来的启示）

2、GAN的基本原理及GAN进化史

3、（实操演练）生成式对抗网络中的ChatGPT提示词库讲解

4、（实操演练）利用ChatGPT4 及插件实现生成式对抗网络模型的代码自动生成与运行

5、实操练习

第十一章

ChatGPT 4助力RNN、LSTM建模

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、（实操演练）RNN与LSTM中的ChatGPT提示词库讲解

4、（实操演练）利用ChatGPT4 及插件实现RNN、LSTM模型的代码自动生成与运行

5、案例演示与实操练习

第十二章

ChatGPT 4助力YOLO目标检测建模

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、（实操演练） YOLO模型中的ChatGPT提示词库讲解

4、（实操演练）利用ChatGPT4 及插件实现YOLO目标检测模型的代码自动生成与运行

（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

5、案例演示与实操练习

第十三章

ChatGPT 4助力自编码器建模

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、（实操演练）自编码器模型中的ChatGPT提示词库讲解

4、（实操演练）利用ChatGPT4 及插件实现自编码器模型的代码自动生成与运行

（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；

5、案例演示与实操练习

第十四章

ChatGPT4助力机器学习与深度学习建模的行业应用

1、（实操演练）利用ChatGPT4实现近红外光谱分析模型的建立、代码自动生成与运行

2、（实操演练）利用ChatGPT4实现生物医学信号（时间序列、图像、视频数据）分类识别与回归拟合模型的建立、代码自动生成与运行

3、（实操演练）利用ChatGPT4实现遥感图像目标检测、地物分类及语义分割模型的建立、代码自动生成与运行

4、（实操演练）利用ChatGPT4实现大气污染物预测模型的建立、代码自动生成与运行

5、（实操演练）利用ChatGPT4实现自然语言处理模型的建立、代码自动生成与运行

6、案例演示与实操练习

第十五章

ChatGPT 4 助力深度学习模型可解释性与可视化方法

1、什么是模型可解释性？为什么需要对深度学习模型进行解释？

2、常用的可视化方法有哪些（特征图可视化、卷积核可视化、类别激活可视化等）？

3、类激活映射CAM（Class Activation Mapping）、梯度类激活映射GRAD-CAM、局部可解释模型-敏感LIME（Local Interpretable Model-agnostic Explanation）、等方法原理讲解

4、t-SNE的基本概念及使用t-SNE可视化深度学习模型的高维特征

5、（实操演练）深度学习模型可解释性与可视化中的ChatGPT提示词库讲解

6、（实操演练）利用ChatGPT4 及插件实现深度学习模型可视化的代码自动生成与运行

7、案例演示与实操练习

第十六章

ChatGPT 4助力AI绘图技术

1、生成式模型简介（生成式对抗网络、变分自编码器、扩散模型等）

2、（实操演练）利用ChatGPT4 DALL.E 3生成图像（下载图像、3种不同分辨率、修改图像）

3、（实操演练）ChatGPT4 DALL.E 3常用的提示词库（广告海报、Logo、3D模型、插画、产品包装、烹饪演示、产品外观设计、UI设计、吉祥物设计等）

4、（实操演练）ChatGPT4 DALL.E 3中的多种视图（正视图、后视图、侧视图、四分之三视图、鸟瞰视图、全景视图、第一人称视角、分割视图、截面视图等）

5、（实操演练）ChatGPT4 DALL.E 3中的多种光效（电致发光、化学发光、生物荧光、极光闪耀、全息光等）

6、（实操演练）ChatGPT4 DALL.E 3格子布局与角色一致性的实现

7、（实操演练）ChatGPT4 DALL.E 3生成动图GIF

8、（实操演练）Midjourney工具使用讲解

9、（实操演练）Stable Diffusion工具使用讲解

10、案例演示与实操练习

第十七章

GPT 4 API接口调用与完整项目开发

1、（实操演练）GPT模型API接口的调用方法（API Key的申请、API Key接口调用方法与参数说明）

2、（实操演练）利用GPT4实现完整项目开发

（1）聊天机器人的开发

（2）利用GPT API和Text Embedding生成文本的特征向量

（3）构建基于多模态（语音、文本、图像）的阿尔茨海默病早期筛查程序

3、案例演示与实操练习

第十八章

课程总结与答疑讨论

1、课程总结与现场答疑

2、相关学习资料分享与拷贝（图书推荐、在线课程推荐等）

3、建立微信群，便于后期的讨论与答疑

六、联系方式

详细报名流程，请联系课程负责人

详细报名流程，请咨询课程负责人

丁依：19912110290（微电）

流域生态

流域生态系统水-碳-氮耦合过程模拟

培训时间：2024年4月23日、27日-28日、29日

【四天直播实践教学、提供全部资料及回放】

课程内容：

专题一流域水碳氮建模概述

1.1 流域水碳氮模拟进展及文献分析

1.2 流域水碳氮模拟平台

1.3 流域水碳氮综合模拟演示

专题二数据准备

2.1 数据要求及格式

2.2 GIS软件平台

2.3 网络数据资源

2.4 数据下载及处理

2.5 DEM数据制备

2.6 土地利用数据制备

2.7 土壤数据制备

2.8 气象数据制备

2.9 其它数据制备

专题三流域水模拟

3.1 SWAT模型介绍

3.2 SWAT模型安装

3.3 建立SWAT项目

3.4 SWAT运行及结果读取

3.5 参数率定与结果验证

3.6 水文模拟结果分析

专题四流域氮模拟

4.1 流域氮循环简介

4.2 SWAT模型中氮模拟

4.3 氮模拟结果分析

专题五流域碳模拟

5.1 流域碳循环及生物地球化学循环模型

5.2 CENTURY模型安装与操作

5.3 SWAT和CENTURY模型的结合

5.4 碳模拟结果分析

专题六模型结果分析及地图制作

6.1 结果读取及整理

6.2 结果时间变化分析

6.3 结果空间变化分析

6.4 结果符号设置与地图制图

6.5 结合GIS进行时空变化分析

专题七案例分析

案例：三峡库区典型小流域水碳氮综合模拟

基金撰写

2024-2025年申报各类科研项目基金撰写及技巧培训班

直播时间2024年5月25日-26日

【两天实践教学、提供全部资料及回放】

会议福利：

1.每人均可获得1个独立可永久免费使用的ChatGPT账号；

2.【超级福利】赠送一个月ChatGPT Plus会员账号。

课程大纲：

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国自然项目解读

1.6省级项目解读

1.7博后项目介绍

专题二 基金的撰写技巧（从申请人的角度带你入门）

2.1 问题属性与评阅标准

2.2 前期准备工作-如何去选题

2.3 项目撰写

2.3.1 题目的设计

2.3.1.1 题目确定：如何设计一个合适的题目

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 研究目标如何精准定位

2.3.2.3 关键科学问题的提炼方法-一个行之有效的小技巧

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：如何安排总述与总图

2.3.3.2技术路线：如何将技术细节做到一一对应

2.3.3.3 可行性分析：如何通过三个维度分析到位

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 研究计划如何布局推进

2.3.5.2 预期成果有哪些细微区别

2.3.6 研究基础与工作条件

2.3.6.1 研究基础-如何突出与代表作的联系

2.3.6.2工作条件-如何充分展现平台优势

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逐一突破）

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 如何合理安排研究经费

3.6 其他备受关注的问题

3.7 最后的自查-自查十连问

专题四 ChatGPT在基金撰写中的妙用

4.1 ChatGPT高效搜索

4.2 ChatGPT梳理文献

4.3 ChatGPT选择基金题目

4.4 ChatGPT生成基金提纲

4.5 ChatGPT助力摘要书写

4.6 ChatGPT形成文献综述

4.7 ChatGPT推荐研究方向

4.8 ChatGPT扩写基金内容

4.9 ChatGPT精简基金内容

4.10 ChatGPT润色基金文字

4.11 ChatGPT仿写指定风格

4.12 ChatGPT降重文本内容

4.13 ChatGPT搜索关键图片

4.14 ChatGPT分析评审意见

4.15 ChatGPT开发科研工具

添加客服微信领取详细的培训通知

点击-课程标题链接查看内容

1	无人机遥感在农林信息提取中的实现方法与 GIS 融合制图
2	无人机生态环境监测、图像处理与 GIS 数据分析综合应用
3	无人机遥感图像拼接及处理实践技术专题教程
4	涡度通量数据处理与分析实践技术应用
5	基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割教程
6	高光谱数值建模技术及在植被、水体、土壤信息提取领域应用技术
7	基于MAXENT模型的生物多样性生境模拟与保护优先区甄选、自然保护区布局优化及未来气候变化情景下自然保护区优化评估中的实践技术应用及论文写作技巧
8	Biome-BGC生态系统模型原理与高级应用
9	陆面生态水文模拟与多源遥感数据同化的实践技术应用
10	InVEST模型高级进阶及在生态系统服务供需、碳中和等领域中的应用及论文写作技能提升视频课程
11	植被参数遥感反演与数据同化系列
12	PROSAIL 模型前向模拟与植被参数遥感提取代码实现
13	Meta 分析在生态环境领域中的应用
14	无人机支持下的自然灾害风险评估技术应用
15	遥感影像信息提取与案例分析实践技术
16	地统计学空间插值方法及实践应用专题课程
17	长时间序列遥感数据分析与代码实现技术应用课程
18	长时间序列遥感数据暨植被物候提取与分析实践应用课程
19	基于MATLAB长时间序列遥感数据分析（以MODIS数据处理为例）实践操作
20	基于MATLAB的长时间序列遥感数据产品分析暨MODIS NDVILAI多年产品数据批处理分析视频教程
21	CENTURY模型实践技术应用与案例分析精品
22	CASA（Carnegie-Ames-Stanford Approach）模型原理及实践技术
23	Noah-MP陆面过程模型建模方法与站点、区域模拟实践技术应用精品
24	CLM 陆面过程模式实践技术应用精品课程
25	白杨老师精品课推荐：土地利用/土地覆盖遥感解译与基于CLUE模型未来变化情景预测技用课程
26	MATLAB在生态环境数据处理与分析中的应用专题课程
27	城市/农村用地适宜性评价课程
28	合成孔径雷达干涉测量InSAR数据处理、地形三维重建、形变信息提取、监测等实践
29	海量遥感数据处理与GEE云计算技术实践应用课程
30	近地面无人机植被定量遥感与生理参数反演实践技术应用进阶课程
31	“卫星-无人机-地面”遥感数据快速使用及地物含量计算的实现方法实践技术应用
32	基于python深度学习遥感影像地物分类与目标识别、分割实践技术应用
33	matlab长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的应用
34	生态环境影响评价技术应用及典型实践案例分析
35	双碳目标下生态与农田系统温室气体排放模拟实践技术应用
36	基于RWEQ模型的土壤风蚀模数估算及其变化归因分析实践技术高级培训班
37	遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）实践技术高级培训班
38	GEE 遥感云大数据在林业中的应用与典型案例实践高级培训班
39	双碳目标下基于遥感技术的碳库、碳平衡、温室气体、碳循环等多领域监测与模拟实践技术应用培训班
40	全流程基于最新导则下的生态环境影响评价技术方法及图件制作与案例实践培训班
41	GEE 遥感云大数据在林业中的应用与典型案例实践高级视频课
42	遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）技术应用培训班
43	环境多介质逸度模型实践技术与典型案例【代码】应用
44	地表蒸散发遥感产品信息提取验证与融合实践技术应用视频课
45	Biome-BGC生态系统模型与Python融合技术实践应用
46	基于“PLUS模型+”生态系统服务多情景模拟预测实践技术应用高级培训班
47	双碳目标下 DNDC 模型建模方法及在土壤碳储量、温室气体排放、农田减排、土地变化、气候变化中的实践技术应用课程
48	双碳目标下基于“遥感+”融合技术在碳储量、碳收支、碳循环等多领域监测与模拟实践应用高阶课程
49	Python高光谱遥感数据处理与机器学习实践技术视频课
50	基于生态系统服务（InVEST模型）的人类活动、重大工程生态成效评估、论文写作等具体应用课程
51	GPT模型支持下的Python-GEE遥感云大数据分析、管理与可视化技术及多领域案例实践应用视频课程
52	多源环境（QGIS、PostgreSQL、Maxent）支持下的SolVES 模型生态系统服务功能社会价值评估视频课
53	生态系统NPP及碳源、碳汇模拟实践技术应用高级视频课
54	基于python多光谱遥感数据处理、图像分类、定量评估及机器学习方法应用高阶课程
55	基于python多光谱遥感数据处理、图像分类、定量评估及机器学习方法应用高阶课程
56	基于“SRP模型+”多技术融合在生态环境脆弱性评价模型构建、时空格局演变分析与RSEI 指数的生态质量评价及拓展应用高级培训班
57	基于当量因子法、InVEST、SolVES模型等多技术融合在生态系统服务功能社会价值评估中的应用及论文写作、拓展分析高级培训班
58	基于”Python+”多技术融合在蒸散发与植被总初级生产力估算中的实践应用高级培训班
59	基于R语言APSIM模型进阶应用与参数优化、批量模拟实践技术高级培训班
	WOFOST 模型与 PCSE 模型实践技术应用培训班
60	生态系统NPP及碳源、碳汇模拟实践技术应用高级培训班
61	基于R语言的物种气候生态位动态量化与分布特征模拟实践技术高级培训班
62	基于ArcGIS Pro、R、INVEST等多技术融合下生态系统服务权衡与协同动态分析实践应用高级视频课
63	基于 R 语言机器学习方法在生态经济学领域中的实践技术应用课程
64	基于Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践应用视频课
65	R-Meta分析与【文献计量分析、贝叶斯、机器学习等】多技术融合实践与拓展进阶高级培训班
66	AI 科研人员培养：面向课题组团队及科研人员AI培养计划：AI人工智能实践技术系统性教学方案（python深度学习机器学习超详细课程）
67	最新基于MATLAB科研数据可视化实践技术视频课程
68	最新基于Python科研数据可视化实践技术视频课程
69	最新基于Citespace、vosviewer、R语言的文献计量学可视化分析技术及全流程文献可视化SCI论文高效写作方法培训班
70	最新基于2023aMATLAB深度学习实践技术应用高级课程
71	Python数据挖掘与机器学习高级培训班
72	R语言混合效应（多水平/层次/嵌套）模型及贝叶斯实现技术应用精品课程
73	【SEM】：结构方程模型（SEM）高阶应用系列课程
74	最新基于R语言结构方程模型分析与实践技术应用精品课程
75	python生物信息多组学大数据深度挖掘与论文整理技巧实践技术应用课程
76	基于R语言生物信息学大数据分析与绘图实践技术精品课程
77	环境多介质逸度模型实践技术与典型案例【代码】应用
78	基于Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践应用视频课
79	基于 R 语言机器学习方法在生态经济学领域中的实践技术应用课程

【报名方式】
丁依：19912110290（微信）

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