
在工程、水文和金融等各学科的研究中,总是会遇到很多变量,研究这些相互纠缠的变量间的相关关系是各学科的研究的重点。虽然皮尔逊相关、秩相关等相关系数提供了变量间相关关系的粗略结果,但这些系数都存在着无法克服的困难。例如,皮尔逊相关系数只能反映变量间的线性相关,而秩相关则更多的适用于等级变量。大多数情况下变量间的相关性非常复杂,而且随着变量取值的变化而变化,而这些相关系数都是全局性的,因此无法提供变量间相关性变化的细节;更严重的是这些系数只提供了数值,对于变量间相关的具体结构和函数一无所知。
为了克服各种相关系数的缺点,基于Sklar定理的Copula理论被提出和发展。Copula不但可以提供不同取值范围内变量间相关的结构和函数细节,而且可以应用于相关时间序列及回归分析的研究中,大大拓展了回归及时间序列分析的适用范围。Copula理论一经提出就受到各个学科的广泛关注,现今在水文、工程、金融及环境领域得到广泛应用,已经成为这些领域的热门研究工具。
相对于相关系数,Copula理论比较深奥不易掌握,需要借助专门的软件或工具,运用规范的统计学方法才能得到正确的结果。有鉴于此特召开基于R语言及Python的Copula变量相关性研究培训班,以期为科研提供新的动力。
【主办单位】:Ai尚研修科研技术服务平台(Easy Scientific Research)
【网 址】:www.aishangyanxiu.com
【协办单位】:中科资环(保定)信息技术有限公司
尚研修(保定)信息科技有限公司
陕西中科资环信息技术有限责任公司
【培训时间】:2024年5月11日-12日、18日-19日、21日【五天实践课程,提供全部资料及回放】
【培训方式】:在线直播+助学群长期辅助+导师面对面实践工作交流+直播回放长期观看
来自国内重点科研院校,长期对工科统计学有深度研究及教学工作,对多元数据统计、贝叶斯、变量与变量间的关系等领域有深入的研究及实践应用经验。
参加培训的学员可以获得《Copula变量相关性应用》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
可先开发票,后公对公转账:可开培训费、会议费、会议注册费、资料费、技术服务费、技术咨询费等。
课程安排 | 学习内容 |
专题一 R及Python语言及相关性研究初步 | 1.R语言及Python的基本操作 2.各类相关系数的区别及实现 3.R语言及Python中Copula相关包和函数 |
专题二 二元Copula理论与实践(一) | 1. Sklar定理与不变性原理 2. 椭圆分布与椭圆Copula 3.阿基米德Copula |
专题三 二元Copula理论与实践(二) 【R语言为主】 | 1. 极值相依性与极值Copula 2. Copula函数的变换:旋转与混合Copula 3. 边缘分布估计:参数与非参数方法 4. Copula函数的估计 5. Python的相关实现 |
专题四 Copula函数的统计检验与选择【R语言为主】 | 1. 相依性与对称性检验 2. 拟合优度与其它统计检验
3. 极值相关性检验 4. 模型选择 5. Python相关实现 |
专题五 高维数据与Vine Copula 【R语言】 | 1. 条件分布函数 2. C-Vine Copula 3. D-Vine Copula |
专题六 正则Vine Copula(一) 【R语言】 | 1. 图论基础与正则Vine树 2. 正则Vine Copula族及其简化 3. 正则Vine Copula的模拟 |
专题七 正则Vine Copula(二) 【R语言】 | 1. Vine Copula的渐近理论与极大似然法估计 2. 正则Vine Copula模型的选择 3. 模型检验比较 |
专题八
时间序列中的Copula 【R语言】 | 1. 时间序列理论初步(稳定性检验、相依性检验) 2. Markov假设 3. 时间序列的Copula |
专题九 Copula回归 【R语言】 | 1. 回归的基本理论 2. 广义线性回归 3. 高斯Copula回归 4. 一般Copula回归 |
专题十 Copula下的结构方程模型 【R语言】 | 1. 结构方程模型的基本原理 2. R语言的结构方程模型 3. Copula结构方程模型的构建 4. 模型检验 |
专题十一 Copula贝叶斯网络 【Python语言】
| 1. 什么是贝叶斯网络 2. 贝叶斯网络与Copula模型的相似性 3. Copula贝叶斯网络的原理 4. Copula贝叶斯网络的Python实现 |
专题十二 Copula的贝叶斯估计 【Python语言】 | 1. 贝叶斯统计学基本原理 2. Python中的贝叶斯统计初步 3. Copula贝叶斯先验及其估计 4. Python中实现Copula的贝叶斯估计 |
专题十三 AI辅助的Copula统计学 | 1. 大语言模型是什么?以及它的强项与弱项 2. 主要AI的比较与推荐 3. 提示词的要点 4. 利用AI辅助总结理论及输入要点 5. Python与R语言的人工智能注释 6. AI如何辅助Copula统计编程 7. 利用AI辅助理解结果 |
注:以上各章节内容均有代码及数据分析实操。

课程安排 | 学习内容 |
专题一 开启大模型 | 1 开启大模型 1) 大模型的发展历程与最新功能 2) 大模型的强大功能与应用场景 3) 国内外经典大模型(ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、Stable Diffusion、星火大模型、文心一言、千问等) 4) 如何优雅使用大模型 案例1.1:开启不同平台的大模型 案例1.2:GPT不同版本的使用 案例1.3:大模型文件上传和处理 |
专题二 基于ChatGPT大模型提问框架 | 2 提问框架(提示词、指令) 1) 专业大模型提示词,助你小白变专家 2) 超实用的通用提示词模板 3) GPT store(GPT商店产品)及高级提问技巧
案例2.1:设定角色与投喂规则 案例2.2:行业专家指令合集 案例2.3:角色扮演与不同角度提问 案例2.4:分步提问与上下文关联 案例2.5:经典提问框架练习,提升模型效率 |
专题三 基于ChatGPT大模型的论文助手 | 3 基于AI大模型的论文助手 案例3.1:大模型论文润色中英文指令大全 案例3.2:使用大模型进行论文润色 案例3.3:使用大模型对英文文献进行搜索 案例3.4:使用大模型对英文文献进行问答和辅助阅读 案例3.5:使用大模型提取英文文献关键信息 案例3.6:使用大模型对论文进行摘要重写 案例3.7:使用大模型取一个好的论文标题
案例3.8:使用大模型写论文框架和调整论文结构 案例3.9:使用大模型对论文进行翻译 案例3.10:使用大模型对论文进行评论,辅助撰写审稿意见 案例3.11:使用大模型对论文进行降重 案例3.12:使用大模型查找研究热点 案例3.13:使用大模型对你的论文凝练成新闻和微信文案 案例3.14:使用大模型对拓展论文讨论 案例3.15:使用大模型辅助专著、教材、课件的撰写 |
专题四 基于ChatGPT大模型的数据清洗 | 4 基于ChatGPT的数据清洗 1) R语言和Python基础(勿需学会,能看懂即可) 2) 数据清洗方法(重复值、缺失值处理、异常值检验、标准化、归一化、数据长宽转换,数据分组聚合) 案例
4.1:使用大模型指令随机生成数据 案例4.2:使用大模型指令读取数据 案例4.3:使用大模型指令进行数据清洗 案例4.4:使用大模型指令对农业气象数据进行预处理 案例4.5:使用大模型指令对生态数据进行预处理 |
专题五 基于ChatGPT大模型的统计分析 | 5 基于AI大模型的统计分析 1) 统计假设检验 2) 统计学三大常用检验及其应用场景 3) 方差分析、相关分析、回归分析 案例5.1:使用大模型对生态环境数据进行正态性检验、方差齐性检验 案例5.2:使用大模型进行t检验、F检验和卡方检验 案例5.3:使用大模型对生态环境数据进行方差分析、相关分析及回归分析 
|
专题六 基于ChatGPT的经典统计模型 |
6 基于AI大模型的经典统计模型构建 案例6.1:基于AI辅助构建的混合线性模型在生态学中应用 案例6.2:基于AI辅助的全球尺度Meta分析及诊断、绘图 案例6.3:基于AI辅助的生态环境数据结构方程模型构建 
|
专题七 基于ChatGPT的优化算法 | 7 基于AI大模型的频率派和贝叶斯派优化算法 案例7.1:最小二乘法优化模型参数优化 案例7.2:遗传算法、差分进化算法参数优化 案例7.3:贝叶斯定理和贝叶斯优化算法 案例7.4:蒙特拉罗马尔科夫链MCMC进行参数优化 

|
专题八
基于ChatGPT大模型的机器学习 | 8 基于AI大模型的机器/深度学习 1) 机器/深度学习 2) 线性代数基础、特征值和特征向量 3) 机器学习监督学习(回归、分类)、非监督学习(降维、聚类) 4) 特征工程、数据分割、目标函数、参数优化、交叉验证、超参数寻优 5) 主成分分析、LDA、NMS、T-SNE、UMAP、Kmeans、Agglomerative、DBSCAN 6) 支持向量机、决策树、随机森林、XGBoost、AdaBoost、LightGBM、高斯过程 7) 深度学习算法(神经网络、激活函数、交叉熵、优化器) 8) AI大模型的底层逻辑和算法结构(GPT1-GPT4) 9) 卷积神经网络、长短期记忆网络(LSTM) 案例8.1:使用大模型指令构建回归模型(多元线性回归、随机森林、XGBoost、LightGBM等) 案例8.2:使用大模型指令构建分类模型(支持向量机、XGBoost等) 案例8.3:使用大模型指令构建降维模型 案例8.4:使用大模型指令构建聚类模型 案例8.5:使用大模型指令构建卷积神经网络 案例8.6:使用大模型指令构建LSTM模型进行气象时序预测 

|
专题九 ChatGPT的二次开发 | 9 基于AI大模型的二次开发 案例9.1:基于API构建自己的本地大模型
案例9.2:基于构建的本地大模型实现ChatGPT功能、模型评价和图像生成 案例9.3:ChatGPT Store构建方法 |
专题十 基于ChatGPT大模型的科研绘图 | 10 基于AI大模型的科研绘图 1) 使用大模型进行数据可视化 案例10.1:大模型科研绘图指定全集 案例10.2:使用大模型指令绘制柱状图(误差线)、散点图、相关网络图、热图、小提琴图、箱型图、雷达图、玫瑰图、气泡图、森林图、三元图、三维图等各类科研图 案例10.3:使用大模型指令对图形进行修改 

|
专题十一 基于ChatGPT大模型的GIS应用 | 11 基于AI大模型的GIS应用 1) R语言和Python空间数据处理主要方法 2) 基于AI大模型训练降尺度模型 3) 基于AI大模型处理矢量、栅格数据 4) 基于AI大模型处理多时相netCDF4数据 案例11.1:使用大模型绘制全球地图
案例11.2:使用大模型处理NASA气象多时相NC数据 案例11.3:使用大模型绘制全球植被类型分布图 案例11.4:使用大模型栅格数据并绘制全球植被生物量图 案例11.5:使用大模型处理遥感数据并进行时间序列分析 案例11.6:使用不同插值方法对气象数据进行插值 案例11.7:使用大模型进行空间聚类分析 案例11.8:使用大模型构建机器学习进行空间预测 
|
专题十二 基于ChatGPT大模型的项目基金助手 | 12 基于AI大模型的项目基金助手 1) 基金申请讲解 2) 基因申请助手 案例12.1:使用大模型进行项目选题和命题 案例12.2:使用大模型进行项目书写作和语言润色 案例12.3:使用大模型进行项目书概念图绘制 |
专题十三 基于大模型的AI绘图 | 13基于大模型的AI绘图 GPT DALL.E、Midjourney等AI大模型生成图片讲解 1) AI画图指令套路和参数设定 案例13.1:使用大模型进行图像识别 案例13.2:使用大模型生成图像指令合集 案例13.3:使用大模 13基于大模型的AI绘图 GPT DALL.E、Midjourney等AI大模型生成图片讲解 1) AI画图指令套路和参数设定 案例13.1:使用大模型进行图像识别 案例13.2:使用大模型生成图像指令合集 案例13.3:使用大模型指令生成概念图 案例13.4:使用大模型指令生成地球氮循环概念图 案例13.5:使用大模型指令生成土壤概念图 案例13.6:使用大模型指令生成病毒、植物、动物细胞结构图 案例13.7:使用大模型指令生成图片素材,从此不再缺图片素材 型指令生成概念图 案例13.4:使用大模型指令生成地球氮循环概念图 案例13.5:使用大模型指令生成土壤概念图 案例13.6:使用大模型指令生成病毒、植物、动物细胞结构图 案例13.7:使用大模型指令生成图片素材,从此不再缺图片素材
 

|
注:请提前自备电脑及安装所需软件。
联系人:杨老师153-8322-9128 微信同号
微信二维码

科研技术云导师,Easy Scientifc Research