我给大家推荐报名由中促中心（国家事业单位）联合中科软研组织的一系列高质量培训课程，需要的粉丝可以来抄作业了~之前也分享过中科软研的科研培训，亲身体会过确实不错才给大家推荐，内容涵盖多个关键环节，系统性强，讲解细致，该课程自推出以来，受到了众多学员的好评，具有较高的实用性和收藏价值，全是干货，课后提供免费答疑，并且报名一次，以后相同的课程本人可以免费参加，强烈推荐大学报名学习一下！📚 培训推荐 📚
课程一：全国人工智能Python数据分析、机器学习与深度学习及科研项目实战培训班
课程二：ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型赋能高效办公与科研教学、论文写作、课题申报与Python数据分析机器学习与深度学习高级培训班
课程三：MATLAB数据分析、机器学习与深度学习实践应用高级培训班
课程四：国家自然科学基金项目申报与标书撰写高级培训班
课程五：文献计量学+DeepSeek与ChatGPT=3 天完成 1 篇SCI
各企事业单位、高等院校及科研院所：
本课程旨在通过全面、系统的学习，使学员掌握Python在科研领域中的应用，特别是如何利用人工智能技术推动科研进展。课程内容涵盖了从基础的Python编程到高级的机器学习和深度学习算法，逐步引导学员掌握科研数据分析、模型设计与训练、以及科研绘图等关键技能。同时，课程特别强调人工智能在科研写作、和数据处理中的实际应用，帮助学员高效完成科研任务。课程通过详细的理论讲解和丰富的课堂动手练习，让学员深入理解和掌握各类人工智能算法的原理与应用方法。课程内容包括Numpy和Matplotlib等科学计算和绘图工具的学习，机器学习算法的应用与优化，以及深度学习算法在图像识别和目标检测中的实际应用。特别设置的案例分析环节，通过介绍各种跟科研相关的实际项目，帮助学员将所学知识应用到具体的科研项目中。此外，课程还介绍了最新的人工智能技术，如YOLOv10目标检测与分割算法和大语言模型在科研中的应用，全面提升学员的科研能力和创新水平。通过本课程的学习，学员不仅能够独立完成SCI论文中的各类数据分析和模型构建任务，还能够在科研过程中有效应用人工智能技术，提高科研效率和成果质量。具体事宜如下：
1、从最基础入门的操作和概念开始学习逐步提升，有无基础均可报名；
2、针对实际SCI论文和实际人工智能应用项目进行解读分析，详细Python人工智能算法如何应用于SCI论文写作和实际项目应用；
3、课程内容包含大量实际案例操作，深度剖析Python人工智能算法在科研学术和项目应用中的最佳应用；
4、每天都会有专门的课堂实操练习，确保学员掌握实际操作细节；
5、建立课程群，提供永久答疑服务。课程结束后提供完整课程视频回放；6、参加一次培训，以后本人可以终身免费参加相同的现场及直播课程，不限次数，学会为止；
7、参加一次培训，以后本人可以终身免费参加相同的现场及直播课程，不限次数，学会为止；
1、掌握Python编程基础：通过系统的学习和实践，掌握Python的基本语法、数据结构、控制流、函数和模块等编程技能，为后续的人工智能应用打下坚实基础；2、熟悉科研数据分析工具：学会使用Numpy进行科学计算，掌握Matplotlib的绘图技巧，能够对科研数据进行有效的分析和可视化，为科研项目提供数据支持；3、了解人工智能算法：深入理解机器学习和深度学习的核心概念和常用算法，如线性回归、KNN、SVM、CNN、LSTM等，并能在科研项目中应用这些算法进行数据建模和预测分析；4、应用人工智能解决科研问题：通过实际案例学习，掌握数据预处理、特征工程、模型构建与优化等全过程，提升解决实际科研问题的能力；5、掌握最新人工智能技术：学习并应用YOLOv10等最新目标检测与分割算法，提高科研工作的效率和成果质量；6、SCI论文写作与优化技能：通过详细解读经典SCI论文，掌握科学研究的规范和写作技巧，学会如何利用人工智能技术进行数据分析、模型训练和结果展示，提升科研论文的写作水平和发表成功率。2025年11月07日—11月09日 上海现场+线上直播（培训三天）
注：现场及线上直播同步进行，不方便到现场的学员，可线上参加，名额有限，请尽快与我们联系报名，预留名额。
中国科学院、清华大学等科研机构的高级专家，人工智能领域一线实战专家，12年人工智能项目开发经验，10年人工智能行业培训经验。喜欢理论与实践相结合的教学风格，课程编排由浅入深，体系清晰完整。主持完成过多项国家及企业重大项目，拥有20项专利，出版人工智能相关书籍3本，曾给学校、医院、企业、气象局等单位完成过多项人工智能相关项目。受邀为中国移动、中国电信、中国银行、华夏银行、太平洋保险、国家电网、中海油、格力电器等包括世界五百强在内的多家高校及企业做人工智能技术企业内训。业内顶尖IT培训平台30万学员好评率99%；
收费标准：
A类：收费3900元/人（含培训费、资料费、A类证书费、发票费等）B类：收费5800元/人（含培训费、资料费、B类证书费、发票费等）注：本期培训由中科软研（北京）科学技术有限公司及北京富卓佰扬科技有限公司收取费用并开具发票，可事先开发票，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、检测费、测试费等，本次线下会议差旅费，食宿费自理。A类：中科软研（北京）科学技术有限公司颁发的电子结业证书； B类：可获得工业和信息化部所属的党政机关：工业和信息化部人才交流中心(正局级)颁发的《数据分析工程师》证书，该证书可证明学员具备熟练应用数据分析的能力，企业招投标、事业单位晋升定级、岗位赋能的重要依据。
如需具体的培训通知，请联系我们获取。
近年来，人工智能技术不断突破，大语言模型已经成为推动科研与办公革新的重要引擎。尤其是ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型的震撼问世，迅速引发了业界和学术界的关注狂潮，其卓越的自我进化能力和智能化应用为传统模式注入了全新活力，成为当前科技焦点所在。为帮助科研人员和工程技术爱好者紧跟这股技术浪潮，中科软研（北京）科学技术中心（www.fzby.org.cn）特举办“ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型赋能高效办公、科研论文写作、课题申报与Python数据分析及机器学习高级培训班”。本课程将全面剖析ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型平台的核心技术与最新进展，不仅展示了大模型自我进化的惊人潜力，也为各领域的创新实践提供了全新的思路和方法。课程内容涵盖提示词撰写与优化、科研课题申报、论文写作辅助、数据检索、Python编程及机器学习与深度学习建模等多个关键方向，通过理论讲解、案例实操与互动讨论等多样化教学方式，帮助学员在实际应用中快速掌握并灵活运用这一前沿技术。加入我们，共同探索由ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型引领的智能革命，见证大语言模型如何为科研与办公带来前所未有的变革与机遇！现通知如下：1.【福利】 赠送每人1个ChatGPT Plus会员账号，没有使用次数限制，不需要翻墙，支持使用DeepSeek R1（具体时间可参考收费标准）2.本课程提供永久答疑服务。课后实践学习的过程中遇到问题，可以随时找老师进行交流；限制报名40人，前20人报名，可以获得往期的视频和资料，参加本次培训后，后期的相同培训本人均可免费参加，不限次数；3、强化实战导向：培训设置了丰富的实践环节，通过对大量实际项目案例的深度剖析，并安排实操演练，引导学员在实践过程中积累经验，快速提升专业能力，有效避免理论与实践脱节的问题。
4、线上线下同步：线下学员享受沉浸式学习与现场互动；线上学员通过专业直播平台参与，实时提问、同步操作、回放巩固，学习效果不打折！5、实时互动答疑：预留充足时间进行课堂答疑与讨论，并建立课后交流群，持续解惑。6、邀请专家指导：本次培训邀请了行业资深专家。他们不仅具备深厚的专业知识，还拥有丰富的实践经验，将为学员带来前沿的行业见解与宝贵的实战经验。7.熟练掌握DeepSeek的各种使用方法，并且可以立即用于平时的工作和生活中；8.能够使用DeepSeek完成撰写及修改论文及工作报告，可以辅助写作论文或写工作报告，提升您的写作能力及提出优化方案；9.能够利用DeepSeek完成课题申报、论文选题及实验方案设计、数据处理；10.帮助学员掌握DeepSeek在Python、人工智能领域经典机器学习算法（BP神经网络、决策树、随机森林、XGBoost、LightGBM等）和热门深度学习方法。2025年11月21日—11月23日 上海站+线上直播（培训三天）注：现场及线上直播同步进行，不方便到现场的学员，可线上参加。课程安排 | 学习内容 |
第一章 2025大语言模型最新进展ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型入门 | 1、2025 大语言模型最新进展介绍 2、国内外大语言模型（ChatGPT、Gemini、Claude、Llama3、Perplexity AI、文心一言、星火、通义千问、Kimi、智谱清言、秘塔AI、DeepSeek等）对比分析 3、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型技术原理解析 4、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型：大模型的自我进化 5、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型使用初体验（注册、App下载与安装、主要功能等） 6、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型的本地化部署、使用及本地知识库的搭建
7、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型服务器繁忙解决办法 8、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型+ Word + Excel + PowerPoint：让你的工作更高效 9、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型思考过程解析：ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型是如何思考的？与传统大语言模型有什么不同？（由“提问-回答”二阶互动进化为“提问-拆解-回答”三阶互动）、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型5是如何拆解问题的？（MECE原则：第一性字面拆解 + 关联问题穷举；揣摩用户的真实意图ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型分析问题执行的13个任务是什么？） |
第二章 ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型提示词撰写与优化技巧 | 1、大语言模型提示词撰写的基本原则（为ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型设定身份、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、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型及传统大语言模型在提示词撰写上的变与不变 3、常用的ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型提示词模板 4、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型提示词优化技巧 5、ChatGPT-5、
DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型提示词的保存与管理 6.ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型提示词逆向工程 7、案例演示与实操练习 |
第三章 ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力高效办公及教学改革 | 1、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型创建精美的思维导图 2、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型生成流程图、甘特图 3、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型制作PPT 4、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型自动创建视频 5、将ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型对话记录中的数学公式完美复制到Word文档 5、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型辅助教师高效备课（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）
7、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型辅助学生高效学习（生成个性化学习计划） 8、案例演示与实操练习 |
第四章 ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力课题申报、论文选题及实验方案设计 | 1、课题申请书撰写技巧及要点剖析（项目名称、关键词、摘要、立项依据、参考文献、研究目标、研究内容、研究方案、关键科学问题、可行性分析、创新点与特色之处、预期研究成果、工作基础等） 2、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型分析指定领域的热门研究方向 3、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型辅助撰写、润色课题申报书的各部分内容 4、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型总结指定论文的局限性与不足，并给出潜在的改进思路与建议 5、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型评估指定改进思路新颖性与已发表的类似工作 6、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型细化改进思路，凝练论文的选题与创新点 7、利用ChatGPT-5
、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型给出具体的算法步骤及Python示例代码框架 8、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型设计完整的实验方案与数据分析流程 9、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型给出论文Discussion部分的切入点和思路 10、案例演示与实操练习 |
第五章 ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力信息检索、文献泛读与精读、论文写作与投稿、专利交底书的撰写 | 1、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现文献检索 2、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型阅读与总结分析学术论文内容（论文主要工作、创新点、局限性与不足、多文档对比分析等） 3、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型解读论文中的系统框图工作原理 4、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型解读论文中的数学公式含义 5、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型解读论文中图表中数据的意义及结论 6、利用ChatGPT-5、DeepSeeK
、Gemini 2.5 Pro、Claude等大语言模型完成学术论文的选题设计与优化 7、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型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、Cover Letter、Highlights等 8、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型完成论文翻译 9、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现论文语法校正 10、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型完成段落结构及句子逻辑润色 11、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型完成论文降重与AI率降低 12、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型完成论文参考文献格式的自动转换 13、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型辅助审稿人完成论文评审意见的撰写 14、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型辅助投稿人完成论文评审意见的回复 15、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型完成发明专利交底书的撰写
16、案例演示与实操练习 |
第六章 ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力Python编程入门、科学计算、数据可视化与数据预处理 | 1、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、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、Python流程控制（条件判断；for循环；while循环；break和continue） 4、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、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、Seaborn、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、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、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型上传本地数据（Excel/CSV表格、txt文本、PDF、图片等） 9、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型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） 10、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） 11、融合ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型与Python的数据预处理代码自动生成 12、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型绘制数据统计分析图表 13、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现代码逐行讲解 14、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现代码Bug调试与自动修改15、案例演示与实操练习 |
第七章 ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力机器学习建模及应用 |
1、BP神经网络的基本原理（人工神经网络的分类有哪些？BP神经网络的结构和训练过程是怎样的？什么是梯度下降法？） 2、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、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、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、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现BP神经网络模型的代码自动生成 6、SVM的工作原理（核函数的作用是什么？什么是支持向量？如何解决多分类问题？） 7、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现SVM模型的代码自动生成 8、决策树的工作原理（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） 9、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现决策树模型的代码自动生成 10、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？） 11、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现随机森林模型的代码自动生成 12、Bagging与Boosting的区别与联系 13、AdaBoost vs. Gradient Boosting的工作原理 14、常用的GBDT算法框架（XGBoost、LightGBM） 15、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现XGBoost、LightGBM
模型的代码自动生成 16、常用的变量降维方法（PCA、PLS）的基本原理 17、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现PCA、PLS的代码自动生成 18、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；正则稀疏优化方法、遗传算法等） 19、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现特征选择算法的代码自动生成 20、案例演示与实操练习 |
第八章 ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力深度学习建模及应用 | 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、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、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现卷积神经网络模型的代码自动生成 7、迁移学习算法的基本原理
8、基于深度神经网络模型的迁移学习算法 9、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现迁移学习模型的代码自动生成 10、循环神经网络RNN的基本工作原理 11、长短时记忆网络LSTM的基本工作原理 12、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现RNN、LSTM模型的代码自动生成 13、案例演示与实操练习 |
第九章 大语言模型接口调用与完整项目开发 | 1、DeepSeek API与GPT-5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、利用DeepSeek API与GPT-5实现完整项目开发：聊天机器人的开发 3、案例演示与实操练习 |
第十章 课程总结与答疑讨论 | 1、课程总结（关键知识点回顾）
2、答疑与讨论 3、相关学习资料分享与拷贝 4、建立微信群，便于后期的讨论与答疑 |
中国科学院、清华大学等科研机构的高级专家。人工智能领域一线专家，主要从事人工智能、大模型开发、机器学习与深度学习、数据挖掘、数据可视化和软件开发、系统建模与仿真研究工作，具有丰富的科研经验，熟练掌握如机器学习、深度学习、Python、MATLAB、 PyTorch、Tensorflow、Keras、神经网络、支持向量机、决策树、随机森林等，以及群优化算法，如遗传算法、蚁群算法、蝙蝠算法等，近些年一直在对大模型、ChatGPT、机器学习与深度学习核心技术进行研究，主持参与多项相关重点项目研发及基金项目，主编多本相关著作，已发表多篇高水平的国际学术研究论文。A类：中科软研（北京）科学技术有限公司颁发的课程结业证书；
B类：可获得国家事业单位颁发的高级《生成式人工智能(AIGC)工程师》职业技能证书，纳入中心数据库，全国通用可查。C类：可获得（国家一级协会）颁发的高级《人工智能应用工程师》职业技能证书，该证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据，官网可查。
D类：可获得工业和信息化部所属的党政机关（正局级）颁发的《数据分析工程师》证书，该证书可证明学员具备熟练应用数据分析工具的能力，企业招投标、事业单位晋升定级、岗位赋能的重要依据。
📚 课程三：
各企事业单位、高等院校及科研院所：
MATLAB是由美国MathWorks公司推出的一款应用于科学计算和工程仿真的交互式编程软件，它有包罗万象的工具箱和草稿纸式的编程语言，将符号计算、数值分析、矩阵计算、科学数据可视化、数据处理与机器学习、图像处理、信号处理、计算金融学、计算生物学以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案。伴随着人工智能第三次浪潮的兴起与发展，以卷积神经网络为代表的深度学习算法在各行各业都取得了广泛、成功的应用。因此，中促中心（国家事业单位）联合中科软研（北京）科学技术中心（http://www.fzby.org.cn/）特邀请清华大学教授共同举办“MATLAB数据分析、机器学习与深度学习实践应用”培训班，旨在帮助学员掌握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、生成式对抗网络、YOLO目标检测、U-Net图像分割、自编码器等）的基本原理及MATLAB编程实现方法。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MATLAB2023a深度学习工具箱的新特性，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。具体事宜如下：
主办单位：中科软研（北京）科学技术中心、中促中心（国家事业单位）
承办单位：中科软研（北京）科学技术有限公司、北京富卓佰扬科技有限公司、培文兴农（北京）科技有限公司
通过课程理解并掌握MATLAB软件编程语法，工具箱的使用，并通过实例讲解科学计算及其可视化；并学会使用常见的分析工具分析数据，为科学研究提供更可靠的数据分析能力；掌握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、生成式对抗网络、YOLO目标检测、U-Net图像分割、自编码器等）的基本原理及MATLAB编程实现方法；能够使用MATLAB软件解决一些实际的应用项目和科研问题。此次课程限定40人，报名敬请从速。前20人报名可获得往届的培训视频及资料，后期相同课程可以终身免费复训。
2025年12月12日—12月14日 北京现场+线上直播（培训三天）
注：现场及线上直播同步进行，不方便到现场的学员，可线上参加，名额有限，请尽快与我们联系报名，预留名额。
课程章节 | 主要内容 |
第一章 MATLAB 基础编程串讲 | 1、MATLAB 基础操作：包括矩阵操作、逻辑与流程控制、函数与脚本文 件、基本绘图等 2、文件导入：mat、txt、xls、csv、jpg、wav、avi 等格式
3、MATLAB 编程习惯、编程风格与调试技巧 4、向量化编程与内存优化 5、MATLAB 数字图像处理入门（图像的常见格式及读写、图像类型的转换、数字图像的基本运算、数字图像的几何变换、图像去噪与图像复原、图像边缘检测与图像分割） 6、案例讲解：基于手机摄像头的心率计算
7、实操练习 |
第二章 MATLAB 2023a新特性简介 | 1、实时脚本（Live Script）与交互控件（Control）功能介绍与演示 2、批量大数据导入及Datastore类函数功能介绍与演示 3、数据清洗（Data Cleaning）功能介绍与演示 4、实验管理器（Experiment Manager）功能介绍与演示 5、MATLAB Deep Learning Toolbox概览 6、MATLAB Deep Learning Model Hub简介 7、深度网络设计器（Deep Network Designer）功能介绍与演示 8、MATLAB与TensorFlow、PyTorch等深度学习框架协同工作功能介绍与演示 |
第三章 BP 神经网络 | 1、人工智能基本概念辨析（回归拟合问题与分类识别问题；有监督（导 师）学习与无监督（无导师）学习；训练集、验证集与测试集；过拟合
与欠拟合） 2、BP 神经网络的工作原理 3、数据预处理（归一化、异常值剔除、数据扩增技术等） 4、交叉验证与模型参数优化 5、模型评价与指标的选择（回归拟合问题 vs. 分类识别问题） 6、案例讲解： （1）手写数字识别
（2）人脸朝向识别
（3）回归拟合预测 7、实操练习 |
第四章 支持向量机、决策树与 随机森林 | 1、支持向量机的基本原理（支持向量的本质、核函数的意义） 2、决策树的基本原理（信息熵和信息增益；ID3和 C4.5的区别） 3、随机森林的基本原理（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”提现在哪些地方？） 4、知识扩展：支持向量机、决策树除了建模型之外，还可以帮我们做什么事情？怎样解读随机森林的结果？
5、案例讲解：
（1）鸢尾花 Iris 分类识别（SVM、决策树） （2）基于随机森林的乳腺癌良性/恶性肿瘤智能诊断模型 6、实操练习 |
第五章 变量降维与特征选择 | 1、变量降维(Dimension reduction)与特征选择(Feature selection) 在概念上的区别与联系 2、主成分分析（PCA）的基本原理 3、偏最小二乘法（PLS）的基本原理 4、PCA 与 PLS 的代码实现 5、PCA 的启发：训练集与测试集划分合理性的判断 6、经典特征选择方法 （1）前向选择法与后向选择法 （2）无信息变量消除法
（3）基于二进制遗传算法的特征选择 |
第六章 卷积神经网络 | 1、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？CNN 的典型拓扑结构是怎 样的？CNN 的权值共享机制是什么？CNN 提取的特征是怎样的？） 3、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet 等经典深度神经 网络的区别与联系 4、预训练模型（Alexnet、Vgg-16/19、GoogLeNet、ResNet 等）的下载 与安装 5、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 （4）1D CNN 模型解决回归拟合预测问题 6、实操练习 |
第七章
网络优化与调参技巧 | 1、网络拓扑结构优化 2、优化算法（梯度下降、随机梯度下降、小批量随机梯度下降、动量法、 Adam 等） 3、调参技巧（参数初始化、数据预处理、数据扩增、批量归一化、超参 数优化、网络正则化等） 4、案例讲解：卷积神经网络模型优化
5、实操练习 |
第八章 迁移学习算法 | 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 |
第九章 生成式对抗网络（GAN） | 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、案例讲解：GAN 的 MATLAB 代码实现（向日葵花图像的自动生成） |
第十章 循环神经网络与长短时 记忆神经网络 | 1、循环神经网络（RNN）的基本原理 2、长短时记忆神经网络（LSTM）的基本原理 3、RNN 与 LSTM 的区别与联系 4、案例讲解：
（1）时间序列预测
（2）序列-序列分类
5. 实操练习 |
第十一章 基于深度学习的视频分 类案例实战 | 1、基于深度学习的视频分类基本原理
2、读取视频流文件并抽取图像帧 3、利用预训练 CNN 模型提取指定层的特征图 4、自定义构建 LSTM 神经网络模型 5、案例讲解：HMDB51 数据集视频分类
6、实操练习 |
第十二章 目标检测YOLO 模型 | 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 3、从 YOLO v1 到 v5 的进化之路 4、案例讲解： (1)使用预训练模型实现图像、视频等实时目标检测 (2)训练自己的数据集：新冠疫情佩戴口罩识别 5、实操练习 |
第十三章 U-Net模型 | 1、语义分割（Semantic Segmentation）简介 2、U-Net 模型的基本原理 3、案例讲解：
基于U-Net 的多光谱图像语义分割 4、实操练习 |
第十四章 自编码器 | 1、自编码器的组成及基本工作原理 2、自编码器的变种（栈式自编码器、稀疏自编码器、去噪自编码器、卷 积自编码器、掩码自编码器等）及其工作原理 3、案例讲解：基于自编码器的图像分类 4、实操练习 |
第十五章 讨论与答疑 | 1、如何查阅文献资料？（你会使用 Google Scholar、Sci-Hub、 ResearchGate 吗？应该去哪些地方查找与论文配套的数据和代码？） 2、如何提炼与挖掘创新点？（如果在算法层面上难以做出原创性的工作， 如何结合自己的实际问题提炼与挖掘创新点？） 3、相关学习资料分享与拷贝（图书推荐、在线课程推荐等） 4、建立微信群，便于后期的讨论与答疑 |
中国科学院、清华大学等科研机构的高级专家。主要从事机器学习与数据挖掘、数据可视化和软件开发、系统建模与仿真研究工作，具有丰富的科研经验，熟练掌握如MATLAB、Python、深度学习、PyTorch、Tensorflow、Keras、神经网络、支持向量机、决策树、随机森林等，以及群优化算法，如遗传算法、蚁群算法、蝙蝠算法等，近些年一直在对深度学习核心技术进行研究，主持参与多项相关重点项目研发及基金项目，主编《MATLAB智能算法30个案例分析》、《MATLAB神经网络43个案例分析》等相关著作。已发表多篇高水平的国际学术研究论文。
A类：中科软研（北京）科学技术有限公司颁发的课程结业证书；
B类：可获得中小企业合作发展促进中心颁发的《人工智能训练师》职业技能证书，纳入中心数据库，全国通用可查。
C类：可获得国家一级学会颁发的高级《人工智能应用工程师》职业技能证书，该证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。
D类：可获得工业和信息化部所属的党政机关（正局级)颁发的《机器学习算法研发工程师》证书，该证书可证明学员具备熟练应用AI工具的能力，企业招投标、事业单位晋升定级、岗位赋能的重要依据。
如需具体的培训通知，请联系我们获取。
📚 课程四：
国家自然科学基金是目前我国各种基金制中评审过程相对最公正合理的一种基金，是否能获得自然科学基金的资助成为评价科研人员科研水平的重要标志之一，已成为各类职称评聘的必备条件。然而国家自然科学基金一向以申请难度高、中标率低著称。让您出师未捷真正原因是什么？客观原因——个人实力、研究经历不足？项目创新性不强？还是缺乏关键研究基础？主观原因——立项依据阐述不充分？有前期基础，但未能找到说服评审专家的核心「创新点」？研究方案有明显的漏洞？研究方法陈旧、落后，研究深度不够？还是标书撰写不规范，存在大量不该出现的「失误」？等等。本次学习班邀请长年工作在科研教学一线，具有丰富实战经验的导师作为主讲，该主讲人主持过多项国家自然科学基金、及其他科研项目。而且是长年担任多类基金评审的专家。该专家曾辅导过众多经验水平不足的科研人员获得国家自然基金、结合大量成功与失败的案例，传授实战技能，着重介绍国家自然基金标书撰写及提高中标率的方法。具体事宜如下：
主办单位：中小企业合作发展促进中心、中科软研（北京）科学技术中心
承办单位：中科软研（北京）科学技术有限公司、北京富卓佰扬科技有限公司、培文兴农（北京）科技有限公司
1、完全从实战撰写的角度，以优质标书为例讲解；帮助大家怎么去写本子，和打磨本子；2、从申请者和评审者的不同角度，汇总往年撰写、评审和辅导申请国自然基金的经验；3、参加的学员课后可通过微信群继续同授课老师交流，长期获得指导，答疑的机会。4.参加本次培训后，后期相同的培训本人可终身免费参加，培训结束后提供完整的培训视频回放。限制报名40人，前20位报名赠送往届培训视频及资料；培训时间：2025年11月15日—11月16日 共二天 注：不方便到现场的学员，可线上参会，全程有录屏，支持回放。日期 | 时间 | 内容安排 |
11月15日 （周六） |
9:00-12:00 |
1、国家自然科学基金课题的评审程序 2、往年申请项目查项 3、申请方向选择 4、评审过程中的关注点及主要评审指标 5、申报前的准备工作 6、课题中标应该具备哪些基本条件 7、如何解读国家自然科学基金项目指南并分析年度趋势 8、如何构思及撰写国家自然科学基金课题申请书(重点) 9、项目题目 10、项目中英文摘要 11、科学问题属性 |
14:00-17:00
| 1、关键词 2、立项依据 3、参考文献 4、项目的研究内容 5、项目的研究目标 6、项目拟解决的关键问题 7、拟采取的研究方案 8、技术路线图 9、可行性分析 10、项目的特色与创新之处 11、年度研究计划及预期研究结果 12、国家自然科学基金课题申请书的范例分析 |
11月16日 （周日） |
9:00-12:00 |
1、如何撰写摘要？ 2、如何撰写立项依据？ 3、如何撰写国家自然科学基金研究内容，研究目标，关键科学问题，研究方案，技术路线？（重点） 4、如何撰写前期研究基础？ 5、如何有效的组织项目参与者人员？ 6、如何合理选择代表性研究成果？ 7、如何写完成国家自然科学基金项目情况？ 8、国家自然科学基金课题申请书的范例分析 9、案例性指出撰写国自然申请书的注意事项 |
14:00-17:00 | 1、如何合理选择基金申报口？ 2、国家自然科学基金撰写常见问题分析 3、国家自然科学基金课题申请书的撰写范例分析
4、抽取10份学员的申请书进行评阅及讲解（领域不限）：从题目、摘要、立项依据、参考文献、研究目标、研究内容及拟解决科学问题、研究方案、技术路线、研究基础等角度评价申请书写作质量。各科研专业需要撰写及申请科研基金的高校师生及单位工程师均可参加。 5、课后提供免费解答及后续申请指导意见。 |
主讲老师来自国内知名的双一流高校教授、博士生导师。作为课题负责人成功获批国家自然科学基金项目20项、国家社科基金重大项目子课题10项、教育部重点项目10项、省部级其余项目10余项。发表SCI论文130篇，获授权国家发明专利15项，国际创新专利13项。主讲老师长期参与国家自然科学基金与多个省份基金和重大课题的评审，并多次受邀在国内高校进行申请书撰写讲座，对各类基金的申请中需要关注的重点环节的把握有许多独到的见解和第一手经验。A类：可获得中科软研（北京）科学技术有限公司颁发的电子结业证书；
B类：可获得工业和信息化部所属的党政机关：工业和信息化部人才交流中心(正局级)颁发的《数据分析工程师》证书，该证书可证明学员具备熟练应用AI工具的能力，企业招投标、事业单位晋升定级、岗位赋能的重要依据。
如需具体的红头文件培训通知，请联系我们获取，可开发票，方便报销。
📚 课程五：
文献计量学（Bibliometric analysis, BA）是一门专注于定量分析学术文献的学科，它帮助我们通过分析大量的学术论文和引用关系，揭示科研领域的结构、发展趋势以及热点话题。对于各个领域的研究者，文献计量学的核心目标是帮助研究者更系统、更全面地理解目标领域的研究现状，并通过文献数据来指导科研决策。大语言模型的时代是高效甄别学习资料质量的时代！反向训练大语言模型是运用ChatGPT、DeepSeek的关键，BA是综合评价文献资料最佳的工具手段！BA具有以下显著优势：1. 识别研究趋势：文献计量学可以帮助大家快速发现某个领域的研究热点，了解最受关注的研究方向和方法，从而为自己的研究和实践提供参考。2. 找到高影响力的研究方向：通过分析引用次数和文献网络，文献计量学可以帮助医生识别哪些文献对该领域的发展具有重要影响，有助于寻找有参考价值的权威研究，从而辅助设计课题申报。3. 发现合作机会：通过分析不同作者、机构的合作网络，文献计量学可以帮助研究者找到与自己研究方向相近的潜在合作伙伴或国际上的研究团队。4. 学术成果积累：高质量文献计量学可以为研究者进行快速的成果积累，助力课题申报、报奖评审、职称晋升和学位授予。ChatGPT和DeepSeek大家已不陌生，但是在特定任务中灵活运用该工具需要进一步学习和理解。对于文献计量学的实施，ChatGPT和DeepSeek可以在多个环节提供强有力的辅助，尤其是当研究人员、临床医生，面对大量文献和复杂的数据分析任务时，ChatGPT和DeepSeek可以帮助简化流程并提高效率。ChatGPT和DeepSeek可以在以下几个方面显著提升文献计量学实施的效率，进而推动在3天内迅速完成文献计量学的实施：优化检索策略：帮助构建合理的检索词或关键词组合，提高文献检索的精准度。总结筛选标准：在大规模文献中，ChatGPT和DeepSeek可以根据研究者的需求总结出初步筛选标准，提供筛选建议，帮助过滤掉无关文献。快速阅读摘要与分类：通过快速总结文献的摘要，ChatGPT和DeepSeek可以帮助研究者快速判断哪些文献最符合研究方向或目标。在完成文献计量学分析后，研究者通常需要撰写报告或论文，解释分析结果。ChatGPT和DeepSeek可以在以下方面提供帮助：自动生成分析报告的初稿：根据分析结果，ChatGPT和DeepSeek可以帮助撰写报告的初稿，尤其是描述数据分析的流程、方法和结果解释部分。图表说明和格式化：ChatGPT和DeepSeek可以根据生成的图谱，提供清晰的图表说明和格式化建议，确保报告在逻辑上连贯且专业。
文献计量学常常涉及跨学科的研究主题，ChatGPT和DeepSeek可以帮助整合多个学科的信息，进行跨领域的文献计量分析：关键词共现分析：帮助确定跨学科研究中常用的关键词，发现不同领域的交叉点；跨学科的热点追踪：协助分析跨领域的文献数据，识别新兴的交叉研究领域，比如在医学和人工智能、纳米技术等领域之间的交叉研究趋势。ChatGPT和DeepSeek联合应用与文献计量学工具的结合，极大地提高了研究效率，特别是在需要处理大量信息和分析复杂文献关系的研究过程中，ChatGPT和DeepSeek的支持尤为关键。有了大语言模型的加持，使成果实现变得更加高效！综合领域顶刊，IF=50.5，Nature. 2024 Aug;632(8027):966. doi: 10.1038/d41586-024-01672-7. PMID: 39164531医学领域顶刊，IF=93.6，BMJ. 2024 Jan 31:384:e077192. doi: 10.1136/bmj-2023-077192. PMID: 38296328工程领域顶刊，IF=27.4，Adv Mater. 2024 Apr;36(15):e2308915. doi: 10.1002/adma.202308915. PMID: 38229552环境领域顶刊，IF=10.3，Environ Int. 2024 Aug:190:108860. doi: 10.1016/j.envint.2024.108860. PMID: 38968830材料领域顶刊，IF=15.8，ACS Nano. 2024 Mar 19;18(11):7711-7738. doi: 10.1021/acsnano.3c10458. PMID: 38427687植物领域顶刊，IF=10.0，Plant Cell. 2023 Dec 21;36(1):10-13. doi: 10.1093/plcell/koad248. PMID: 37742058综合领域优刊，IF=10.5，JAMA Netw Open，2024 Oct 1;7(10):e2439932. doi: 10.1001/jamanetworkopen.2024.39932. PMID: 39412801文献计量学快速实施【口袋指南】
课程形式：线上、线下同步授课+现场指导+实践+答疑（时间允许，建议到现场）
课程安排 | 主要内容 |
第一部分：Chatgpt & DeepSeek工具介绍 | 理论1：Chatgpt发展历程及提示词生成技巧5W1H
理论2：Chatgpt进阶——技能学习与分析 理论3：Chatgpt学习应用——毕业答辩、PPT制作 理论4：Chatgpt语音扩展——讨论、外语训练 理论5：Chatgpt 4o 和OpenAI o3的联系与差别 理论6：DeepSeek的介绍 理论7：DeepSeek和Chatgpt的比较 理论8：DeepSeek V3和Chatgpt 4o的任务领域及展示 理论9：DeepSeek R1和Chatgpt O3的任务领域及展示 |
第二部分：文献计量学的介绍 | 理论1.文献计量学的定义和意义 理论2.文献计量学助力国家自然科学基金 理论3.文献计量学的常见类型 理论4.文献计量学设计框架及要点 理论5.文献计量学的口袋指南 |
第三部分：文献计量学文章撰写 | 理论1：文献计量学高效撰写策略（基于ChatGPT & DeepSeek）
理论2：文献计量学切入点寻找及设计（基于ChatGPT & DeepSeek） 理论3：Bibliometrix应用和展示 操作4：基于ChatGPT的文章框架生成实操 操作5：Bibliometrix实操 |
第四部分：VOSviewer软件应用教学 | 理论1. VOSviewer应用和展示 理论2. 基于VOSviewer的数据可视化 理论3. 文章用图的制作与美化 理论4. 基于ChatGPT的图注撰写和总结 操作5. VOSviewer现场实操 |
第五部分：CiteSpace软件应用教学 | 理论1. CiteSpace应用和展示 理论2. 基于CiteSpace的数据可视化 理论3. CiteSpace特征化图片介绍 理论4. 基于ChatGPT的图片解读 操作5. CiteSpace实操 |
第六部分：国家自然基金项目申请书的强化集中营 | 理论1. 国家自然基金申报要点与策略 理论2. 会评材料的负面备注 理论3. 课题中标的基本条件 理论4. 国家自然基金申报常见问题剖析 操作5. 文献计量学助力标书质量的提升（基于ChatGPT & DeepSeek） |
第七部分：SCI论文撰写与实践 | 操作1.文献计量学实施 操作2.润色修改（基于ChatGPT & DeepSeek） 操作3.投稿选刊 “1对1”答疑与指导 |
第八部分：讨论与答疑 | 1、相关学习资料分享与拷贝（图书推荐、在线课程推荐等） 2、建立微信群，便于后期的讨论与答疑 |
2025年11月07日—11月09日 北京现场 + 线上直播 培训三天注：现场及线上直播同步进行，可根据自己情况选择报名线上或线下课程。A类：收费3900元/人（含培训费、资料费、A类证书费、发票费等）B类：收费5800元/人（含培训费、资料费、B类证书费、发票费等）注：本期培训由中科软研（北京）科学技术有限公司及北京富卓佰扬科技有限公司收取费用并开具发票，可事先开发票，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、检测费、测试费等，本次线下会议差旅费，食宿费自理。A类：中科软研（北京）科学技术有限公司颁发的电子结业证书； B类：可获得工业和信息化部所属的党政机关：工业和信息化部人才交流中心(正局级)颁发的《数据分析工程师》证书，该证书可证明学员具备熟练应用数据分析的能力，企业招投标、事业单位晋升定级、岗位赋能的重要依据。
