社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Python

【公开课】今晚直播!Python 环境搭建与 AI 科研助手入门

连享会 • 4 月前 • 281 次点击  

 

连享会暑期班系列公开课

课程信息

  • • 时间:2026 年 7 月 12 日、14 日、16 日 19:30-21:00 (讲 1 小时,半小时答疑)
  • • 授课方式:线上直播
  • • 适合对象:希望了解 Stata、Python、R 与 AI Agent 如何结合开展实证研究的学员
  • • 公开课一:2026.7.12,Stata 简介与 AI 辅助实证,已经结束
  • - 课件:https://lianxhcn.github.io/stata-ai/

  • • 公开课二:2026.7.14,Python 环境搭建与 AI 科研助手入门
  • • 公开课三:2026.7.16,R 环境搭建与 AI 科研助手进阶配置
  • • 关联课程:连享会 暑期班[1] (2026 年 7 月 21-31 日)
  • • 暑期班报名链接:
  • https://www.wjx.top/vm/QhgLvx1.aspx#
  • • 公开课参与方式:扫码进群即可参加


温馨提示:

  • • 连享会Lianxh-Chat0X”系列微信群,会发布所有公开课听课链接及资料,已在此系列群也无需重复进群;
  • • 若想进Lianxh-Chat0X,可添加李老师18636102467(微信)。

1. 为什么要做这组公开课?

AI 工具正在改变实证研究的学习方式。过去,很多学员学习 Stata、Python 或 R,常常把大量时间花在安装软件、查命令、改路径和处理报错上;现在,对话式 AI 可以帮助我们拆解问题、制定计划、解释代码,Codex、Claude Code、OpenCode 等执行型 Agent 还可以在本地项目中读写文件、运行脚本、整理结果和生成文档。工具变强以后,真正需要更新的是我们的工作方式。

在 Agent 时代,做实证研究不应再被理解为「学会某一个软件,然后逐行写代码」。更有效的方式,是围绕研究项目组织工具:明确问题,搭建项目,运行代码,检查结果,记录日志,并把复现和实操中形成的经验沉淀为可复用的工作模板。Stata、Python 和 R 都只是这个流程中的工具。我们仍然按这三个入口安排公开课,是为了让学员在正式课程开始前把代码跑起来,并把本地环境与 Copilot、Codex、Claude Code、OpenCode 等 AI 工具连接起来。三次公开课不以系统讲授某一种编程语言为目标,而是帮助大家建立最小可用的本地运行环境,理解对话式 AI 与执行型 Agent 的分工,并形成「打开项目—运行代码—检查结果—继续迭代」的工作流意识。

2. 嘉宾简介

连玉君(中山大学)

连玉君[2],西安交通大学经济学博士,中山大学岭南学院副教授,博士生导师。已在 China Economic Review、Energy Economics、Stata Journal、Pacific-Basin Finance Journal、《经济研究》《管理世界》《经济学(季刊)》《金融研究》《统计研究》等期刊发表论文 70 余篇。编写过 lianxh、ihelp、sftt、winsor2、xtbalance、bdiff、getiref 等 Stata 程序。连玉君老师团队长期分享 Stata 应用与实证研究经验,开设 连享会-博客[3]、连享会-知乎[4] 等专栏,并在微信公众号(连享会,ID: lianxh_cn) 持续发布实证研究与论文写作资料。

吕志冲(西南交通大学)

吕志冲,西南交通大学博士研究生,研究方向为人工智能与公司金融。研究成果见诸 Journal of Environmental Management、International Journal of Urban Sciences、《管理学报》。曾长期担任连享会生成式人工智能[5]、AI-Agent[6]、文本分析[7]、五一论文班[8] 等专题课程助教,熟悉学员在环境配置和 AI 工具接入中的常见问题与解决方案。


3. 公开课一:Stata 简介与 AI 辅助实证

  • • 时间:2026 年 7 月 12 日 19:30-21:00
  • • 嘉宾:连玉君(中山大学)

内容提要

介绍 AI 时代如何学习 Stata,并把 Stata 放入更完整的实证研究工作流中。课程先从 Stata 的基本使用讲起,帮助学员理解界面、dofile、工作目录、帮助文件、外部命令安装和常见路径问题;随后通过实操演示,说明如何在 VS Code 中借助 Copilot 为 Stata 代码添加注释、补全命令和生成代码片段,并理解这些工具在日常数据处理和回归分析中的实际作用。

本次公开课不会停留在「把代码贴进对话框,让 AI 解释几行命令」的层面。课程将进一步展示对话式 AI 与执行型 Agent 在科研工作流中的分工:ChatGPT、Claude 等工具适合帮助我们拆解问题、制定计划和形成任务说明;Codex、Claude Code、OpenCode 等工具则可以在本地项目中读写文件、执行脚本、整理结果和生成文档。课堂中会结合简化项目,演示如何先用对话式 AI 规划任务,再把任务交给 Codex 等 Agent 执行,并进一步检查、复核和迭代这些执行结果。通过这组演示,学员可以看到:Stata 仍然是实证研究的重要入口,但不应成为学习 Python 和 R 的心理障碍;真正更重要的是理解数据结构、模型设定、识别策略和结果解释,并把多种软件和 AI 工具组织进一个清楚、可运行、可检查、可迭代的研究项目。

主要内容

  • • Stata 最小入口:界面、dofile、路径、帮助文件和外部命令
  • • VS Code + Copilot:Stata 代码注释、补全和生成的基本演示
  • • 对话式 AI 与执行型 Agent:ChatGPT、Claude、Codex、Claude Code、OpenCode 在科研工作流中的不同角色
  • • 从论文复现到本地项目:如何把任务拆解、交给 Agent 执行,并检查输出结果
  • • 打破软件门派思维:围绕研究问题选择 Stata、Python 或 R,而不是被某一种软件限制
  • • 与正式课程的衔接:从软件入口走向数据处理、模型估计、论文复现和研究设计

4. 公开课二:Python 环境搭建与 AI 科研助手入门

  • • 时间:2026 年 7 月 14 日 19:30-21:00
  • • 嘉宾:吕志冲(西南交通大学)

内容提要

连享会 暑期班[1] 的高级班和论文班都会涉及 Python 代码的运行。对多数学员而言,公开课二的目标不是系统学习 Python 编程,而是把后续课程需要用到的 Python、VS Code、Jupyter Notebook 和基础 AI 工具环境配置好,让代码能够在本地稳定运行。

本次公开课从 Anaconda / Python 环境配置开始,介绍 VS Code 编辑器、常用插件、虚拟环境和 Jupyter Notebook 的基本使用方式。随后,课程将结合常见数据文件,演示如何用 Python 读取数据、查看数据结构、完成最小化的数据检查,并说明如何把运行结果和报错信息提交给 AI 工具辅助排查。

在此基础上,本次公开课还将介绍 AI 科研助手的基本类型和使用入口,重点演示 OpenCode 的安装、配置和基础测试。课程不要求学员在公开课中掌握复杂编程技巧,而是帮助大家完成一个更实际的目标:能够打开一个项目,运行 Python 代码,定位常见报错,并为高级班和论文班的课程实操做好准备。

主要内容

  • • Anaconda / Python 环境配置
  • • VS Code 编辑器与核心插件
  • • 虚拟环境管理与 Jupyter Notebook 基本使用
  • • 常见数据文件读写与最小数据检查
  • • AI 科研助手概览与工具选择
  • • OpenCode 安装、配置与基础测试
  • • 常见安装问题、路径问题和报错排查

5. 公开课三:R 环境搭建与 AI 科研助手进阶配置

  • • 时间:2026 年 7 月 16 日 19:30-21:00
  • • 嘉宾:吕志冲(西南交通大学)

内容提要

连享会 暑期班[1] 的高级班以 R 为主要语言之一,论文班也会涉及部分 R 代码和论文复现资料。公开课三的目标,是帮助学员完成 R、RStudio、Rtools 和常用 R 包环境的安装配置,并在前两次公开课的基础上,进一步理解论文复现项目中的代码运行、包管理和 AI 工具接入问题。

本次公开课将介绍 R 与 RStudio 的基本安装方式、R 包管理、镜像设置和 Posit 生态的基本入口。课程会结合课程材料和常见复现资料,说明如何打开一个 R 项目,识别 README、主程序、数据文件和结果输出路径,并理解 R 代码在论文复现中的基本运行方式。

在 AI 工具配置方面,本次公开课将在第二次公开课的基础上进一步介绍 Claude Code 与国产大模型的接入配置。课程重点不是要求所有学员使用同一种工具,而是帮助大家理解:无论使用 Claude Code、OpenCode,还是通过其他方式接入国产模型,核心目标都是让 AI 工具能够在本地项目中协助读代码、查报错、运行脚本、整理结果,并服务于后续正式课程中的论文复现和研究训练。

主要内容

  • • R、RStudio 与 Rtools 安装配置
  • • R 包管理、镜像设置与常见安装问题
  • • Posit 生态与 R 项目基本使用
  • • 复现资料获取、README 阅读与项目结构识别
  • • Claude Code 安装与国产大模型接入
  • • 安装验证、基础运行测试与报错排查
  • • 如何借助 AI 工具理解 R 代码和论文复现项目

6. 相关课程:暑期班

这组三次公开课主要解决「能不能跑起来」的问题:能否打开项目,能否运行代码,能否提交报错。暑期班则进一步解决「如何把实证研究做出来、讲清楚、写成论文」的问题。

连享会 暑期班[1] 包括三个班次:

初级班:聚焦实证研究基础、数据处理、回归分析、论文复现与 AI 协作[9]

  • • 时间:2026 年 7 月 21-23 日
  • • 嘉宾:连玉君(中山大学)


初级班是一个适合小白科研入门的课程,课程会带着大家完整的走一遍实证研究设计的流程,以及如何在这个过程中用AI来辅助学习。


尽管AI让写代码的门槛降低了,但是我们仍然要懂一些软件,因为我们得会判断AI做的对不对,这一步很关键。初级班的重点不是讲怎么用AI,而是实证研究如何做起来,AI在这个过程中只是辅助作用。

高级班:聚焦因果推断、准实验设计、机器学习因果推断和政策学习[10]

  • • 时间:2026 年 7 月 25-27 日
  • • 嘉宾:茅家铭(厦门大学)


高级班讲因果推断与机器学习,主要解决的问题是:一个经验策略比较的是什么、依赖什么识别假设、可能受到什么威胁,以及论文中应如何组织证据链。


一篇好的论文,就是要讲好一个故事,而如何把证据链写实,是讲好这个故事的关键。

论文班:聚焦论文精读、复现、文本分析、预测模型、研究设计和论文推进[11]

  • • 时间:2026 年 7 月 29-31 日
  • • 嘉宾:范馨月(上海财经大学)

论文班聚焦宏观大数据、文本分析与机器学习预测,讲「如何从文献复现走向自己的论文」。


通过课程,学习别人是如何「精读论文 + 推进论文」,看看一篇成熟论文如何被理解、复现、改写,并进一步发展为新的研究设计。


课程关注的不只是模型如何运行,更是如何从文献中提炼问题、迁移方法、组织结果,并回应论文写作和返修中的关键质疑。


课程不要求学员熟练掌握编程语言,只需能够在本地运行代码,并借助 AI 读懂、修改和调试示例脚本。


课程主页:暑期班[1]:https://www.lianxh.cn/PX.html

暑期班报名链接:https://www.wjx.top/vm/QhgLvx1.aspx#

引用链接

[1] 暑期班: https://www.lianxh.cn/PX.html
[2] 连玉君: http://lingnan.sysu.edu.cn/faculty/lianyujun
[3] 连享会-博客: https://www.lianxh.cn
[4] 连享会-知乎: https://www.zhihu.com/people/arlionn
[5] 生成式人工智能: https://www.lianxh.cn/details/1632.html
[6] AI-Agent: https://www.lianxh.cn/details/1777.html
[7] 文本分析: https://www.lianxh.cn/details/1680.html
[8] 五一论文班: https://www.lianxh.cn/details/1757.html
[9]  初级班:聚焦实证研究基础、数据处理、回归分析、论文复现与 AI 协作: https://www.lianxh.cn/details/1810.html
[10] 高级班:聚焦因果推断、准实验设计、机器学习因果推断和政策学习: https://www.lianxh.cn/details/1811.html
[11] 论文班:聚焦论文精读、复现、文本分析、预测模型、研究设计和论文推进: https://www.lianxh.cn/details/1812.html

 

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/198825