2.GPT4o與ChatGPT3.5區(qū)別

3.國外大語言模型Claude3，Gemini，LLama3技術詳解

4.國內大語言模型文心一言，通義千問，Kimi，智譜清言，星火認知使用介紹。

5.GPT4o的各種插件應用介紹

6.AI工具與科研應用的結合

2.PromptEngineering提示詞工程介紹

3.（課堂動手練習）技巧1：角色扮演

4.（課堂動手練習）技巧2：使用不同的語氣

5.（課堂動手練習）技巧3：給出具體任務

6.（課堂動手練習）技巧4：利用上下文管關聯(lián)的特點

7.（課堂動手練習）技巧5：零樣本思維鏈提示-提高模型邏輯推理能力

8.（課堂動手練習）技巧6：多樣本思維鏈提示-提升模型模仿能力

9.（課堂動手練習）技巧7：自洽性-提升模型數(shù)學能力

10.（課堂動手練習）技巧8：生成知識提示-提升模型知識水平

11.如何寫好一篇論文的提示詞

12.如何與AI交流科研問題

2.（課堂動手練習）使用AI生成臨床研究的數(shù)據表

3.（課堂動手練習）使用AI識別公式并保存

4.（課堂動手練習）使用AI將文章中的數(shù)據整理成表格

5.（課堂動手練習）使用AI幫你進行文章內容分類

6.（課堂動手練習）使用AI協(xié)助撰寫工作報告

7.（課堂動手練習）使用AI快速生成選擇/填空/問答/判斷題

2（課堂動手練習）讓GPT幫你進行數(shù)據處理

3.（課堂動手練習）讓GPT幫你進行用戶評論分類

4.（課堂動手練習）讓GPT幫你優(yōu)化工作總結

5.（課堂動手練習）使用GPT改進你的產品或服務

6.（課堂動手練習）使用GPT分析不同產品的差異

7.（課堂動手練習）向GPT尋求商業(yè)和營銷意見

8.（課堂動手練習）讓GPT幫你生成特定知識的測試題

9.（課堂動手練習）讓GPT幫你寫合同

10.（課堂動手練習）讓GPT幫你寫簡歷

11.（課堂動手練習）讓GPT幫你進行模擬面試

12.（課堂動手練習）讓GPT生成數(shù)學公式并保存

13.（課堂動手練習）讓GPT根據特定數(shù)據生成圖表

?

第五章：AI輔助論文搜索與閱讀

2.（課堂動手練習）論文拓展平臺使用

3.（課堂動手練習）最好用的AI論文閱讀交流神器介紹

4.（課堂動手練習）RAG檢索增強生成介紹

5.（課堂動手練習）利用AI進行論文閱讀總結交流。

6.（課堂動手練習）最好用的AI論文翻譯神器介紹

7.（課堂動手練習）利用AI對論文中的公式講解

第六章：AI輔助寫作ABCD模型（通用方法論）

2.（課堂動手練習）【B模式】投喂式寫作（指定引用內容的寫作）

3.（課堂動手練習）【C模式】模仿式寫作（指定范文，給出觀點，套用格式）

4.（課堂動手練習）【D模式】連接論文數(shù)據數(shù)據庫進行寫作（搜索相關論文，參考相關論文內容）

2.（課堂動手練習）利用AI輔助大綱撰寫

3.（課堂動手練習）利用AI輔助寫摘要

4.（課堂動手練習）利用AI輔助寫前言

5.（課堂動手練習）利用AI輔助寫技術方法

6.（課堂動手練習）利用AI輔助描述實驗數(shù)據

7.（課堂動手練習）利用AI輔助進行數(shù)據分析

8.（課堂動手練習）利用AI輔助寫結論

9.（課堂動手練習）利用AI進行論文寫作翻譯

10.（課堂動手練習）利用AI幫你生成完整的文獻綜述（附帶真實參考文獻）

11.（課堂動手練習）AI寫作過程中自動標注參考文獻的2種方法

2.（課堂動手練習）利用AI輔助論文潤色并生成表格對比潤色效果

3.（課堂動手練習）利用AI進行論文降重的2種方案

4.（課堂動手練習）利用AI提出論文審稿意見和具體修改方案

5.（課堂動手練習）如何判別文章是不是AI生成

6.（課堂動手練習）如何避免AI生成的文章被檢測

第九章：AI在科研繪圖中的應用

2.（課堂動手練習）繪制不同特征之間的相關系數(shù)圖

3.（課堂動手練習）繪制不同數(shù)據特征的多變量聯(lián)合分布圖

4.（課堂動手練習）繪制數(shù)據缺失值可視化圖

5.（課堂動手練習）繪制不同模型算法的結果對比圖

6.（課堂動手練習）繪制模型算法的ROC曲線圖

7.（課堂動手練習）繪制特征重要性排序圖

8.（課堂動手練習）其他各種圖像的AI自動繪圖方法

ChatGPT應用：將科研呢項目中的數(shù)據處理、分析、建模和可視化成果轉化為學術論文，并利用ChatGPT優(yōu)化論文寫作流程。

2.數(shù)據處理

描述：詳述數(shù)據預處理、清洗和轉換步驟。

ChatGPT應用：生成數(shù)據處理部分的文本描述，確保術語準確。

3.建模方法

描述：闡明模型選擇、訓練過程和參數(shù)優(yōu)化。

ChatGPT應用：幫助撰寫模型選擇和優(yōu)化策略的邏輯論述。

4.結果可視化

描述：展示關鍵圖表，如準確率和ROC曲線，并解釋其意義。

ChatGPT應用：生成圖表的描述和解釋，簡潔明了。

5.成果討論

描述：分析模型表現(xiàn)，討論其在相關領域的應用潛力。

ChatGPT應用：生成對模型結果的深入討論和潛在應用的描述。

6.論文撰寫

ChatGPT應用：輔助撰寫論文各部分，包括摘要、引言和結論，提高寫作效率。

2、（課堂動手練習）利用AI分析指定領域的熱門研究方向

3、（課堂動手練習）利用AI輔助撰寫、潤色課題申報書的各部分內容

4、（課堂動手練習）利用AI總結指定論文的局限性與不足，并給出潛在的改進思路與建議

5、（課堂動手練習）利用AI評估指定改進思路的新穎性與已發(fā)表的類似工作

6.（課堂動手練習）利用AI進一步細化改進思路，凝練論文的選題與創(chuàng)新點

7、（課堂動手練習）利用AI給出具體的算法步驟，并自動生成算法的Python示例代碼框架

8、（課堂動手練習）利用AI設計完整的實驗方案與數(shù)據分析流程

9、（課堂動手練習）利用AI給出論文Discussion部分的切入點和思路

2.（課堂動手練習）利用AI根據文章內容或自定義大綱創(chuàng)建PPT

3.（課堂動手練習）利用AI快速產出科普短視頻

4.（課堂動手練習）利用AI快速制作流程圖

5.（課堂動手練習）利用AI快速制作序列圖

6.（課堂動手練習）利用AI快速制作思維導圖

2.（課堂動手練習）利用AI對代碼進行解釋

3.（課堂動手練習）利用AI進行代碼糾錯及修改

4.（課堂動手練習）利用AI回答代碼疑問

5.（課堂動手練習）利用AI幫你優(yōu)化代碼

6.（課堂動手練習）利用AI讀取本地數(shù)據然后寫代碼

7.（課堂動手練習）利用AI幫你提供完整項目代碼并不斷修正代碼

8.（課堂動手練習）自動化AI編程助手介紹

2.（課堂動手練習）用AI優(yōu)化科研/項目的設計

3.（課堂動手練習）用AI解答科研/項目相關問題

4.（課堂動手練習）用AI讀取本地數(shù)據（Excel數(shù)據或CSV數(shù)據等）

5.（課堂動手練習）用AI對科研/項目數(shù)據進行深度學習建模程序編寫

6.（課堂動手練習）如何分析特征重要性（哪些特征對標簽的影響最大）

7.（課堂動手練習）多種常用機器學習算法結果對比

2.（課堂動手練習）GPT-4o聯(lián)網功能介紹

3.（課堂動手練習）GPT-4o圖像識別能力詳細解析

4.（課堂動手練習）GPT-4o識別統(tǒng)計分析圖并生成對應畫圖的代碼

5.（課堂動手練習）GPT-4o識別圖片中的表格數(shù)據并保存

6.（課堂動手練習）GPT-4o識別圖片中的公式并進行編輯

7.（課堂動手練習）利用GPT-4o完成全自動數(shù)據分析、繪圖、建模

8.（課堂動手練習）利用GPT-4o連接論文數(shù)據庫

2.文生圖和圖生圖介紹

3.CLIP模型和擴散模型介紹

4.（課堂動手練習）Midjourney使用介紹

5.（課堂動手練習）Midjourney提高分辨率及圖像微調

6.（課堂動手練習）Midjourney參考別人的優(yōu)秀作品進行繪圖

7.（課堂動手練習）Midjourney圖生圖高級用法

8.（課堂動手練習）Midjourney的參數(shù)使用

9.（課堂動手練習）Midjourney科研作圖應用

2.StableDiffusion環(huán)境部署介紹

3.StableDiffusion工作界面介紹

4.（課堂動手練習）使用Lora模型產生寫實人物圖像

5.（課堂動手練習）圖像的局部重繪

6.（課堂動手練習）StableDiffusion的插件系統(tǒng)介紹

7.（課堂動手練習）使用線稿圖生成裝修和建筑

8.（課堂動手練習）使用線稿圖給圖片上色

9.（課堂動手練習）產生特定姿態(tài)的人物圖像

2.（課堂動手練習）DALL-E3與GPT4結合使用

3.（課堂動手練習）DALL-E3中文提示詞的使用

4.（課堂動手練習）DALL-E3根據上下文內容修改圖片

5.（課堂動手練習）DALL-E3在圖像中生成特定文字

6.（課堂動手練習）DALL-E3繪圖結果的不斷優(yōu)化

7.（課堂動手練習）DALL-E3科研作圖應用

2.根據學員感興趣的領域，講解ChatGPT在該領域的應用方法

3.建立信群答疑群（課后提供終身免費答疑，提供一對一答疑）

4.配備AIGC/GPT/AI繪圖/等教材，課后逐步提高能力。

2.云種類識別

3.用戶評論情感分類

4.甲狀腺CT圖像分類

5.工業(yè)缺陷檢測

6.汽車部件安裝檢測

2.人工智能在科研翻譯中的應用

3.人工智能在科研數(shù)據分析中的應用

4.人工智能的科研繪圖中的應用

5.人工智能的科研模型設計和訓練中的應用

6.人工智能技術的各種應用場景

2.python開發(fā)環(huán)境-pycharm介紹

3.pytthon開發(fā)環(huán)境-jupyter配置

4.jupyter基本使用

2.（課堂動手練習）python環(huán)境安裝配置

3.（課堂動手練習）print使用

4.（課堂動手練習）運算符和變量

5.（課堂動手練習）循環(huán)

6.（課堂動手練習）列表元組字典

7.（課堂動手練習）if條件

8.（課堂動手練習）函數(shù)

9.（課堂動手練習）模塊

10.（課堂動手練習）類的使用

11.（課堂動手練習）文件讀寫

12.（課堂動手練習）異常處理

?

第五章：科學計算模塊Numpy學習

2.（課堂動手練習）創(chuàng)建array

3.（課堂動手練習）numpy的運算

4.（課堂動手練習）隨機數(shù)生成以及矩陣的運算

5.（課堂動手練習）numpy的索引

第六章：繪圖工具包matplotlib學習

2.（課堂動手練習）figure圖像

3.（課堂動手練習）設置坐標軸

4.（課堂動手練習）legend圖例

5.（課堂動手練習）scatter散點圖

2.（課堂動手練習）Lasso回歸算法介紹與使用

3.（課堂動手練習）KNN算法介紹與使用

4.（課堂動手練習）SVM算法介紹與使用

5.（課堂動手練習）K-means算法介紹與使用

6.（課堂動手練習）XGBoost算法介紹與使用

7.（課堂動手練習）LightGBM算法介紹與使用

8.（課堂動手練習）所有的機器學習算法使用技巧總結分析

9.（課堂動手練習）用自己的數(shù)據完成機器學習算法訓練

2.缺失值填充方法

3.數(shù)字類型特征處理

4.多值有序特征和多值無序特征處理

5.特征篩選方法

6.數(shù)據標準化和歸一化處理

第十章：機器學習案例在項目中的應用（課堂動手練習）用

2. 項目簡介

– 目標定義：開發(fā)一個機器學習模型，用于數(shù)據預測。

3. 數(shù)據預處理

– 數(shù)據加載：載入數(shù)據集，并初步查看數(shù)據結構和基本統(tǒng)計信息

– 數(shù)據清洗：識別并處理數(shù)據集中的異常值和缺失值。使用適當?shù)姆椒ㄌ畛淙笔е担ɡ纾堤畛洌?/p>

– 特征工程：分析各特征與標簽值的關系。選擇合適的特征進行模型訓練

4. 探索性數(shù)據分析

– 利用Seaborn的pairplot繪制不同特征之間的關系

– 繪制熱力圖分析特征之間的相關性

5. 模型構建與訓練

– 選擇模型：選擇多個分類算法（如K-近鄰、邏輯回歸、神經網絡、決策樹、隨機森林等）進行比較

6. 模型評估與優(yōu)化

– 結果可視化：使用條形圖展示不同模型的性能比較

– 模型解釋：使用SHAP值解釋模型的預測結果，以了解哪些特征對模型預測結果影響最大

7. 項目總結

– 評估模型表現(xiàn)：綜合評估模型的準確性和可解釋性

– 討論與改進：基于模型表現(xiàn)，討論可能的改進方法和實際應用中的潛在挑戰(zhàn)

2.逐篇論文解讀，突出算法的選擇理由、應用過程和結果分析

3.研究背景和問題定義：介紹論文所解決的問題和研究背景

4.數(shù)據處理和特征工程：討論數(shù)據預處理方法和特征工程步驟

5.算法選擇和模型構建過程：解釋為何選擇該深度學習算法，并描述模型的構建過程

6.模型評估和結果討論：評估模型性能，討論實驗結果及其意義

2.（課堂動手練習）繪制不同特征之間的相關系數(shù)圖

3.（課堂動手練習）繪制不同數(shù)據特征的多變量聯(lián)合分布圖

4.（課堂動手練習）繪制數(shù)據缺失值可視化圖

5.（課堂動手練習）繪制不同模型算法的結果對比圖

6.（課堂動手練習）繪制模型算法的ROC曲線圖

7.（課堂動手練習）繪制特征重要性排序圖

8.（課堂動手練習）其他各種圖像的AI自動繪圖方法

2.激活函數(shù)，損失函數(shù)和梯度下降法

3.BP算法介紹

4.梯度消失問題

5.多種激活函數(shù)介紹

6.（課堂動手練習）BP算法解決手寫數(shù)字識別問題

2.（課堂動手練習）使用BP神經網絡識別圖片

3.（課堂動手練習）交叉熵(cross-entropy)講解和使用

4.（課堂動手練習）欠擬合/正確擬合/過擬合

5.（課堂動手練習）各種優(yōu)化器Optimizer

6.（課堂動手練習）模型保存和模型載入方法

2.卷積的局部感受野，權值共享介紹。

3.卷積的具體計算方式

4.池化層介紹（均值池化、最大池化）

5.LeNET-5卷積網絡介紹

6.（課堂動手練習）CNN手寫數(shù)字識別案例

2.RNN具體計算分析

3.長短時記憶網絡LSTM介紹

4.輸入門，遺忘門，輸出門具體計算分析

5.堆疊LSTM介紹

6.雙向LSTM介紹

7.（課堂動手練習）使用LSTM進行基因序列能量預測

2.ResNet模型詳解

3.ConvNeXt模型詳解

4.（課堂動手練習）下載訓練好的1000分類圖像識別模型

5.（課堂動手練習）使用訓練好的圖像識別模型進行各種圖像分類

6.（課堂動手練習）使用遷移學習訓練氣象圖像分類模型

7.（課堂動手練習）訓練自己的圖像分類數(shù)據集

2.逐篇論文解讀，突出算法的選擇理由、應用過程和結果分析

3.研究背景和問題定義：介紹論文所解決的問題和研究背景

4.數(shù)據處理和特征工程：討論數(shù)據預處理方法和特征工程步驟

5.算法選擇和模型構建過程：解釋為何選擇該深度學習算法，并描述模型的構建過程

6.模型評估和結果討論：評估模型性能，討論實驗結果及其意義

2.R-CNN模型詳解

3.SPPNET模型詳解

4.Fast-RCNN模型詳解

5.Faster-RCNN模型詳解

2.YOLOv1代價函數(shù)講解以及缺點分析

3.YOLOv2網絡結構Darknet-19講解

4.YOLOv2精度優(yōu)化-高分辨率和anchor

5.YOLOv2精度優(yōu)化-維度聚類

6.YOLOv2精度優(yōu)化-直接位置預測

7.YOLOv2精度優(yōu)化-細粒度特征和多尺度訓練

8.YOLOv3結構講解

9.YOLOv4算法講解

10.YOLOv5算法講解

2.（課堂動手練習）安裝YOLOv10模型

3.（課堂動手練習）自行標注要檢測的圖像樣本

4.（課堂動手練習）修改模型的配置文件

5.（課堂動手練習）訓練YOLOv10目標檢測模型

6.（課堂動手練習）使用訓練好的YOLOv10進行圖像預測

2.（課堂動手練習）安裝YOLOv10模型

3.（課堂動手練習）自行標注要分割的圖像樣本

4.（課堂動手練習）修改模型的配置文件

5.（課堂動手練習）訓練YOLOv10圖像分割模型

6.（課堂動手練習）使用訓練好的YOLOv10進行圖像分割

2.逐篇論文解讀，突出算法的選擇理由、應用過程和結果分析

3.研究背景和問題定義：介紹論文所解決的問題和研究背景

4.數(shù)據處理：討論數(shù)據預處理方法

5.算法選擇和模型構建過程：解釋為何選擇該深度學習算法，并描述模型的構建過程

6.模型評估和結果討論：評估模型性能，討論實驗結果及其意義

2.self-Attention

3.Multi-Head Attention

4.Bert模型介紹

5.MLM和NSP模型任務

6.使用Bert模型進行用戶評論分類

2.國內大語言模型文心一言，通義千問，Kimi，智譜清言，星火認知使用介紹

3.ChatGPT輔助論文搜索與閱讀

4.ChatGPT成為您的論文寫作助手

5.ChatGPT輔助科研論文優(yōu)化

6.不會寫代碼也能成為編程高手

2.建立信群答疑群，課后提供答疑。

3.配備AIGC/GPT/AI繪圖/人工智能、機器學習與深度學習教材，課后逐步提高能力。