惊呆了 | ChatGPT-4o在遥感、科研论文写作等领域能力爆棚.....

第一章

2024 年 最新 大模型 进展介绍 、 C hat GPT4 基础入门

1 、 2024 AIGC 技术最新进展介绍（生成式人工智能的基本概念与原理、文生视频模型 OpenAI Sora vs.Google Veo ）

2 、国内外大语言模型（ ChatGPT 4O 、 Gemini 、 Claude 、 Llama3 、文心一言、星火、通义千问、 Kimi 、智谱清言等）对比分析

3 、 Llama3 开源大语言模型的本地部署、对话与微调训练本地数据

4 、 ChatGPT 对话初体验（注册与充值、购买方法）

5 、 ChatGPT 科研必备 GPT 汇总介绍（寻找好用的 GPTs 模型、提示词优化、生成思维导图、生成 PPT 、生成视频、制定个性化的学习计划、检索论文、总结论文内容、总结视频内容、撰写论文、论文翻译、论文润色与修改、参考文献格式管理、论文评审、数据分析、生成代码、代码调试等）

6 、 GPT Store 简介与使用

7 、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 、 ChatGPT 对话记录保存与管理

第二章

Chat GPT4 提示词使用方法与技巧

1 、 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 、常用的 ChatGPT 提示词模板

3 、 ChatGPT 提示词优化（ Promptest 、 Prompt Perfect 、 PromptPal 提示宝等）

4 、 ChatGPT4 突破 Token 限制实现接收或输出万字长文（ 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）

5 、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）

6 、保存喜欢的 ChatGPT 提示词并一键调用

第三章

Chat GPT4 助力日常生活、学习与工作

1 、 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 、 ChatGPT4 助力文案撰写与润色修改

3 、 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 、 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 、 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 、利用 ChatGPT4 创建精美的思维导图

7 、利用 ChatGPT4 生成流程图、甘特图

8 、利用 ChatGPT4 制作 PPT

9 、利用 ChatGPT4 自动创建视频

10 、 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等）

11 、 ChatGPT4 辅助学生高效学习（利用 GPTs 生成专属学习计划）

12 、案例演示与实操练习

第四章

ChatGPT4 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 ChatGPT4 分析指定领域的热门研究方向

3 、利用 ChatGPT4 辅助撰写、润色课题申报书的各部分内容

4 、利用 ChatGPT4 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 ChatGPT4 评估指定改进思路的新颖性与已发表的类似工作

6 . 利用 ChatGPT4 进一步细化改进思路，凝练论文的选题与创新点

7 、利用 ChatGPT4 给出具体的算法步骤，并自动生成算法的 Python 示例代码框架

8 、利用 ChatGPT4 设计完整的实验方案与数据分析流程

9 、利用 ChatGPT4 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

ChatGPT4 助力信息检索、总结分析、论文写作与投稿

1 、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 、 利用 ChatGPT4 实现联网检索文献

3 、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 、利用 ChatGPT4 总结 Youtube 视频内容

5 、利用 ChatGPT4 完成学术论文的选题设计与优化

6 、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 、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 、利用 ChatGPT4 实现论文语法校正

9 、利用 ChatGPT4 完成段落结构及句子逻辑润色

10 、利用 ChatGPT4 完成论文降重

11 、利用 ChatGPT4 完成论文参考文献格式的自动转换

12 、 ChatGPT4 辅助审稿人完成论文评审意见的撰写

13 、 ChatGPT4 辅助投稿人完成论文评审意见的回复

14 、 ChatGPT4 文献检索、论文写作必备 GPTs 总结

15 、案例演示与实操练习

第六章

Chat GPT 4 助力教学改革

1、利用 Chat GPT4 及插件创建精美的思维导图

2 、利用 Chat GPT4 及插件生成流程图、甘特图

3 、利用 Chat GPT4 及插件制作 P PT

4 、利用 Chat GPT4 及插件自动创建视频

5 、 Chat GPT4 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）

6 、 Chat GPT4 辅助学生高效学习（利用插件生成个性化学习计划）

7 、案例演示与实操练习

第七章

Chat GPT 4 助力 Python 编程入门与科学计算

1 、 P ython 环境搭建（ 下载、安装与版本选择）。

2 、如何选择 Python 编辑器？（ I DLE 、 Note pad++ 、 Py Charm 、 Ju pyter… ）

3 、 Python 基础（数据类型和变量、 list 和 tuple 、条件判断、循环、函数的定义与调用等）

4 、第三方模块的安装与使用

5 、 Nump y 模块库（ Numpy 的安装； nd array 类型属性与数组的创建；数组索引与切片； Num py 常用函数简介与使用）

6 、 M atplotlib 基本图形绘制（线形图、柱状图、饼图、气泡图、直方图、箱线图、散点图等）

7 、 Pytorch 深度学习框架简介（ Ten sor 的创建、基本运算、升降维操作、 CPU/GPU 转换等）

8 、案例演示与实操练习

第八章

Chat GPT4 助力数据预处理及可视化绘图

1 、利用 Chat GPT4 及插件上传本地数据

2 、利用 Chat GPT4 及插件爬取第三方网站数据

3 、利用 Chat GPT4 及插件处理 PDF 文档（添加水印、合并 / 拆分文档、提取 P DF 里的表格 / 图片 / 关键词信息、总结 P DF 内容、为 P DF 生成词云、 O CR 识别）

4 、利用 Chat GPT4 及插件实现常见文件格式之间的转换

5 、利用 Chat GPT4 及插件实现图像处理（图像缩放、旋转、裁剪、去噪与去模糊）

6 、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）

7 、数据预处理（标准化与归一化、异常值与缺失值处理、离散化及编码处理、生成新特征）

8 、融合 C hat GPT 4 与 Python 的数据预处理代码自动生成与运行

9 、利用 Chat GPT4 及插件实现数据统计分析与可视化（折线图、散点图、柱状图、饼图、、气泡图、直方图、箱线图等）

10 、案例演示与实操练习

第九章

Chat GPT 4 助力前向型神经网络建模

1 、 BP 神经网络 的基本原理（人工神经网络的分类有哪些？ B P 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？ B P 神经网络建模的本质是什么？）

2 、 BP 神经网络的 P yt hon 代码实现（怎样划分训练集和测试集？为什么需要归一化？归一化是必须的吗？）

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、泛化性能评价指标的设计、样本不平衡问题等）

5 、前向型神经网络中的 Chat GPT 提示词库讲解

6 、案例实践：利用 Chat GPT4 实现 B P 神经网络模型的代码自动生成与运行

7 、 案例演示与实操练习

第十章

Chat GPT 4 助力决策树、随机森林、 X GB oost 与 Light GBM 建模

1 、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？ I D3 算法和 C 4.5 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？

2 、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”体现在哪些地方？随机森林的本质是什么？怎样可视化、解读随机森林的结果？）

3 、 B agging 与 Boost ing 的区别与联系

4 、 A daBoost vs . Gradient Boosting 的工作原理

5 、常用的 GBDT 算法框架（ X GB oost 、 Lig htGBM ）

6 、决策树、随机森林、 X GB oost 、 Light GBM 中的 Chat GPT 提示词库讲解

7 、案例实践：利用 Chat GPT4 实现决策树、随机森林、 X GB oost 、 Light GBM 模型的代码自动生成与运行

8 、 案 例演示与实操练习

第十一章

Chat GPT 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？ C NN 的典型拓扑结构是怎样的？ C NN 的权值共享机制是什么？）

3 、卷积神经网络的进化史： Le Net 、 Alex Net 、 Vgg -16/19 、 Goog LeNet 、 Res Net 等预训练模型

4 、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？）

5 、卷积神经网络中的 Chat GPT 提示词库讲解

6 、案例实践：利用 Chat GPT4 实现卷积神经网络模型的代码自动生成与运行

（ 1 ） C NN 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

7 、 案例演示与实操练习

第十二章

Chat GPT 4 助力 R NN 、 L STM 建模

1、循环神经网络 R NN 的基本工作原理

2 、长短时记忆网络 L STM 的基本工作原理

3 、 R NN 与 L STM 中的 Chat GPT 提示词库讲解

4 、案例实践：利用 Chat GPT4 实现 R NN 、 L STM 模型的代码自动生成与运行

5 、 案例演示与实操练习

第十三章

Chat GPT 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 、基于深度神经网络模型的迁移学习算法

3 、迁移学习中的 Chat GPT 提示词库讲解

4 、案例实践：利用 Chat GPT4 实现迁移学习模型的代码自动生成与运行

5 、 案例演示与实操练习

第十四章

C hat GPT 4 助力自编码器建模

1 、自编码器模型原理介绍（ A E 、 De noising AE, Masked AE ）

3 、自编码器模型中的 Chat GPT 提示词库讲解

4 、案例实践：利用 Chat GPT4 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

第十五章

Chat GPT 4 助力 A I 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 、利用 Chat GPT4 DALL.E 3 生成图像（下载图像、 3 种不同分辨率、修改图像）

3 、 Chat GPT4 DALL.E 3 常用的提示词库（广告海报、 Logo 、 3 D 模型、插画、产品包装、烹饪演示、产品外观设计、 U I 设计、吉祥物设计等）

4 、 Chat GPT4 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 、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 、 Chat GPT4 DALL.E 3 格子布局与角色一致性的实现

7 、 Chat GPT4 DALL.E 3 生成动图 G IF

8 、案例演示与实操练习

第十六章

Midjourney 助力 A I 绘图技术

1. Midjourney 简介（与 ChatGPT DALL.E 、 Stable Diffusion 的区别）

2. Midjourney 注册与登录

3. 创建第一个 Midjourney 项目（命令 + 提示词 + 后缀参数）

4. Midjourney 常用的命令与参数

5. Midjourney 进阶用法（图生图、混合多张图、 ChatGPT 提示词优化）

6 、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 、 G PT 模型 A PI 接口的调用方法（ A PI K ey 的申请、 API K ey 接口调用方法与参数说明）

2 、案例实践：利用 GPT4 实现完整项目开发

（ 1 ）聊天机器人的开发

（ 2 ）利用 G PT 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（提供终身免费答疑）

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）

4、实操练习

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