|
专栏名称: 深度学习基础与进阶
| 一个百度人的技术提升之路，为您提供一系列计算机视觉，自然语言处理和推荐系统等高质量技术文章，让您的碎片化时间最大价值化 |
目录
相关文章推荐
正文
请到「今天看啥」查看全文
AI大语言模型与人工智能教学方案专题
专题一： 深度学习全进阶：最新python深度学习进阶与前沿应用
专题二： ChatGPT助力学术论文写作训练营：4天封闭提升—机器学习与深度学习论文专场
专题三： 2024最新全流程ChatGPT深度科研应用、论文与项目撰写、数据分析、机器学习、深度学习及AI绘图
最新充值活动：最高购课可享受75折优惠同时赠送24个月国内可直接登录GPT4/4o会员账号，详细见文章末尾！
专题详情如下
专题一：
点击观看往期部分课程
参会条件：
（备注：该培训课程为进阶课程，需要学员掌握卷积神经网络、循环神经网络等前序基础知识。同时，应具备一定的
Python
编程基础，熟悉
numpy
、
pandas
、
matplotlib
、
scikit-learn
、
pytorch
等第三方模块库。）
一、组织机构
主办单位：Ai尚研修
承办单位： 尚研修（保定）信息科技有限公司
二、培训时间及方式
【培训方式】： 直播与现场培训同步进行
【直播时间】：202 4 年 11月29日-12月1日 【腾讯会议直播】
三、课程内容
|
课程安排
|
课程导学
|
|
第一章
注意力（ Attention ）机制详解
|
1 、注意力机制的背景和动机（ 为什么需要注意力机制？注意力机制的起源和发展）。
2 、注意力机制的基本原理： 什么是注意力机制？ 注意力机制的数学表达与基本公式 、用机器翻译任务带你了解 Attention 机制、如何计算注意力权重？
3 、注意力机制的主要类型： 自注意力（ Self-Attention ）与多头注意力（ Multi-Head Attention ） 、 Soft Attention 与 Hard Attention 、 全局（ Global ）与局部（ Local ）注意力
4 、注意力机制的优化与变体： 稀疏注意力（ Sparse Attention ） 、 加权注意力（ Weighted Attention ）
5 、注意力机制的可解释性与可视化技术： 注意力权重的可视化（权重热图）
6
、案例演示
|
|
第二章
Transformer 模型详解
|
1 、 Transformer 模型的提出背景（ 从 RNN 、 LSTM 到注意力机制的演进、 Transformer 模型的诞生背景及其在自然语言处理 和计算视觉 中的重要性 ）
2 、 Transformer 模型拓扑结构 （编码器、解码器、多头自注意力机制、前馈神经网络、层归一化和残差连接等）
2 、 Transformer 模型工作原理 （为什么 Transformer 模型需要位置信息？位置编码的计算方法？ Transformer 模型的损失函数？）
3 、自然语言处理（ NLP ）领域的 Transformer 模型 ： BERT 、 GPT-1 / GPT-2 / GPT-3 / GPT-3.5 / GPT-4 （模型的总体架构、输入和输出形式、预训练目标、预训练数据的选择和处理、词嵌入方法、 GPT 系列模型的改进与演化、……）。
4 、计算视觉（ CV ）领域的 Transformer 模型 ： DETR / ViT / Swin Transformer （ DERT ：基于 Transformer 的检测头设计、双向匹配损失； ViT ：图像如何被分割为固定大小的 patches ？如何将图像 patches 线性嵌入到向量中？ Transformer 在处理图像上的作用？ Swin ：窗口化自注意力机制、层次化的 Transformer 结构、如何利用位移窗口实现长范围的依赖？）
5
、案例演示
|
|
第三章
生成式模型详解
|
1 、变分自编码器 VAE （自编码器的基本结构与工作原理、变分推断的基本概念及其与传统贝叶斯推断的区别、 VAE 的编码器和解码器结构及工作原理）。
2 、生成式对抗网络 GAN （ GAN 提出的背景和动机、 GAN 的拓扑结构和工作原理、生成器与判别器的角色、 GAN 的目标函数）。
3 、扩散模型 Diffusion Model （扩散模型的核心概念？如何使用随机过程模拟数据生成？扩散模型的工作原理）。
4 、跨模态图像生成 DALL.E （什么是跨模态学习？ DALL.E 模型的基本架构、模型训练过程）。
5
、案例演示
|
|
第四章
目标检测算法详解
|
1. 目标检测任务与图像分类识别任务的区别与联系。
2. 两阶段（ Two-stage ）目标检测算法： R-CNN 、 Fast R-CNN 、 Faster R-CNN （ RCNN 的工作原理、 Fast R-CNN 和 Faster R-CNN 的改进之处 ）。
3. 一阶段（ One-stage ）目标检测算法： YOLO 模型、 SDD 模型（拓扑结构及工作原理）。
4.
案例演示
|
|
第五章
图神经网络详解
|
1. 图神经网络的背景和基础知识 （什么是图神经网络？图神经网络的发展历程？为什么需要图神经网络？）
2. 图的基本概念和表示 （图的基本组成：节点、边、属性；图的表示方法：邻接矩阵；图的类型：无向图、有向图、加权图）。
3. 图神经网络的工作原理 （节点嵌入和特征传播、聚合邻居信息的方法、图神经网络的层次结构）。
4. 图卷积网络（ GCN ）的工作原理。
5. 图神经网络的变种和扩展： 图注意力网络（ GAT ）、图同构网络（ GIN ）、图自编码器、图生成网络。
6
、案例演示
|
|
第六章
强化学习详解
|
1 、强化学习的基本概念和背景 （什么是强化学习？强化学习与其他机器学习方法的区别？强化学习的应用领域有哪些？
2 、 Q-Learning （马尔可夫决策过程、 Q-Learning 的核心概念、什么是 Q 函数？ Q-Learning 的基本更新规则）。
3 、深度 Q 网络（ DQN ） （为什么传统 Q-Learning 在高维或连续的状态空间中不再适用？如何使用神经网络代替 Q 表来估计 Q 值？目标网络的作用及如何提高 DQN 的稳定性？）
4
、案例演示
|
|
第七章
物理信息神经网络
（ PINN ）
|
1、 物理信息神经网络的背景 （ 物理信息神经网络（ PINNs ）的概念及其在科学计算中的重要性 、 传统数值模拟方法与 PINNs 的比较 ）
2、 PINN 工作原理： 物理定律与方程的数学表达、如何将物理定律嵌入到神经网络模型中 ？ PINN 的架构（输入层、隐含层、输出层的设计）、物理约束的形式化（如何将边界条件等物理知识融入网络？）损失函数的设计（数据驱动与物理驱动的损失项）
3、 常用的 PINN 库和框架介绍
4、
案例演示
|
|
第八章
神经架构搜索（ Neural Architecture Search, NAS ）
|
1、 NAS 的背景和动机（传统的神经网络设计依赖经验和直觉，既耗时又可能达不到最优效果 。通过自动搜索，可以发现传统方法难以设计的创新和高效架构。 ）
2、 NAS 的基本流程 ：搜索空间定义（确定搜索的网络架构的元素，如层数、类型的层、激活函数等。）、搜索策略 （ 随机搜索、贝叶斯优化、进化算法、强化学习等）、性能评估
3、 NAS 的关键技术 ：进化算法（通过模拟生物进化过程，如变异、交叉和选择，来迭代改进网络架构）、强化学习（使用策略网络来生成架构，通过奖励信号来优化策略网络）、贝叶斯优化（利用贝叶斯方法对搜索空间进行高效的全局搜索，平衡探索和利用）
4、
案例演示
|
|
第九章
深度学习模型可解释性与可视化方法详解
|
1 、什么是模型可解释性？为什么需要对深度学习模型进行解释？
2 、可视化方法有哪些 （特征图可视化、卷积核可视化、类别激活可视化等）？
3 、类激活映射 CAM （ Class Activation Mapping ）、梯度类激活映射 GRAD-CAM 、局部可解释模型 - 敏感 LIME （ Local Interpretable Model-agnostic Explanation ）、等方法原理讲解。
4 、 t-SNE 的基本概念及使用 t-SNE 可视化深度学习模型的高维特征。
5
、案例演示
|
|
第十章
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
|
注：请提前自备电脑及安装所需软件。
专题二：
【全网唯一授课4天的ChatGPT课程】
2022年11月30日，可能将成为一个改变人类历史的日子——美国人工智能开发机构OpenAI推出了聊天机器人ChatGPT3.5，将人工智能的发展推向了一个新的高度。2023年4月，更强版本的ChatGPT4.0上线，文本、语音、图像等多模态交互方式使其在各行各业的应用呈现了更多的可能性。2023年11月7日，OpenAI首届开发者大会被称为“科技界的春晚”，吸引了全球广大用户的关注，GPT商店更是显现了OpenAI旨在构建AI生态的野心。因此，为了帮助广大科研人员更加熟练地掌握ChatGPT4.0在数据分析、自动生成代码等方面的强大功能，同时更加系统地学习人工智能（包括传统机器学习、深度学习等）的基础理论知识，以及具体的代码实现方法，特举办“最新ChatGPT办公与科研应用、论文撰写、数据分析、机器学习、深度学习及AI绘图高级”培训班，旨在帮助学员掌握ChatGPT4.0在科研工作中的各种使用方法与技巧，以及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、YOLO目标检测、自编码器等）的基本原理及Python、PyTorch代码实现方法。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ChatGPT4.0的最新功能，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。 ，时
一、组织机构
主办单位：Ai尚研修
承办单位： 尚研修（保定）信息科技有限公司
二、培训时间及方式
【培训方式】： 直播与现场培训同步进行
三、会议福利
四、课程内容
|
课程安排
|
学习内容
|
|
第一章
2024 大语言模型最新进展 与 ChatGPT 各模型讲解
|
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 、 （实操演练） 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、 最新加入： （实操演练）OpenAI o1-preview大语言模型功能演示、新特性简介及与ChatGPT-4o差异对比
4 、 （实操演练） Llama3 开源大语言模型的本地部署、对话与微调训练本地数据
5 、 （实操演练） ChatGPT-4o 对话初体验（注册与充值、购买方法）
6 、 （实操演练） ChatGPT-4o 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）
7 、 （实操演练） GPT Store 简介与使用
8 、 （实操演练） 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）
9 、 （实操演练） ChatGPT-4o 对话记录保存与管理
|
|
第二章
ChatGPT-4o
提示词使用方法与
高级
技巧
|
1 、 （实操演练） 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 、 （实操演练） 常用的 ChatGPT 提示词模板
3、 最新加入： （实操演练）基于思维链（Chain of Thought, CoT）的ChatGPT提示词优化（让OpenAI o1推理能力变强的诀窍之一）
4 、 （实操演练） ChatGPT-4o 提示词优化（ Promptest 、 Prompt Perfect 、 PromptPal 提示宝等）
5 、 （实操演练） ChatGPT-4o 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）
6 、 （实操演练） 控制 ChatGPT-4o 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）
7 、 （实操演练） 保存喜欢的 ChatGPT-4o 提示词并一键调用
8. 最新加入： （实操演练）ChatGPT-4o提示词逆向工程（破解提示词的常用方法、对别人创建的GPTs提示词进行破解）
9. 最新加入 （实操演练）ChatGPT-4o提示词保护策略以及构建坚不可摧的GPTs
|
|
第三章
ChatGPT-4o 助力日常生活、学习与工作
|
1 、 （实操演练） ChatGPT-4o 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 、 （实操演练） ChatGPT-4o 助力文案撰写与润色修改
3 、 （实操演练） ChatGPT-4o 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 、 （实操演练） ChatGPT-4o 助力大学生求职与就业（撰写简历、模拟面试、职业规划等）
5 、 （实操演练） ChatGPT-4o 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 、 （实操演练） 利用 ChatGPT-4o 创建精美的思维导图
7 、 （实操演练） 利用 ChatGPT-4o 生成流程图、甘特图
8 、 （实操演练） 利用 ChatGPT-4o 制作 PPT
9 、 （实操演练） 利用 ChatGPT-4o 自动创建视频
10 、 （实操演练） ChatGPT-4o 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 、 （实操演练） ChatGPT-4o 辅助学生高效学习（利用 GPTs 生成专属学习计划）
|
|
第四章
基于 ChatGPT -4o 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 、 （实操演练） 利用 ChatGPT-4o 分析指定领域的热门研究方向
3 、 （实操演练） 利用 ChatGPT-4o 辅助撰写、润色课题申报书的各部分内容
4 、 （实操演练） 利用 ChatGPT-4o 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 、 （实操演练） 利用 ChatGPT-4o 评估指定改进思路新颖性与已发表的类似工作
6 、 （实操演练） 利用 ChatGPT-4o 进一步细化改进思路，凝练论文的选题与创新点
7 、 （实操演练） 利用 ChatGPT-4o 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 、 （实操演练） 利用 ChatGPT-4o 设计完整的实验方案与数据分析流程
9 、 （实操演练） 利用 ChatGPT-4o 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
基于
ChatGPT
-4o
信息检索、总结分析、论文写作与投稿、专利
idea
构思与交底书的撰写
|
1 、 （实操演练） 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 、 （实操演练） 利用 ChatGPT-4o 实现联网检索文献
3 、 （实操演练） 利用 ChatGPT-4o 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）
4 、 （实操演练） 利用 ChatGPT-4o 解读论文中的系统框图工作原理
5 、 （实操演练） 利用 ChatGPT-4o 解读论文中的数学公式含义
6 、 （实操演练） 利用 ChatGPT-4o 解读论文中图表中数据的意义及结论
7 、 （实操演练） ChatGPT-4o 总结 Youtube 视频内容
8 、 （实操演练） 利用 ChatGPT-4o 完成学术论文的选题设计与优化
9 、 （实操演练） 利用 ChatGPT-4o 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
10 、 （实操演练） 利用 ChatGPT-4o 完成论文翻译（指定翻译角色和翻译领域、提供背景提示）
11 、 （实操演练） 利用 ChatGPT-4o 实现论文语法校正
12 、 （实操演练） 利用 ChatGPT-4o 完成段落结构及句子逻辑润色
13 、 （实操演练） 利用 ChatGPT-4o 完成论文降重
14 、 （实操演练） 利用 ChatGPT-4o 完成论文参考文献格式的自动转换
15 、 （实操演练） ChatGPT-4o 辅助审稿人完成论文评审意见的撰写
16 、 （实操演练） ChatGPT-4o 辅助投稿人完成论文评审意见的回复
17 、 （实操演练） ChatGPT-4o 文献检索、论文写作必备 GPTs 总结
18 、 （实操演练） 利用 ChatGPT-4o 完成发明专利 idea 的挖掘与构思
19 、 （实操演练） 利用 ChatGPT-4o 完成发明专利交底书的撰写
20、 最新加入： （实操演练）利用ChatGPT-4o with canvas完成人机交互协同修改论文（智能修改建议、篇幅调整、阅读水平等级调整、润色修改等）
|
|
第六章
ChatGPT-4o
编程入门、科学计算、数据可视化、数据预处理
|
1 、 （实操演练） Python 环境搭建（ P ython 软件下载、安装与版本选择； Py Charm 下载、安装； Python 之 H ello World ；第三方模块的安装与使用； P ython 2.x 与 P ython 3.x 对比）
2 、 （实操演练） P ython 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 、 （实操演练） P ython 流程控制（条件判断； for 循环； while 循环； break 和 continue ）
4 、 （实操演练） 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 、 （实操演练） M atplotlib 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 、 （实操演练） Seaborn 、 Bokeh 、 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 、 （实操演练） 科学计算模块库（ 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）
8 、 （实操演练） 利用 ChatGPT-4o 上传本地数据（ Excel/CSV 表格、 txt 文本、 PDF 、图片等）
9 、 （实操演练） 利用 ChatGPT-4o 实现图像处理（图像缩放、旋转、裁剪、去噪与去模糊）
10 、 （实操演练） 利用 ChatGPT-4o 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）
11 、 （实操演练） 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）
12 、 （实操演练） 融合 ChatGPT-4o 与 Python 的数据预处理代码自动生成与运行
13 、 （实操演练） 利用 ChatGPT-4o 自动生成数据统计分析图表
14 、 （实操演练） 利用 ChatGPT-4o 实现代码逐行讲解
15 、 （实操演练） 利用 ChatGPT-4o 实现代码 Bug 调试与自动修改
16 、案例演示与实操练习
|
|
第七章
ChatGPT-4o 机器学习建模 及高级应用
|
1 、 BP 神经网络的基本原理（人工神经网络的分类有哪些？ BP 神经网络的拓扑结构和训练过程是怎样的？什么是梯度下降法？）
2 、 （实操演练） 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 、 （实操演练） 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 、 （实操演练） 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 、 （实操演练） BP 神经网络中的 ChatGPT 提示词库讲解
6 、 （实操演练） 利用 ChatGPT-4o 实现 BP 神经网络模型的代码自动生成与运行
7 、 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？）
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 、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？）
10 、 Bagging 与 Boosting 的区别与联系
11 、 AdaBoost vs. Gradient Boosting 的工作原理
12 、 （实操演练） 常用的 GBDT 算法框架（ XGBoost 、 LightGBM ）
13 、 （实操演练） 决策树、随机森林、 XGBoost 、 LightGBM 中的 ChatGPT 提示词库讲解
14 、 （实操演练） 利用 ChatGPT-4o 实现决策树、随机森林、 XGBoost 、 LightGBM 模型的代码自动生成与运行
15 、案例演示与实操练习
|
|
第八章
ChatGPT-4o 助力机器学习模型优化：变量降维与特征选择
|
1 、主成分分析（ PCA ）的基本原理
2 、偏最小二乘（ PLS ）的基本原理
3 、 （实操演练） 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；区间法；无信息变量消除法；正则稀疏优化方法等）
4 、遗传算法（ Genetic Algorithm, GA ）的基本原理（以遗传算法为代表的群优化算法的基本思想是什么？选择、交叉、变异三个算子的作用分别是什么？）
5 、 （实操演练） PCA 、 PLS 、特征选择、群优化算法的 ChatGPT-4o 提示词库讲解
6 、 （实操演练） 利用 ChatGPT-4o 及插件实现变量降维与特征选择算法的代码自动生成与运行
|
|
第九章
ChatGPT-4o 实现 卷积神经网络建模 与代码自动生成
|
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 、 （实操演练） 利用 PyTorch 构建卷积神经网络（ Convolution 层、 Batch Normalization 层、 Pooling 层、 Dropout 层、 Flatten 层等）
5 、 （实操演练） 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 、 （实操演练） 卷积神经网络中的 ChatGPT-4o 提示词库讲解
7 、 （实操演练） 利用 ChatGPT-4o 实现卷积神经网络模型的代码自动生成与运行
（ 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
8 、案例演示与实操练习
|
|
第十章
ChatGPT-4o 迁移学习建模 与代码自动生成
|
1 、迁移学习算法的基本原理
2 、 （实操演练） 基于深度神经网络模型的迁移学习算法
3 、 （实操演练） 迁移学习中的 ChatGPT-4oT 提示词库讲解
4 、 （实操演练） 利用 ChatGPT-4o 实现迁移学习模型的代码自动生成与运行
5 、实操练习
|
|
第十一章
ChatGPT-4o 助力 RNN 、 LSTM 建模 与代码自动生成
|
1 、循环神经网络 RNN 的基本工作原理
2 、长短时记忆网络 LSTM 的基本工作原理
3 、 （实操演练） RNN 与 LSTM 中的 ChatGPT-4o 提示词库讲解
4 、 （实操演练） 利用 ChatGPT-4o 实现 RNN 、 LSTM 模型的代码自动生成与运行
5 、案例演示与实操练习
|
|
第十二章
ChatGPT-4o 助力 YOLO 目标检测建模 与代码自动生成
|
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， YOLO 模型与传统目标检测算法的区别
3 、 （实操演练） YOLO 模型中的 ChatGPT-4o 提示词库讲解
4 、 （实操演练） 利用 ChatGPT-4o 实现 YOLO 目标检测模型的代码自动生成与运行
（ 1 ）利用预训练好的 YOLO 模型实现图像、视频、摄像头实时检测；
（ 2 ）数据标注演示（ LabelImage 使用方法介绍）；
（ 3 ）训练自己的目标检测数据集
5 、案例演示与实操练习
|
|
第十三章
ChatGPT-4o 机器学习与深度学习建模的 案例实践应用
|
1、 （实操演练） 利用 ChatGPT-4o 实现近红外光谱分析模型的建立、代码自动生成与运行
2、 （实操演练） 利用 ChatGPT-4o 实现生物医学信号（时间序列、图像、视频数据）分类识别与回归拟合模型的建立、代码自动生成与运行
3、 （实操演练） 利用 ChatGPT-4o 实现遥感图像目标检测、地物分类及语义分割模型的建立、代码自动生成与运行
4、 （实操演练） 利用 ChatGPT-4o 实现大气污染物预测模型的建立、代码自动生成与运行
5、 （实操演练） 利用 ChatGPT-4o 实现自然语言处理模型的建立、代码自动生成与运行
6、案例演示与实操练习
|
|
第十四章
ChatGPT-4o 高级 绘图技术
|
1 、 （实操演练） 利用 ChatGPT-4o DALL.E 3 生成图像（下载图像、修改图像）
2 、 （实操演练） ChatGPT-4o DALL.E 3 常用的提示词库（广告海报、 Logo 、 3D 模型、插画、产品包装、烹饪演示、产品外观设计、 UI 设计、吉祥物设计等）
3 、 （实操演练） ChatGPT-4o 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）
4 、 （实操演练） ChatGPT-4o DALL.E 3 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）
5 、 （实操演练） ChatGPT-4o DALL.E 3 格子布局与角色一致性的实现
6 、 （实操演练） ChatGPT-4o DALL.E 3 生成动图 GIF
7 、 （实操演练） Midjourney 工具使用讲解
8 、 （实操演练） Stable Diffusion 工具使用讲解
9 、 （实操演练） Runway 图片生成动画工具使用讲解
10 、案例演示与实操练习
|
|
第十五章
基于 ChatGPT-4o API 接口调用与完整项目开发
|
1 、 （实操演练） GPT 模型 API 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 、 （实操演练） 利用 GPTAPI 实现完整项目开发
（ 1 ）聊天机器人的开发
（ 2 ）利用 GPT 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
|
|
第十六章
|
活动背景： 为了提升科研人员在科研过程中的提示词撰写能力，特举办 ChatGPT 培训课程，并在课程中加入【提示词大赛】环节，通过比赛形式激发学员的创意和实践能力。
活动目标： 通过【提示词大赛】，提高学员在科研过程中撰写提示词的能力，激发创意与实践结合，为未来的科研工作提供更好的支持和帮助。
参赛对象：
赛题内容：
提交方式：
奖项设置： 一等奖 1 名、 二等奖 2 名、 三等奖 3 名【设置奖项详细见流程说明】
评委评选：
由培训导师及特邀评委组成评审团，对所有提交的提示词进行评选。
备注：详细在会议中具体说明。
|
注：
请提前自备电脑及安装所需软件。
专题三：
GPT作为强大的语言模型，已在科研写作中展现出巨大优势。它不仅在语言生成和优化方面表现卓越，可以从语法、逻辑结构到专业词汇提供精准建议，还能帮助科研人员搭建论文的逻辑框架，整合实验数据与理论支撑，显著提升写作质量与效率。尤其对于非母语的科研人员，GPT能帮助克服语言障碍，使表达更为专业流畅。此外，GPT在文献分析和提炼上也表现出色，帮助科研人员迅速捕捉研究前沿和关键结论，节省大量时间并使写作更具深度。 正如AI学者李飞飞教授所言：“GPT不仅是工具，更是科研人员的思维伙伴。”《Nature》期刊也指出，GPT让科研人员能更高效推进学术成果，拓展创新边界。
一、组织机构
主办单位：Ai尚研修
承办单位： 尚研修（保定）信息科技有限公司
二、培训时间及方式
【培训方式】： 现场封闭式学习、写作模式
三、课程内容
|
课程安排
|
学习内容
|
|
第一章
ChatGPT-4o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、ChatGPT提示词优化（Promptest、Prompt Perfect、PromptPal提示宝等）
3、ChatGPT提示词逆向工程（破解提示词的常用方法、对别人创建的GPTs提示词进行破解）
4、ChatGPT-4o with canvas交互式修改文章（一键生成智能修改建议、调整阅读难度等级、扩写/缩写文章）
5、ChatGPT-4o GPTs生成流程图
6、实操练习
|
|
第二章
ChatGPT-4o辅助文献检索、总结与分析
|
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ChatGPT-4o 实现联网检索文献
3、利用ChatGPT-4o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）
4、利用ChatGPT-4o解读论文中的系统框图工作原理
5、利用ChatGPT-4o解读论文中的数学公式含义
6、利用ChatGPT-4o解读论文中图表中数据的意义及结论
7、实操练习
|
|
第三章
ChatGPT-4o辅助学术论文选题、创新点挖掘与实验方案设计
|
1、利用ChatGPT-4o分析指定领域的热门研究方向
2、利用ChatGPT-4o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
3、利用ChatGPT-4o评估指定改进思路的新颖性与已发表的类似工作
4、利用ChatGPT-4o进一步细化改进思路，凝练论文的选题与创新点
5、利用ChatGPT-4o给出具体的算法步骤，并自动生成算法的Python示例代码框架
6、利用ChatGPT-4o设计完整的实验方案与数据分析流程
7、 实操练习
|
|
第四章
ChatGPT-4o辅助学术论文开题与大纲生成
|
1、学员结合自身的研究方向，利用ChatGPT-4o辅助寻找自己拟写作论文的题目
2、利用ChatGPT-4o生成并优化论文的大纲与框架
|
|
第五章
ChatGPT-4o辅助学术论文写作马拉松活动介绍
|
1、活动流程、目标与期望成果
2、番茄钟时间管理法简介
3、基于番茄钟时间管理法的学术论文拆解，计算论文各个组成部分需要的番茄钟数，制定详尽的番茄钟写作计划
4、实操练习
|
|
第六章
ChatGPT-4o辅助写作摘要部分
|
目标： 撰写论文的【摘要】部分（500字左右）
时间： 两个番茄钟
写作方法： 参考提供的学术论文【摘要】部分的结构思维导图，利用提供的【摘要】模板和提示词模板，完成论文【摘要】部分的初稿（～10句话）。
|
|
第七章
ChatGPT-4o辅助写作引言部分
|
目标： 撰写论文的【引言】部分（1500字左右）
时间： 六个番茄钟
写作方法： 参考提供的学术论文【引言】部分的结构思维导图，利用提供的【引言】模板和提示词模板，完成论文【引言】部分的初稿。（～30句话）
|
|
第八章
ChatGPT-4o辅助写作Related Works部分
|
目标： 撰写论文的【Related Works】部分（1000字左右）
时间： 四个番茄钟
写作方法： 参考提供的学术论文【Related Works】部分的结构思维导图，利用提供的【Related Works】模板和提示词模板，完成论文【Related Works】部分的初稿。（～20句话）
|
|
第九章
Day 2总结与答疑讨论
|
1、梳理学员普遍存在的共性问题，并进行答疑指导
2、一对一辅导，解决写作过程中存在的问题
|
|
第十章
ChatGPT-4o辅助写作方法与原理部分
|
目标： 撰写论文的【方法与原理】部分（1000字左右）
时间： 四个番茄钟
写作方法： 参考提供的学术论文【方法与原理】部分的结构思维导图，利用提供的【方法与原理】模板和提示词模板，完成论文【方法与原理】部分的初稿。（～20句话）
|
|
第十一章
ChatGPT-4o辅助写作实验方案与结果部分
|
目标： 撰写论文的【实验方案与结果】部分（2000字左右）
时间： 八个番茄钟
写作方法： 参考提供的学术论文【实验方案与结果】部分的结构思维导图，利用提供的【实验方案与结果】模板和提示词模板，完成论文【实验方案与结果】部分的初稿。（～40句话）
|
|
第十二章
Day 3总结与答疑讨论
|
1、梳理学员普遍存在的共性问题，并进行答疑指导
2、一对一辅导，解决写作过程中存在的问题
|
|
第十三章
ChatGPT-4o辅助写作讨论部分
|
目标： 撰写论文的【讨论】部分（1500字左右）
时间： 六个番茄钟
写作方法： 参考提供的学术论文【讨论】部分的结构思维导图，利用提供的【讨论】模板和提示词模板，完成论文【讨论】部分的初稿。（～30句话）
|
|
第十四章
ChatGPT-4o辅助写作结论部分
|
目标： 撰写论文的【结论】部分（500字左右）
时间： 两个番茄钟
写作方法： 参考提供的学术论文【结论】部分的结构思维导图，利用提供的【结论】模板和提示词模板，完成论文【结论】部分的初稿。（～10句话）
|
|
第十五章
ChatGPT-4o辅助写作润色修改
|
1、通篇检查并修改论文的语法问题
2、通篇检查并修改论文的逻辑问题
3、通篇检查并修改论文的参考文献格式
4、论文的图、表及公式的优化
|
|
第十六章
Day 4总结与答疑讨论
|
1、梳理学员普遍存在的共性问题，并进行答疑指导
2、一对一辅导，解决写作过程中存在的问题
3、课程资源分享与总结
|
注：请提前自备电脑及安装所需软件。
往届学员反馈
视频课程系列推荐
名师指导
提供全套上课资料【课件、案例数据、代码、参考资料等】+课程长期有效+导师群长期辅助学习
生物科研服务
最新充值活动
GPT账号领取
扫码进入可联系管理员免费领取GPT账号！
联系方式
以上内容扫码咨询课程顾问
END
END
Ai尚研修 丨专注科研领域
技术推广，人才招聘推荐，科研活动服务
科研技术云导师，Easy Scientific Research
请到「今天看啥」查看全文
推荐文章
|
|
华尔街见闻 · 控不住的人口：北京上海人口还有增长空间么？ 8 年前 |
|
南国都市报 · “双11”买了“双12”又要买，男子忍无可忍打伤女友... 8 年前 |
|
热门视频集汇 · 图赏·你绝对没有见过如此精美的古兰首章《法提海》美图 8 年前 |
|
微路况 · 如何让泛黄的车漆恢复成像新车一样闪亮！ 7 年前 |
|
济宁潮事儿 · 呼吁国家全面铲除毛白杨，支持的转起来！！ 7 年前 |