随着人工智能技术的不断进步，AGI在环化生材领域的应用将越来越广泛，有助于提高环境科学领域的效率和可靠性，推动相关产业的发展。科研人员学习AGI大势所趋，AI即将是人手必会的工具。几乎每天都在使用这些工具来提升论文写作的质量。只要使用得当，我们的“小裁缝”也是能变成“小助理”滴。
（Nature子刊ChatGPT复现插图）
（ES&T环境顶刊发文）
为了帮助学员更早适应AGI使用技巧的提升，以及针对希望尝试借助AI处理特定复杂任务的学员，树谷特举办“ChatGPT在环境科学领域中的应用高级培训班”。招生对象考虑各种基础的用户，对学员学科背景为非AI专业的环境、食品和公共卫生等相关领域科研人员、专业技术人员和科技从业者，课程希望通过AI for Science的理念将未来AGI的发展模式传递给每一位学员。
2024年9月26日-9月29日 第1天报到，授课3天
现场地点：中国-天津；报名后，会务组会进行第二轮通知，发送详细地点及安排。
线上方式：腾讯会议；开课前会务组会提供房间号及密码(9月27日-29日上课)
培训简介
培训目标
一、深入理解当前最新型大型语言模型的工作原理和技术架构。
二、熟练ChatGPT的使用技巧,并用于论文写作、数据分析、项目开发等场景中。
三、掌握利用ChatGPT润色出发表水平的学术语料技巧，并撰写高水平的综述。
四、根据使用者不同的统计学和数据分析基础，量身定制大语言模型数据分析模式。
五、零代码基础完成Python项目开发，并在学员的科研场景中实践。
六、熟悉大语言模型在新污染物数智管控、环境风险评估、环境监测领域的实际应用。
七、熟悉大语言模型在环境领域的智能体构建，本地化部署，团队私有化环境问答系统构建。
培训讲师
程老师：中国科学院某研究所，副研究员，研究兴趣为复合污染和科学智能，研究方向为AGI在环境毒理学中的应用。近五年发表文章20余篇，其中多数发表在NI收录的环境科学顶级期刊上。
培训内容
本部分，学员将了解科学智能（AI for Science）的基本概念及其在基础学科中的成功案例，探讨AI的发展浪潮及在通用型人工智能时代AI技术对科研的变革。
1.1 课程概述
1.2 AI 在基础学科中的成功案例
1.3 人工智能的发展浪潮
1.4 通用型人工智能对科研的变革
1.5 如何使用大型语言模型
1.6 实战操作：GPT-4/4o 和 Claude-3的使用
本部分将介绍如何使用GPT插件进行数据分析、文献查询、流程图绘制等。学员将学习如何利用GPT插件进行全网引文撰写综述和自建引文综述，基于第三方GPT平台完成一篇文献综述；此外，介绍官网的MyGPT配置详情，并通过实战建立个性化功能的个人专属GPT。
2.1 使用GPT插件数据分析
2.2 文献查询和综述的GPT插件
2.3 GPT插件绘制流程图
2.4 实战操作：尝试和使用GPT商店插件
2.5 大语言模式的文献检索
2.6 全网引文撰写综述
2.7 自建引文综述
2.8 实战操作：完成一篇文献综述的撰写
2.9 简易实现私人GPT
2.10 创建和管理专业知识库
2.11 基于知识库的精准问答
2.12 实战操作：建立个性化的私人GPT
本部分整合了当前所有大语言模型相关研究的著名文章，介绍提示词的高阶使用技巧，使GPT进一步提升解决复杂问题的能力。参考当前全球提示词设计大赛的金奖提示词模版，学员可设计自己专属的提示词。
3.1 提示词的基本要素与组成
3.2 OpenAI官方提示词工程内容解读
3.3 思维链的概念和应用
3.4 自动思维链的实现
3.5 元思维链：更深层次的思考
3.6 自洽思维链的构建
3.7 实战操作：用思维链创建复杂问答
3.8 思维树的构建和应用
3.9 思维图谱的设计与使用
3.10 实战操作：利用GPT解决复杂问题的综合策略
3.11 金牌提示词框架
3.12 实战操作：建立专属提示词模版
本部分学员将学习如何开启AGI的学术写作专家模式，以提高在写作中的专业性和具体性。内容包括中英文互译和学术论文润色，包括语言与风格优化、扩写、缩写、降重与纠错。课程结合多场景随堂练习，如撰写高水平学术文章、基金与项目书、学位论文及教案与讲义。
4.1 开启GPT的学术写作专家模式
4.2 中英文互译：日常文书与科研写作
4.3 学术论文润色：语言与风格优化
4.4 学术论文润色：扩写、缩写、降重与纠错
4.5 学术论文润色：个性化提示词应用
4.6 实战操作：撰写高水平学术文章
4.7 实战操作：基金与项目书撰写
4.8 实战操作：学位论文撰写
4.9 实战操作：教案与讲义撰写
本部分根据不同学员在统计学和数据分析的基础，分别介绍了自然语言对话方式的数据处理模式和本地运行代码方式的数据分析。
5.1 在线Python终端数据分析
5.2 探索性数据分析策略详解
5.3 利用思维链进行个性化数据分析
5.4 零基础引导型数据分析
5.5 专家级指挥型数据分析
5.6 实战操作：基于Code Interpreter的数据分析与可视化
5.7 实战操作：本地Python和R语言的数据分析与可视化
5.8 实战操作：少样本学习思维链的分析模式
5.9 实战操作：多模态数据分析与可视化技术
本部分学员将学习模型训练数据的预处理方法、大语言模型的代码开发逻辑、迁移学习与模型选择技巧等。课程还包括实战操作，如零代码基础完成Python项目开发。
6.1 模型训练数据的预处理方法
6.2 模型代码开发逻辑
6.3 模型选择技巧
6.4 提示词技巧在代码撰写中的应用
6.5 生成式人工智能模式的脚本工程开发
6.6 实战操作：零代码基础完成Python项目开发
本部分学员将了解环境科学几类代表方向中对科学智能的应用现状，以最新顶级期刊发表文章为例，从技术原理角度解释AI在其中的重要作用，并基于此拓展到AGI的应用展望。
7.1 环境智能化监测
7.2 新污染物数智管控
7.3 环境污染防治和生态修复
7.4 环境过程数字模拟
7.5 区域生态风险
7.6 环境管理最优化决策
本部分学员将学会AGI数据分析模式，掌握各自研究领域中的数据现状，学习在如何独立完成数据分析策略构建，交互模式，并结合在线和本地Python的运行环境，获得符合研究目标的数据结果，凝练出结论。
8.1 环境数据特征
8.2 环境数据预处理策略
8.3 智能化分析概念和流程
8.4 AGI辅助的要素和人工监督
8.5 实战操作：环境污染物高通量细胞测试数据的分析和可视化
8.6 实战操作：污染物致毒通路转录组分析和表型注释
8.7 实战操作：高分辨质谱非目标分析数据挖掘
本部分学员将了解LLM的多模态学习模式，围绕环境数据中的数值、文本、图像等不同类型变量，设计模型堆栈，并形成集成解决方案。
9.1 多模态数据的概念和应用场景
9.2 机器学习模型训练概述
9.3 知识融合的模型堆叠
9.4 自然语言处理概述
9.5 知识表示和文本挖掘
9.6 计算机视觉概述
9.7 图网络分析方法
9.8 实战操作：基于知识图谱技术的环境模型设计
本部分聚焦于最优化策略的研究模式，通过精心设计提示词后，建立大模型智能体，设计研究方案，实现自动化多模态研究模式。
10.1 环境研究中的最优化问题
10.2 智能体大模型概述
10.3 智能体的部署和实现形式
10.4 多模态最优化模型
10.5 实战操作：环境问答系统设计和部署
颁发证书
学员福利
教学特色
报名咨询
联系方式：
或扫码添加会务胡老师微信咨询报名事宜。
报名截止
