1、流域生态系统水-碳-氮耦合过程模拟培训班
2、深度学习全景进阶：最新Python深度学习进阶与前沿应用高级培训班
3、最新第十期：AI助力CMIP6数据处理技术及在气候变化、生态农业、水文多领域实践应用培训班
4、基于R语言BIOMOD2 及机器学习方法的物种分布模拟与案例分析培训班
5、基于ChatGPT-4o自然科学研究全流程实践技术应用培训班
6、基于多技术融合的水文、生态、气候变化等地学领域科研及项目综合能力提升培训班
下拉查看每门课程详情
自然科学研究遵循严谨的科学方法论，包括文献调研、问题综述、试验设计、提出假设、数据清洗、统计诊断、大数据分析、经典统计模型（回归模型、混合效应模型、结构方程模型、Meta分析模型）、参数优化、机器/深度学习、大尺度模型构建与模拟、论文辅助阅读、论文写作、翻译、润色、审稿、科研绘图、GIS绘图、概念图绘制、项目基金撰写及润色等过程。以ChatGPT-4o代表AI大语言模型引领了新一波人工智能浪潮，也在自然科学各个过程中提升生产力，本课程通过生物、地球、农业、气象、生态、环境、GIS科学领域中的大量案例，结合数据、文本、图片、代码、语音、视频等不同形式的数据、模式和内容，讲解自然科研的全流程，通过大模型辅助编写Python和R语言代码以及大模型API二次开发等技术对案例进行实现，带领大家快速进入科研新范式。
科学领域中案例，解锁大模型在科研、办公中的高级应用，一起探索如何优雅地使用大模型。
一、组织机构
主办单位：尚研修（保定）信息科技有限公司
承办单位：陕西中科资环信息技术有限责任公司
二、培训时间及方式
每日授课：7月20日、27日 【晚19：30-22：00】、21日、28日全天授课
三、导师随行
1、建立导师助学交流群，长期进行答疑及经验分享，辅助学习及应用。
2、课程结束后不定期召开线上答疑交流，辅助学习巩固工作实践问题处理交流
四、往期回顾
五、课程内容
专题一、开启自然科学研究新范式
1、基于ChatGPT-4o开启科研新范式
1) 自然科学研究的主要流程
2) AI大模型的助力科研新范式
3) AI大模型的提问框架（提示词、指令）和专业级GPT store应用
案例1.1：开启大模型科研新范式
案例1.2：大模型助力自然科学的经典案例分析
案例1.3：经典高效的提问模板，提升模型效率
专题二、基于ChatGPT大模型的论文写作
2、科学论文写作全面提升
案例2.1：大模型论文润色中英文提问模板
案例2.2：使用大模型进行论文润色
案例2.3：使用大模型对英文文献进行搜索
案例2.4：使用大模型对英文文献进行问答和辅助阅读
案例2.5：使用大模型提取英文文献关键信息
案例2.6：使用大模型对论文进行摘要重写
案例2.7：使用大模型取一个好的论文标题
案例2.8：使用大模型写论文框架和调整论文结构
案例2.9：使用大模型对论文进行翻译
案例2.10：使用大模型对论文进行评论，辅助撰写审稿意见
案例2.11：使用大模型对论文进行降重
案例2.12：使用大模型查找研究热点
案例2.13：使用大模型对你的论文凝练成新闻和微信文案
案例2.14：使用大模型对拓展论文讨论
案例2.15：使用大模型辅助专著、教材、课件的撰写
专题三、基于ChatGPT大模型的数据清洗
3、数据清洗与特征工程
1) R语言和Python基础（能看懂即可）
2) 数据清洗方法（重复值、缺失值处理、异常值检验、标准化、归一化、数据长宽转换，数据分组聚合）
案例3.1：使用大模型指令随机生成数据
案例3.2：使用大模型指令读取各种类型的数据
案例3.3：使用大模型指令进行原始数据进行清洗、切片、筛选、整合
案例3.4：使用大模型指令对农业气象数据进行预处理
案例3.5：使用大模型指令对生态数据进行预处理
专题四、基于ChatGPT大模型的统计分析
4、统计分析与模型诊断
1) 统计假设检验
2) 统计学三大常用检验及其应用场景
3) 方差分析、相关分析、回归分析
案例4.1：使用大模型对生态环境数据进行正态性检验、方差齐性检验
案例4.2：使用大模型进行t检验、F检验和卡方检验
案例4.3：使用大模型对生态环境数据进行方差分析、相关分析及回归分析
专题五、基于ChatGPT的经典统计模型
5、经典统计模型（混合效应模型、结构方程模型、Meta分析）构建
案例5.1：基于AI辅助构建的混合线性模型在生态学中应用
案例5.2：基于AI辅助的全球尺度Meta分析、诊断及绘图
案例5.3：基于AI辅助的生态环境数据结构方程模型构建
专题六、基于ChatGPT的优化算法
6、模型参数及目标优化算法
案例6.1：最小二乘法对光合作用模型参数优化
案例6.2：遗传算法、差分进化算法对光合作用模型参数优化
案例6.3：贝叶斯定理和贝叶斯优化算法对机理模型参数优化
案例6.4：蒙特拉罗马尔科夫链MCMC对动力学模型进行参数优化
专题七、基于ChatGPT大模型的机器学习
7、机器/深度学习在科研中的应用
1) 机器/深度学习
2) 线性代数基础、特征值和特征向量
3) 机器学习监督学习（回归、分类）、非监督学习（降维、聚类）
4) 特征工程、数据分割、目标函数、参数优化、交叉验证、超参数寻优
5) 主成分分析、LDA、NMS、T-SNE、UMAP、Kmeans、Agglomerative、DBSCAN
6) 支持向量机、决策树、随机森林、XGBoost、AdaBoost、LightGBM、高斯过程
7) 深度学习算法（神经网络、激活函数、交叉熵、优化器）
8) AI大模型的底层逻辑和算法结构（GPT1-GPT4）
9) 卷积神经网络、长短期记忆网络（LSTM）
案例7.1：使用大模型指令构建回归模型（多元线性回归、随机森林、XGBoost、LightGBM等）
案例7.2：使用大模型指令构建分类模型（支持向量机、XGBoost等）
案例7.3：使用大模型指令构建降维模型
案例7.4：使用大模型指令构建聚类模型
案例7.5：使用大模型指令构建卷积神经网络进行图像识别
案例7.6：使用大模型指令构建LSTM模型进行气象环境时序预测
专题八、ChatGPT的二次开发
8、基于AI大模型的二次开发
案例8.1：基于API构建自己的本地大模型
案例8.2：基于构建的本地大模型实现ChatGPT功能、模型评价和图像生成
案例8.3：ChatGPT Store构建方法
专题九、基于ChatGPT大模型的科研绘图
9、基于AI大模型的科研绘图
1) 使用大模型进行数据可视化
案例9.1：大模型科研绘图指定全集
案例9.2：使用大模型指令绘制柱状图（误差线）、散点图、相关网络图、热图、小提琴图、箱型图、雷达图、玫瑰图、气泡图、森林图、三元图、三维图等各类科研图
案例9.3：使用大模型指令对图形进行修改
案例9.4：使用大模型对任务一类科研绘图的制作流程
专题十、基于ChatGPT的时空大数据分析
10、基于ChatGPT的时空大数据分析应用
1) R语言和Python空间数据处理主要方法
2) 基于AI大模型训练降尺度模型
3) 基于AI大模型处理矢量、栅格数据
4) 基于AI大模型处理多时相netCDF4数据
案例10.1：使用大模型对矢量、栅格等时空大数据进行处理
案例10.2：使用大模型处理NASA气象多时相NC数据
案例10.3：使用大模型绘制全球植被类型分布图
案例10.4：使用大模型栅格数据并绘制全球植被生物量图
案例10.5：使用大模型处理遥感数据并进行时间序列分析
案例10.6：使用不同插值方法对气象数据进行空间插值
案例10.7：使用大模型使用机器学习聚类分析及气候空间分区
案例10.8：使用大模型构建机器学习模型进行大尺度空间预测
专题十一、基于ChatGPT大模型的项目基金助手
11、基于AI大模型的项目基金助手
1) 基金申请讲解
2) 基因评审重点
案例11.1：使用大模型进行项目选题和命题
案例11.2：使用大模型进行项目书写作和语言润色
案例11.3：使用大模型进行项目书概念图绘制
专题十二、基于大模型的AI绘图
12、基于大模型的AI绘图
1)GPT DALL.E、Midjourney等AI大模型生成图片讲解
2)AI画图指令套路和参数设定
案例13.1：使用大模型进行图像识别
案例13.2：使用大模型生成图像指令合集
案例13.3：使用大模型指令生成概念图
案例13.4：使用大模型指令生成地球氮循环概念图
案例13.5：使用大模型指令生成土壤概念图
案例13.6：使用大模型指令生成病毒、植物、动物细胞结构图
案例13.7：使用大模型指令生成图片素材，从此不再缺图片素材
注：以上各章节内容均有代码及数据分析实操。
内容聚焦于数据处理与分析、气候变化研究、生态系统服务管理、土地利用变化及其影响评估、空间数据的自动化处理与分析等前沿研究领域。学员将学习如何获取和处理矢量数据、栅格数据、气象数据、土地利用数据、生态环境数据等多维数据，掌握气候变化预测与干旱特征研究的关键技术，了解生态系统服务权衡与协同关系的分析方法，科学评估土地利用变化对生态环境和社会经济的影响，并实现数据处理的自动化。同时结合ChatGPT进行文献搜索、热点分析、研究报告撰写，学员将能够大幅提升科研工作的效率和质量。我们诚挚邀请您参加此次培训，共同探索和推进科研技术的发展与应用，实现更高水平的科研成果。现通知如下：
一、课程时间及方式
8月22日-26日 线上直播
二、课程内容
课程安排 | 学习内容 |
专题一 工作环境ArcGIS Pro能力提升 | 1.1 ArcGIS Pro介绍 1.2 ArcGIS Pro界面介绍 1.3 项目和文件管理 1.3 添加和管理图层 1.4 数据符号化和分类 1.5 地图布局和设计 1.6 图例、比例尺和指北针 1.7 经纬网格等高级制图 |
专题二 海量空间数据下载、读取及处理 | 2.1 多类型空间数据（矢量、栅格、多维等） 2.2 地理数据库（geodatabase）与空间数据管理 2.3 常用空间数据的来源与下载方法 2.4 ChatGPT辅助数据的选择与下载 2.5 社会经济及生态环境统计数据下载与处理 2.6土地数据（30米、500米、逐年，等）下载与处理 2.7 气象数据（站点数据、CMIP6数据、GLDAS等）下载与处理 2.8 DEM数据（15米、30米、90米，等）下载与处理 2.9 全球土壤数据下载与处理 2.10 空间数据的处理（数据转化、投影变换、融合与裁剪，等） |
专题三 Python语言实现空间数据自动化处理 | 3.1 ArcGIS Pro自动化处理方法 3.2 Python语言基础 3.3 案例1：Python实现ArcGIS Pro批处理 3.4 案例2：Python实现ArcGIS Pro自动化处理 3.5 案例3：Python实现实现数据的裁剪与投影变换 |
专题四 空间数据热点分析与空间关系建模 | 4.1 空间分区统计分析 4.2 统计数据及地图数据采集与处理 4.2 度量地理分布：标准距离、平均中心等 4.3 空间自相关分析：全局莫兰指数 4.4 空间聚类分析：局部莫兰指数，热点分析 4.5 空间关系建模：地理加权回归 |
专题五 基于DEM数据的水文分析与淹没风险分析 | 5.1 DEM数据的获取与处理 5.2 基于DEM的表面分析：坡度、坡向，等 5.3 基于DEM的水文分析： 河网、盆域、集水区、坡降 5.4 基于DEM数据的淹没分析 5.5 基于DEM数据的水库库容计算 |
专题六 土地利用变化下城市用地适宜性评价 | 6.1 土地利用数据获取与处理 6.2 土地利用的分类提取：重分类、 栅格转矢量、融合处理 6.3 土地利用预测 6.4 土地利用变化分析——迁移矩阵 6.5 基于土地利用的人类活动强度分析 6.6 城市用地适宜性评价 |
专题七 未来气候变化下的干旱特征研究 | 7.1 气象数据获取与处理 7.2 气象数据变化分析 7.3 未来气候数据CMIP6数据处理与分析 7.4 CMIP6气候数据统计降尺度 7.5 基于CMIP6的干旱特征研究 |
专题八 基于GPS定位的空间数据插值分析 | 8.1 区域采样数据设计：矢量渔网构建 8.2 excel表记录的GPS点位数据空间显示 8.3 空间插值分析：反距离权重法、克里金法 8.5 插值结果的提取与分析 8.6 插值结果的统计分析 |
专题九 基于InVEST模型的遥感碳排放研究 | 9.1 InVEST模型介绍 9.2 遥感数据的获取与处理 9.3 ENVI软件土地利用解译 9.4 基于InVEST模型的遥感碳排放 |
专题十 生态系统服务权衡协同关系及其时空异质性 | 10.1 生态系统服务研究框架 10.2 生态系统服务数据制备 10.3 地理加权逻辑回归（GWLR）模型 |
专题十一 CHATGPT提升项目科研效率和水平 | 11.1 ChatGPT简介 11.2 ChatGPT可以做什么？ 11.3 ChatGPT使用演示 11.4 prompt介绍 11.5 ChatGPT文献搜索、文献分析、总结热点、撰写大纲 11.6 ChatGPT数据分析及撰写研究报告 |
专题十二 项目提升与论文写作 | 12.1 有限数据下如何提升项目水平 12.2 “八股文”式SCI论文框架解析 12.3 有限数据下如何确定好的论文主题 12.4 如何有效回复审稿意见 12.5 ChatGPT辅助论文写作 |
三、联系方式
联系人：杨帆老师 15383229128 微信同号
四、其它热门课程
五、相关视频课程
| 陆面生态水文模拟与多源遥感数据同化的实践技术应用 | |
| 9 | |
声明： 本号旨在传播、传递、交流，对相关文章内容观点保持中立态度。涉及内容如有侵权或其他问题，请与本号联系，第一时间做出撤回。
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
