于 2023 年 12 月 13 日,《Nature》揭晓了其年度十大人物,而引人瞩目的是第 11 位竟然是一位「非人类」成员,即 ChatGPT。这标志着 ChatGPT 以及其他生成型人工智能程序正在深刻地塑造科学家的工作模式。
图源Nature
Nature 观察到,AI 已经不再仅仅是一项技术工具,而是已经深刻地影响了科学研究的方方面面,包括课题设计、研究操作、数据分析以及论文撰写等多个层面。
《Nature》十大人物
1.Kalpana Kalahasti: To the Moon
2.Marina Silva: Amazon protector
3.Katsuhiko Hayashi: Rewiring reproduction
4.Annie Kritcher: Fusion igniter
5.Eleni Myrivili: Warming warden
6.Ilya Sutskever: AI visionary
7.James Hamlin: Superconductivity sleuth
8.Svetlana Mojsov: Unsung drug developer
9.Halidou Tinto: Malaria fighter
10.Thomas Powles: Cancer explorer
本次公众号文章主要包含以下培训课程:
各相关单位:
主办单位:
中国智慧工程研究会职业发展规划工作委员会
承办单位:
中科软研(北京)科学技术有限公司、北京富卓佰扬科技有限公司
1.能够使用ChatGPT完成医学论文撰写、修改论文及工作报告,提供写作能力及优化工作,提升您的写作能力及提出优化方案;2.掌握AI在医学领域的应用:深入理解各类AI模型,如ChatGPT/GPT4,Claude3,Gemini,CNN,LSTM等,及其在医学研究和临床实践中的具体应用;3.技能提升:通过实战演练掌握使用AI工具处理医学影像、生物数据分析、疾病预测等医学问题的能力;4.编程与数据分析能力:掌握如何使用Python和相关的数据科学库进行医学数据的编程处理和分析;5.研究能力增强:获得使用AI技术进行医学研究和撰写科学论文的实践经验;6.创新思维:培养利用AI解决复杂医学问题的创新思维和解决方案开发能力;7.职业发展:为从事医学研究、临床应用和医学数据分析的职业生涯提供技术支持和知识储备。
大章节 | 小章节 |
第一章:2024年AI在医学中的应用介绍及实操 | 1.OpenAI最新模型-GPT4o介绍 2.GPT4o与ChatGPT3.5区别 3.国外大语言模型Claude3,Gemini,LLama3技术详解 4.国内大语言模型文心一言,通义千问,Kimi,智谱清言,星火认知使用介绍。 5.GPT4o的各种插件应用介绍 6.AI工具与科研应用的结 |
第二章:大语言模型(LLM)Prompt提示词高级使用技巧 | 1.大语言模型和搜索引擎的区别 2.PromptEngineering提示词工程介绍 3.(课堂动手练习)技巧1:角色扮演 4.(课堂动手练习)技巧2:使用不同的语气 5.(课堂动手练习)技巧3:给出具体任务 6.(课堂动手练习)技巧4:利用上下文管关联的特点 7.(课堂动手练习)技巧5:零样本思维链提示-提高模型逻辑推理能力 8.(课堂动手练习)技巧6:多样本思维链提示-提升模型模仿能力 9.(课堂动手练习)技巧7:自洽性-提升模型数学能力 10.(课堂动手练习)技巧8:生成知识提示-提升模型知识水平 11.如何写好一篇论文的提示词 12.如何与AI交流医学相关科研问题 |
第三章:AI在医学教学/研究中的应用实战案例 | 1.(课堂动手练习)使用AI进行医学文献翻译 2.(课堂动手练习)使用AI生成临床研究的数据表 3.(课堂动手练习)使用AI识别医学图像中的公式并保存 4.(课堂动手练习)使用AI将医学研究文章中的数据整理成表格 5.(课堂动手练习)使用AI帮你进行用户评论分类 6.(课堂动手练习)使用AI协助撰写医学工作报告 7.(课堂动手练习)使用AI快速生成选择/填空/问答/判断题 |
第四章:AI辅助医学论文搜索与阅读 | 1.(课堂动手练习)利用AI进行医学论文搜索 2.(课堂动手练习)医学论文拓展平台使用 3.(课堂动手练习)最好用的AI医学论文阅读交流神器介绍 4.(课堂动手练习)RAG检索增强生成在医学领域的应用 5.(课堂动手练习)利用AI进行医学论文阅读总结交流 6.(课堂动手练习)最好用的AI医学论文翻译神器介绍 7.(课堂动手练习)利用AI对医学论文中的公式和图表讲解 |
第五章:AI辅助医学论文写作ABCD模型(通用方法论) | 1.(课堂动手练习)【A模式】AI直接写医学论文(给定框架或者不给定框架) 2.(课堂动手练习)【B模式】投喂式写作(指定引用医学文献的写作) 3.(课堂动手练习)【C模式】模仿式写作(指定范文,给出医学观点,套用格式) 4.(课堂动手练习)【D模式】连接医学论文数据库进行写作(搜索相关医学论文,参考相关内容) |
第六章:让AI成为您的医学论文写作助手 | 1.(课堂动手练习)利用AI生成医学论文选题 2.(课堂动手练习)利用AI辅助医学论文大纲撰写 3.(课堂动手练习)利用AI辅助写医学论文摘要 4.(课堂动手练习)利用AI辅助写医学论文前言 5.(课堂动手练习)利用AI辅助写医学技术方法 6.(课堂动手练习)利用AI辅助描述医学实验数据 7.(课堂动手练习)利用AI辅助进行医学数据分析 8.(课堂动手练习)利用AI辅助写医学论文结论 9.(课堂动手练习)利用AI进行医学论文写作翻译 10.(课堂动手练习)利用AI帮你生成完整的医学文献综述(附带真实参考文献) 11.(课堂动手练习)AI写作过程中自动标注医学参考文献的2种方法 |
第七章:AI辅助医学科研论文优化 | 1.(课堂动手练习)利用AI辅助中英文医学论文润色 2.(课堂动手练习)利用AI辅助医学论文润色并生成表格对比润色效果 3.(课堂动手练习)利用AI进行医学论文降重的2种方案 4.(课堂动手练习)利用AI提出医学论文审稿意见和具体修改方案 5.(课堂动手练习)如何判别医学文章是不是AI生成 6.(课堂动手练习)如何避免AI生成的医学文章被检测 |
第八章:AI在医学科研绘图中的应用 | 1.(课堂动手练习)根据本地医学数据绘制散点图,折线图,柱状图,饼图等 2.(课堂动手练习)绘制不同医学特征之间的相关系数图 3.(课堂动手练习)绘制不同医学数据特征的多变量联合分布图 4.(课堂动手练习)绘制医学数据缺失值可视化图 5.(课堂动手练习)绘制不同医学模型算法的结果对比图 6.(课堂动手练习)绘制医学模型算法的ROC曲线图 7.(课堂动手练习)绘制医学特征重要性排序图 8.(课堂动手练习)其他各种医学图像的AI自动绘图方法 |
第九章:SCI医学论文解读及写作 | 详细解读几篇经典SCI医学论文。 ChatGPT应用:将医学科研项目中的数据处理、分析、建模和可视化成果转化为学术论文,并利用ChatGPT优化医学论文写作流程。 数据处理 描述:详述医学数据预处理、清洗和转换步骤。 ChatGPT应用:生成数据处理部分的文本描述,确保术语准确。 建模方法 描述:阐明医学模型选择、训练过程和参数优化。 ChatGPT应用:帮助撰写模型选择和优化策略的逻辑论述。 结果可视化 描述:展示关键医学图表,如准确率和ROC曲线,并解释其意义。 ChatGPT应用:生成图表的描述和解释,简洁明了。 成果讨论 描述:分析医学模型表现,讨论其在相关领域的应用潜力。 ChatGPT应用:生成对模型结果的深入讨论和潜在应用的描述。 论文撰写 ChatGPT应用:辅助撰写医学论文各部分,包括摘要、引言和结论,提高写作效率。 |
第十章:AI的拓展应用 | 1.(课堂动手练习)使用AI工具自动创建医学教育PPT 2.(课堂动手练习)使用AI工具根据医学研究文章内容创建PPT 3.(课堂动手练习)使用AI工具快速产出医学科普短视频 |
第十一章:定制自己的GPTs应用 | 1.(课堂动手练习)热门的自定义GPTs使用介绍 2.(课堂动手练习)通过聊天交流的方式制作针对医学领域的GPTs 3.(课堂动手练习)通过自定义的方式制作医学研究专用GPTs 4.(课堂动手练习)GPTs的3种分发方式 5.(课堂动手练习)GPTs的action功能介绍 6.(课堂动手练习)论文改进专家(GTPs) 7.(课堂动手练习)论文搜索(GTPs) 8.(课堂动手练习)论文写作(GTPs) |
第十二章:GPT-4o功能详解 | 1.(课堂动手练习)GPT-4o不同情绪的语音功能介绍 2.(课堂动手练习)GPT-4o联网功能介绍 3.(课堂动手练习)GPT-4o图像识别能力详细解析 4.(课堂动手练习)GPT-4o识别统计分析图并生成对应画图的代码 5.(课堂动手练习)GPT-4o识别图片中的表格数据并保存 6.(课堂动手练习)GPT-4o识别图片中的公式并进行编辑 7.(课堂动手练习)利用GPT-4o完成全自动数据分析、绘图、建模 8.(课堂动手练习)利用GPT-4o连接论文数据库 |
第十三章:最新绘图工具DALL-E3的医学绘图应用 | 1.(课堂动手练习)DALL-E3模型介绍2.(课堂动手练习)DALL-E3与GPT4结合使用 3.(课堂动手练习)DALL-E3中文提示词的使用 4.(课堂动手练习)DALL-E3根据上下文内容修改图片 5.(课堂动手练习)DALL-E3在图像中生成特定文字 6.(课堂动手练习)DALL-E3绘图结果的不断优化 |
第十四章:不会写代码也能成为医学领域编程高手 | 1.(课堂动手练习)利用AI实现某一特定功能的程序 2.(课堂动手练习)利用AI对代码进行解释 3.(课堂动手练习)利用AI进行代码纠错及修改 4.(课堂动手练习)利用AI回答代码疑问 5.(课堂动手练习)利用AI帮你优化代码 6.(课堂动手练习)利用AI读取本地医学数据然后写代码 7.(课堂动手练习)利用AI帮你提供完整项目代码并不断修正代码 8.(课堂动手练习)自动化AI编程助手介绍 |
第十五章:python基础学习 | 1.python的应用场景 2.(课堂动手练习)python环境安装配置 3.(课堂动手练习)print使用 4.(课堂动手练习)运算符和变量 5.(课堂动手练习)循环 6.(课堂动手练习)列表元组字典 7.(课堂动手练习)if条件 8.(课堂动手练习)函数 9.(课堂动手练习)模块 10.(课堂动手练习)类的使用 11.(课堂动手练习)文件读写 12.(课堂动手练习)异常处理 |
第十六章:科学计算模块Numpy和绘图模块Matplotlib学习 | 1. (课堂动手练习)numpy的属性 2. (课堂动手练习)创建array 3. (课堂动手练习)numpy的运算 4. (课堂动手练习)随机数生成以及矩阵的运算 5. (课堂动手练习)numpy的索引 6. (课堂动手练习)Matplotlib基础用法 7. (课堂动手练习)figure图像 8. (课堂动手练习)设置坐标轴 9. (课堂动手练习)legend图例 10. (课堂动手练习)scatter散点图 |
第十七章:人工智能概念详解 | 1.人工智能/机器学习/神经网络/深度学习 2.训练集/验证集/测试集介绍 3.监督学习/无监督学习/自监督学习 4.分类应用/回归应用/聚类应用 5.人工智能各种常见应用 6.AI算法是如何进行训练的 7.深度学习常用架构介绍 |
第十八章:数据特征工程 | 1.特征工程的意义 2.缺失值填充方法 3.数字类型特征处理 4.多值有序特征和多值无序特征处理 5.特征筛选方法 6.数据标准化和归一化处理 |
第十九章:机器学习常用算法 | 1.各种回归算法介绍与使用 2.各种分类算法介绍与使用 3.各种聚类算法介绍与使用 4.LightGBM算法介绍与使用 5.所有的机器学习算法使用技巧总结分析 6.(课堂动手练习)使用回归算法完成医学成本预测 7.(课堂动手练习)使用多种算法完成乳腺癌预测 |
第二十章:糖尿病预测案例在科研论文中的应用(课堂动手练习) | 1.相关论文内容解读,并分析该项目如何应用于论文写作 2. 项目简介 - 目标定义:开发一个预测糖尿病的机器学习模型,基于患者的医疗指标数据来预测其是否患有糖尿病 3. 数据预处理 - 数据加载:载入糖尿病数据集,并初步查看数据结构和基本统计信息 - 数据清洗:识别并处理数据集中的异常值和缺失值。使用适当的方法填充缺失值(例如,均值填充) - 特征工程:分析各特征与糖尿病结果的关系。选择合适的特征进行模型训练 4. 探索性数据分析 - 利用Seaborn的pairplot绘制不同特征之间的关系 - 绘制热力图分析特征之间的相关性 5. 模型构建与训练 - 选择模型:选择多个分类算法(如K-近邻、逻辑回归、神经网络、决策树、随机森林等)进行比较 6. 模型评估与优化 - 结果可视化:使用条形图展示不同模型的性能比较 - 模型解释:使用SHAP值解释模型的预测结果,以了解哪些特征对模型预测结果影响最大 7. 项目总结 - 评估模型表现:综合评估模型的准确性和可解释性 - 讨论与改进:基于模型表现,讨论可能的改进方法和实际应用中的潜在挑战 |
第二十一章:深度学习算法基础 | 1.单层感知器 2.激活函数,损失函数和梯度下降法 3.BP算法介绍 4.梯度消失问题 5.多种激活函数介绍 |
第二十二章:深度学习算法-卷积神经网络CNN应用 | 1.CNN卷积神经网络 2.卷积的局部感受野,权值共享介绍。 3.卷积的具体计算方式 4.池化层介绍(均值池化、最大池化) 5.same padding和valid padding介绍 6.LeNET-5卷积网络介绍 7.(课堂动手练习)医学识别案例 |
第二十三章:深度学习算法-长短时记忆网络LSTM应用 | 1.RNN循环神经网络介绍 2.RNN具体计算分析 3.长短时记忆网络LSTM介绍 4.输入门,遗忘门,输出门具体计算分析 5.堆叠LSTM介绍 6.双向LSTM介绍 7.(课堂动手练习)使用LSTM进行医学时间序列数据的分析 |
第二十四章:基于深度学习模型的图像识别(医学影像案例) | 1.VGG16模型详解 2.ResNet模型详解 3.EfficientNet模型详解 4.(课堂动手练习)下载训练好的1000分类图像识别模型 5.(课堂动手练习)使用训练好的图像识别模型进行各种图像分类 6.(课堂动手练习)使用迁移学习训练疟疾细胞图像分类模型 |
第二十五章:医学领域中的AI项目汇总介绍 | 1.甲状腺图像分级 目标:开发一个深度学习模型,基于图像数据自动对甲状腺病变进行分级。 技术:使用预训练CNN模型和自定义顶层网络进行图像分类。 成果:模型能有效区分不同级别的甲状腺病变,并在测试集上表现出高准确率。 2.糖尿病预测项目 目标:利用机器学习算法预测个体是否将发展成糖尿病,基于患者的医疗指标数据。 技术:应用多种机器学习分类算法,并通过交叉验证方法评估模型性能。 成果:选定最佳模型,实现高准确率预测,并对模型预测结果提供解释。 3.心脏病预测项目 目标:使用临床数据预测个体是否患有心脏病。 技术:数据预处理,特征工程,和多模型评估。 成果:建立了具有良好准确率和解释性的预测模型。 4.乳腺癌预测项目 目标:开发一个模型预测乳腺癌的可能性,基于患者的医疗指标。 技术:分析数据,选择合适的机器学习算法进行模型训练。 成果:模型能够以高准确性预测乳腺癌,帮助早期诊断。 5.基因序列能量预测 目标:预测蛋白质结构的能量,基于其氨基酸序列。 技术:利用深度学习模型如LSTM处理序列数据。 成果:模型准确地预测蛋白质结构能量,助力生物医学研究。 |
辅助课程 | 1.课程总结及技术发展展望。 2.建立信群答疑群(课后提供终身免费答疑,提供一对一答疑) 3.配备AIGC/GPT/AI绘图/等教材,课后逐步提高能力。 |
A类:可获得中科软研(北京)科学技术中心颁发的课程结业证书;
B类:可获得教育部主管下属机构颁发的高级《医疗大模型应用开发工程师》专业技术人才职业技能证书,纳入委员会数据库,全国通用可查;
C类:可获得工信部颁发的高级《人工智能应用工程师》职业技能证书,该证书可作为专业技术人员职业能力考核的证明,以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据,官网可查。
如需具体的红头文件培训通知,请联系我们获取,可开发票,方便报销。
报名咨询联系人:刘昊(刘老师)
课程二: