注：转发这个文章到朋友圈，积赞30个（设置全部人可见）“或”发送至满100人的学术、技术或学校交流群内，保留一天，添加下方微信，领取15天 ChatGPT Plus 会员账号，国内直连，不需要梯子。（15天内不限次数）
我今天要为大家分享一篇来自《Nature》杂志的重磅文章。《Nature》刊发的专栏文章《Three ways ChatGPT helps me in my academic writing》引发了学界广泛关注。
作为《Personality and Individual Differences》和《Psychology of Leaders and Leadership》两大期刊的资深编辑，作者Dritjon Gruda教授深入分享了他在学术写作中运用ChatGPT的三个实用策略。
特别值得一提的是，从最初的论文撰写，到同行评审过程，再到编辑反馈环节 - AI工具都可以在学术写作全周期中发挥独特作用。这种全方位的辅助让学术创作更加高效和精准。如需具体提示词可以点击蓝色字体查看：点击提示词（点击提示词蓝色字体）
如需购买GPT账号，点击上图
国内外最强大语言模型：ChatGPT是人工智能技术驱动的自然语言处理工具，它能够基于在预训练阶段所见的模式和统计规律，来生成回答，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能高效完成科研应用、论文写作、信息检索、论文润色、国自然基金和国社科基金撰写、助力顶刊、创意灵感、写作翻译、图片生成、科研绘图、代码自动生成、成果发表、课题申报、邮件、脚本、文案、翻译、数据分析和复杂计算等任务，它的表现可以达到博士生甚至专家水平，能够轻松处理具有挑战性的基准任务。未来，随着人工智能技术的不断发展，ChatGPT将在各个领域发挥更大的作用，为人类进步做出贡献，然而，作为新兴的技术，该领域知识面广，门槛高，相关资料和学习平台相对匮乏，在这种情况下，培训学习显得尤为迫切。强烈建议大家学一学！！
随着ChatGPT/GPT4等大语言模和Midjourney、StableDiffusion等AI绘图工具的问世，2024年我们进入了AI4.0时代。微软创始人比尔盖茨称ChatGPT的出现有着重大历史意义，不亚于互联网和个人电脑的问世。自ChatGPT开发者大会发布以来，其强大的信息整合和对话能力震惊了世界，以ChatGPT为代表的人工智能生产内容技术（简称AIGC）浪潮引起了广泛关注。本次专门为科研人员设计的GPT课程，致力于提升论文写作效率和科研能力，通过全面介绍和实操训练最新的人工智能模型如GPT及其他前沿技术，使学员能够在科研和学术写作中取得显著成效。课程内容丰富，课程涵盖了从文献自动检索到论文内容的自动生成，以及专业的论文润色技巧，极大提升了写作的速度和质量，课程深入讲解如何利用AI工具进行复杂数据的分析处理，从而帮助科研人员在数据洪流中快速定位关键信息，发掘数据背后的科学问题和解决方案，加速科研创新过程。我们还将探讨如何有效地与AI系统交流，以获取最准确的科研指导和支持，这在处理复杂或跨学科的科研问题时显得尤为重要。通过实际操作演练，课程不仅帮助学员掌握具体技能，还将提供策略和技巧，使学员能够更好地应用这些工具解决实际问题。无论是在撰写科研论文，还是在进行科学研究与数据分析时，我们的课程还包含了GPT最新的技术，我们将介绍OpenAI的o1模型，具备增强的推理能力和慢思考特性，能够有效支持科研人员处理复杂科学问题和技术挑战。此外，我们还将讲解Canvas功能，这是一种为协作写作和编程设计的界面，帮助用户追踪和理解代码变化，提升调试和修改的透明度。通过Canvas，学员可以学习自动生成代码、进行错误检测及修复，从而提高数据处理和论文撰写的效率。本课程都旨在让科研人员能够更加自如地运用AI技术，提高科研效率，加强论文的竞争力和影响力。中国智慧工程研究会联合中科软研（北京）科学技术中心（www.fzby.org.cn）举办“第二十五届ChatGPT/GPT-4科研应用、论文写作、课题申报、数据分析与AI绘图实战培训班” 现通知如下：
一、组织机构
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
二、培训时间及方式
第一场：
2024年12月27日—12月29日
广州站+线上直播（腾讯会议）
第二场：
2025年01月10日—01月12日
北京站+线上直播（腾讯会议）
第三场：
2025年01月20日—01月22日
上海站+线上直播（腾讯会议）
注：三场课程内容一样，根据自己情况选择报名其中一场即可，现场及线上直播同步进行，不方便到现场的学员，可以线上参加，名额有限，请尽快与我们联系报名，预留名额。
三、培训特色及收获
特色：1.【福利】赠送每人1个GPT4o、4.0、o1 Plus会员账号，没有使用次数限制，不需要翻墙。2.倡导“安全，绿色”上网，全程采用国内直连的ChatGPT官网平台，网站界面，使用方式，所有功能与国外ChatGPT官网完全一致。讲解不需要付费，不需要充值的GPT-4账号，可使用GPT-4o、Claude3 Opos, Google Gemini等主流大模型，以及GPT-4的学术相关插件；3.赠送一个可以终身免费使用ChatGPT普通账号（需要魔法）；4.针对实际SCI论文进行解读分析，详细讲解如何结合ChatGPT进行SCI论文写作；5.课程内容的90%以上为实际案例操作，深度剖析ChatGPT在科研学术中的最佳应用；6.本培训提供永久答疑服务。课后实践学习的过程中遇到问题，可以随时找老师进行交流；7.参加本次培训后，后期相同的培训本人可终身免费参加；8.前30位报名赠送往届培训视频及资料； 9.培训结束后提供完整的培训视频回放。
收获：1.了解AI的底层算法和原理，最新动态及产业发展，全面、深度的了解ChatGPT与人工智能生成内容(AIGC)核心技术要素、产业现状、发展趋势与机遇；2.提升论文写作效率：学习如何利用GPT自动化文献搜索和论文写作，大幅提升写作速度及质量，修改科研论文及工作报告，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；3.增强数据分析技能：通过GPT进行高级数据分析，使科研人员能更深入分析数据，加速科研发现。4.优化科研问题解决：掌握与GPT交流，有效获取科研信息和解决方案，提高问题解决效率。5.提高论文创新性和影响力：使用GPT增加论文的创新点和理论深度，提升学术影响力。6.提高各种AI绘图工具的使用：掌握生成各种类型的科研绘图。学会使用各种新的AI工具，提高工作效率。
四、往届回顾
点击下方图片可放大观看（部分）
五、培训专家
中国科学院、清华大学等科研机构的高级专家，人工智能领域一线实战专家，10年人工智能项目开发经验，8年人工智能行业培训经验。喜欢理论与实践相结合的教学风格，课程编排由浅入深，体系清晰完整。主持完成过多项国家及企业重大项目，拥有20项专利，出版人工智能相关书籍3本，曾给学校、医院、企业、气象局等单位完成过多项人工智能相关项目。受邀为中国移动、中国电信、中国银行、华夏银行、太平洋保险、国家电网、中海油、格力电器等包括世界五百强在内的多家高校及企业做人工智能技术企业内训。业内顶尖IT培训平台30万学员好评率99%；
六、培训内容
大章节 | 小章节 |
第一章：2024年AI领域最新发展介绍 | 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合 |
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GPT交流科研问题 |
第三章：GPT在教学/科研中的应用实战案例 | 1.（课堂动手练习）使用GPT进行文献翻译 2.（课堂动手练习）使用GPT生成临床研究的数据表 3.（课堂动手练习）使用GPT识别公式并保存 4.（课堂动手练习）使用GPT将文章中的数据整理成表格 5.（课堂动手练习）使用GPT帮你进行文章内容分类 6.（课堂动手练习）使用GPT协助撰写工作报告 7.（课堂动手练习）使用GPT快速生成选择/填空/问答/判断题 |
第四章：让GPT成为你的工作秘书 | 1.（课堂动手练习）让GPT帮你整理文章数据 2（课堂动手练习）让GPT帮你进行数据处理 3.（课堂动手练习）让GPT帮你进行用户评论分类 4.（课堂动手练习）让GPT帮你优化工作总结 5.（课堂动手练习）使用GPT改进你的产品或服务 6.（课堂动手练习）使用GPT分析不同产品的差异 7.（课堂动手练习）向GPT寻求商业和营销意见 8.（课堂动手练习）让GPT帮你生成特定知识的测试题 9.（课堂动手练习）让GPT帮你写合同 10.（课堂动手练习）让GPT帮你写简历 11.（课堂动手练习）让GPT帮你进行模拟面试 12.（课堂动手练习）让GPT生成数学公式并保存 13.（课堂动手练习）让GPT根据特定数据生成图表 |
第五章：GPT辅助论文搜索与阅读 | 1. （课堂动手练习）利用GPT进行论文搜索 2.（课堂动手练习）论文拓展平台使用 3.（课堂动手练习）最好用的GPT论文阅读交流神器介绍 4.（课堂动手练习）RAG检索增强生成介绍 5.（课堂动手练习）利用GPT进行论文阅读总结交流。 6.（课堂动手练习）最好用的GPT论文翻译神器介绍 7.（课堂动手练习）利用GPT对论文中的公式讲解 |
第六章：GPT辅助写作ABCD模型（通用方法论） | 1.（课堂动手练习）【A模式】GPT直接写（给定框架或者不给定框架） 2.（课堂动手练习）【B模式】GPT投喂式写作（指定引用内容的写作） 3.（课堂动手练习）【C模式】GPT模仿式写作（指定范文，给出观点，套用格式） 4.（课堂动手练习）【D模式】GPT连接论文数据数据库进行写作（搜索相关论文，参考相关论文内容） |
第七章：让GPT成为您的论文写作助手 | 1.（课堂动手练习）利用GPT生成论文选题 2.（课堂动手练习）利用GPT辅助大纲撰写 3.（课堂动手练习）利用GPT辅助写摘要 4.（课堂动手练习）利用GPT辅助写前言 5.（课堂动手练习）利用GPT辅助写技术方法 6.（课堂动手练习）利用GPT辅助描述实验数据 7.（课堂动手练习）利用GPT辅助进行数据分析 8.（课堂动手练习）利用GPT辅助写结论 9.（课堂动手练习）利用GPT进行论文写作翻译 10.（课堂动手练习）利用GPT帮你生成完整的文献综述（附带真实参考文献） 11.（课堂动手练习）GPT写作过程中自动标注参考文献的2种方法 |
第八章：GPT辅助科研论文优化 | 1.（课堂动手练习）利用GPT辅助中英文论文润色 2.（课堂动手练习）利用GPT辅助论文润色并生成表格对比润色效果 3.（课堂动手练习）利用GPT进行论文降重的2种方案 4.（课堂动手练习）利用GPT提出论文审稿意见和具体修改方案 5.（课堂动手练习）如何判别文章是不是AI生成 6.（课堂动手练习）如何避免AI生成的文章被检测 |
第九章：GPT在科研绘图中的应用 | 1.（课堂动手练习）根据本地数据绘制散点图，折线图，柱状图，饼图等 2.（课堂动手练习）绘制不同特征之间的相关系数图 3.（课堂动手练习）绘制不同数据特征的多变量联合分布图 4.（课堂动手练习）绘制数据缺失值可视化图 5.（课堂动手练习）绘制不同模型算法的结果对比图 6.（课堂动手练习）绘制模型算法的ROC曲线图 7.（课堂动手练习）绘制特征重要性排序图 8.（课堂动手练习）其他各种图像的GPT自动绘图方法 |
第十章：SCI论文解读及写作 | 1.详细解读几篇经典SCI论文。 ChatGPT应用：将科研呢项目中的数据处理、分析、建模和可视化成果转化为学术论文，并利用ChatGPT优化论文写作流程。 2. 数据处理 描述：详述数据预处理、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。 3.建模方法 描述：阐明模型选择、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。 4.结果可视化 描述：展示关键图表，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。 5.成果讨论 描述：分析模型表现，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。 6.论文撰写 ChatGPT应用：辅助撰写论文各部分，包括摘要、引言和结论，提高写作效率。 |
第十一章：GPT在课题申报、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.（课堂动手练习）利用GPT分析指定领域的热门研究方向 3.课堂动手练习）利用GPT辅助撰写、润色课题申报书的各部分内容 4.（课堂动手练习）利用GPT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.（课堂动手练习）利用GPT评估指定改进思路的新颖性与已发表的类似工作 6.（课堂动手练习）利用GPT进一步细化改进思路，凝练论文的选题与创新点 7.（课堂动手练习）利用GPT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.（课堂动手练习）利用GPT设计完整的实验方案与数据分析流程 9.（课堂动手练习）利用GPT给出论文Discussion部分的切入点和思路 |
第十二章：GPT的拓展应用与GPTs各种插件 | 1.（课堂动手练习）利用GPT自动创建精美PPT 2.（课堂动手练习）利用GPT根据文章内容或自定义大纲创建PPT 3.（课堂动手练习）利用GPT快速产出科普短视频 4.（课堂动手练习）利用GPT快速制作流程图 5.（课堂动手练习）利用GPT快速制作序列图 6.（课堂动手练习）利用GPT快速制作思维导图 7.（课堂动手练习）利用GPT开发聊天机器人 8.热门的自定义 GPTS 使用介绍 9.通过聊天交流的方式制作自己的GPTS 10.通过自定义的方式制作自己的GPTS 11.GPTs的3种分发方式 12.GPTs的各种插件功能介绍 13.论文改进专家(GTPs) 14.论文搜索(GTPs) 15.论文写作(GTPs) |
第十三章：不会写代码也能成为编程高手 | 1.（课堂动手练习）利用GPT实现某一特定功能的程序 2.（课堂动手练习）利用GPT对代码进行解释 3.（课堂动手练习）利用GPT进行代码纠错及修改 4.（课堂动手练习）利用GPT回答代码疑问 5.（课堂动手练习）利用GPT帮你优化代码 6.（课堂动手练习）利用GPT读取本地数据然后写代码 7.（课堂动手练习）利用GPT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GPT编程助手介绍 |
第十四章：基于GPT完成的机器学习/深度学习项目案例 | 1.（课堂动手练习）用GPT了解科研/项目相关知识 2.（课堂动手练习）用GPT优化科研/项目的设计 3.（课堂动手练习）用GPT解答科研/项目相关问题 4.（课堂动手练习）用GPT读取本地数据（Excel数据或CSV数据等） 5.（课堂动手练习）用GPT对科研/项目数据进行深度学习建模程序编写 6.（课堂动手练习）如何分析特征重要性（哪些特征对标签的影响最大） 7.（课堂动手练习）多种常用机器学习算法结果对比 |
第十五章：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 |
第十六章：OpenAI最新o1系列模型详解 | 1.o1系列模型的数学计算，编程，推理能力提升 2.o1系列模型的原理介绍 3.o1,o1-preview,o1-mini模型的特点和区别 4.o1系列模型与GPT-4o模型的对比 5.o1系列模型的提示词建议 6.（课堂动手练习）使用o1模型进行解密推理例子 |
第十七章：GPT最新Canvas模式详解 | 1.Canvas模式使用概述 2.Canvas核心功能介绍 3.（课堂动手练习）Canvas文本编辑-添加表情 4.（课堂动手练习）Canvas文本编辑-内容润色 5.（课堂动手练习）Canvas文本编辑-修改文本阅读水平 6.（课堂动手练习）Canvas文本编辑-调整文本调整长度 7.（课堂动手练习）Canvas文本编辑-提出文本修改建议 8.（课堂动手练习）Canvas文本编辑-选中特定内容进行提问或修改 9.（课堂动手练习）Canvas文本编辑-给文章内容添加参考文献 10.（课堂动手练习）Canvas代码编辑-添加程序注释 11.（课堂动手练习）Canvas代码编辑-添加程序日志 12.（课堂动手练习）Canvas代码编辑-修复程序错误 13.（课堂动手练习）Canvas代码编辑-转移到另一种语言 14.（课堂动手练习）Canvas代码编辑-代码审查 |
第十八章：ChatGPT/GPT4接口Python程序开发学习 | 1.（课堂动手练习）ChatGPT/GPT4接口程序基础 2.（课堂动手练习）使用API方式进行文章内容推断 3.（课堂动手练习）ChatGPT/GPT4接口的参数介绍 4.（课堂动手练习）用ChatGPT/GPT4程序接口制作聊天机器人 5.（课堂动手练习）用ChatGPT/GPT4程序接口制作订餐机器人 6.（课堂动手练习）用ChatGPT/GPT4程序接口快速提取1000篇文章内容 |
第十九章：AI绘图工具Midjourney应用 | 1.AI画图原理介绍 2.文生图和图生图介绍 3.CLIP模型和扩散模型介绍 4.（课堂动手练习）Midjourney使用介绍 5.（课堂动手练习）Midjourney提高分辨率及图像微调 6.（课堂动手练习）Midjourney参考别人的优秀作品进行绘图 7.（课堂动手练习）Midjourney图生图高级用法 8.（课堂动手练习）Midjourney的参数使用 9.（课堂动手练习）Midjourney科研作图应用 |
第二十章：AI绘图工具StableDiffusion应用 | 1. StableDiffusion工具介绍 2.StableDiffusion环境部署介绍 3.StableDiffusion工作界面介绍 4.（课堂动手练习）使用Lora模型产生写实人物图像 5.（课堂动手练习）图像的局部重绘 6.（课堂动手练习）StableDiffusion的插件系统介绍 7.（课堂动手练习）使用线稿图生成装修和建筑 8.（课堂动手练习）使用线稿图给图片上色 9.（课堂动手练习）产生特定姿态的人物图像 |
第二十一章：GPT-4o科研绘图工具DALL-E3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 7.（课堂动手练习）DALL-E3科研作图应用 |
第二十二章：AI视频领域应用(Sora等)
| 1.视频生成工具pika介绍及使用 2.视频生成工具runway介绍及使用 3.OpenAl最新视频生成模型Sora提示词介绍 4.OpenAl最新视频生成模型Sora使用介绍 5.阿里巴巴视频生成模型EMO介绍 6.最新视频生成模型可灵介绍及使用 |
辅助课程 | 1.课程总结及技术发展展望。 2.根据学员感兴趣的领域，讲解ChatGPT在该领域的应用方法 3.建立信群答疑群（课后提供终身免费答疑，提供一对一答疑） 4.配备AIGC/GPT/AI绘图/等教材，课后逐步提高能力。 |
七、颁发证书
培训收费有三类，请您按自身需要灵活选择。
A类：可获得中科软研（北京）科学技术有限公司颁发的电子结业证书。
B类：可获得教育部主管下属机构颁发的高级《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（国家一级协会）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。
D类：可获得工业和信息化部所属的党政机关（正局级）颁发的《人工智能训练师》高级证书，该证书可证明学员具备熟练应用AI工具的能力，企业招投标、事业单位晋升定级、岗位赋能的重要依据。（含一年GPT4会员费用）
本次培训由中科软研（北京）科学技术有限公司及北京富卓佰扬科技有限公司收取费用并开具发票，可事先开发票，后公对公转账；可开培训费、会议费、会议注册费、资料费、技术服务费、检测费、测试费等等，本次线下培训差旅费，食宿费自理。（各类具体证书与费用可扫下方二维码了解咨询）
八、联系方式
如需具体的红头文件培训通知，请联系我们获取。
联系人：刘老师 15010893776（微信同号）
微信二维码：
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 |
大章节 | 小章节 |
第一章：常见人工智能项目应用案例分析 | 1.基于摄像头的保安巡更系统 2.云种类识别 3.用户评论情感分类 4.甲状腺CT图像分类 5.工业缺陷检测 6.汽车部件安装检测 |
第二章：Python人工智能在科研领域中的应用介绍 | 1.人工智能在科研写作中的应用 2.人工智能在科研翻译中的应用 3.人工智能在科研数据分析中的应用 4.人工智能的科研绘图中的应用 5.人工智能的科研模型设计和训练中的应用 6.人工智能技术的各种应用场景 |
第三章：Python环境介绍 | 1.python集成环境-Anaconda安装 2.python开发环境-pycharm介绍 3.pytthon开发环境-jupyter配置 4.jupyter基本使用 |
第四章：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 |
第五章：科学计算模块Numpy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 |
第六章：绘图工具包matplotlib学习 | 1.（课堂动手练习）基础用法 2.（课堂动手练习）figure图像 3.（课堂动手练习）设置坐标轴 4.（课堂动手练习）legend图例 5.（课堂动手练习）scatter散点图 |
第八章：机器学习常用算法（课堂练习中学员自己完成） | 1.（课堂动手练习）线性回归算法介绍与使用 2.（课堂动手练习）Lasso回归算法介绍与使用 3.（课堂动手练习）KNN算法介绍与使用 4.（课堂动手练习）SVM算法介绍与使用 5.（课堂动手练习）K-means算法介绍与使用 6.（课堂动手练习）XGBoost算法介绍与使用 7.（课堂动手练习）LightGBM算法介绍与使用 8.（课堂动手练习）所有的机器学习算法使用技巧总结分析 9.（课堂动手练习）用自己的数据完成机器学习算法训练 |
第九章：机器学习中的数据特征工程 | 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 |
第十章：机器学习案例在项目中的应用（课堂动手练习）用 | 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：开发一个机器学习模型，用于数据预测。 3. 数据预处理 - 数据加载：载入数据集，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：分析各特征与标签值的关系。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 |
第十一章：机器学习算法在SCI论文中的应用 | 1.详细解读几篇经典SCI论文，展示机器学习算法的实际应用 2.逐篇论文解读，突出算法的选择理由、应用过程和结果分析 3.研究背景和问题定义：介绍论文所解决的问题和研究背景 4.数据处理和特征工程：讨论数据预处理方法和特征工程步骤 5.算法选择和模型构建过程：解释为何选择该深度学习算法，并描述模型的构建过程 6.模型评估和结果讨论：评估模型性能，讨论实验结果及其意义 |
第十二章：AI在数据绘图中的应用 | 1.（课堂动手练习）根据本地数据绘制散点图，折线图，柱状图，饼图等 2.（课堂动手练习）绘制不同特征之间的相关系数图 3.（课堂动手练习）绘制不同数据特征的多变量联合分布图 4.（课堂动手练习）绘制数据缺失值可视化图 5.（课堂动手练习）绘制不同模型算法的结果对比图 6.（课堂动手练习）绘制模型算法的ROC曲线图 7.（课堂动手练习）绘制特征重要性排序图 8.（课堂动手练习）其他各种图像的AI自动绘图方法 |
第十三章：深度学习算法基础-神经网络 | 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 6.（课堂动手练习）BP算法解决手写数字识别问题 |
第十四章：模型算法优化方法 | 1.（课堂动手练习）Mnist数据集和softmax讲解 2.（课堂动手练习）使用BP神经网络识别图片 3.（课堂动手练习）交叉熵(cross-entropy)讲解和使用 4.（课堂动手练习）欠拟合/正确拟合/过拟合 5.（课堂动手练习）各种优化器Optimizer 6.（课堂动手练习）模型保存和模型载入方法 |
第十五章：深度学习算法-卷积神经网络CNN应用 | 1.CNN卷积神经网络介绍 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.LeNET-5卷积网络介绍 6.（课堂动手练习）CNN手写数字识别案例 |
第十六章：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进行基因序列能量预测 |
第十七章：基于迁移学习的深度学习图像识别项目（课堂练习中学员自己完成） | 1.VGG16模型详解 2.ResNet模型详解 3.ConvNeXt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）使用迁移学习训练气象图像分类模型 7.（课堂动手练习）训练自己的图像分类数据集 |
第十八章：深度学习算法在SCI论文中的应用 | 1.详细解读几篇经典SCI论文，展示深度学习算法的实际应用 2.逐篇论文解读，突出算法的选择理由、应用过程和结果分析 3.研究背景和问题定义：介绍论文所解决的问题和研究背景 4.数据处理和特征工程：讨论数据预处理方法和特征工程步骤 5.算法选择和模型构建过程：解释为何选择该深度学习算法，并描述模型的构建过程 6.模型评估和结果讨论：评估模型性能，讨论实验结果及其意义 |
第十九章：Faster-RCNN系列模型讲解 | 1.目标检测项目简介 2.R-CNN模型详解 3.SPPNET模型详解 4.Fast-RCNN模型详解 5.Faster-RCNN模型详解 |
第二十章：YOLO算法介绍与应用 | 1.YOLOv1结构及工作流程 2.YOLOv1代价函数讲解以及缺点分析 3.YOLOv2网络结构Darknet-19讲解 4.YOLOv2精度优化-高分辨率和anchor 5.YOLOv2精度优化-维度聚类 6.YOLOv2精度优化-直接位置预测 7.YOLOv2精度优化-细粒度特征和多尺度训练 8.YOLOv3结构讲解 9.YOLOv4算法讲解 10.YOLOv5算法讲解 |
第二十一章：最新目标检测算法YOLOv10目标检测应用（课堂练习中学员自己完成） | 1.YOLOv10检测模型介绍 2.（课堂动手练习）安装YOLOv10模型 3.（课堂动手练习）自行标注要检测的图像样本 4.（课堂动手练习）修改模型的配置文件 5.（课堂动手练习）训练YOLOv10目标检测模型 6.（课堂动手练习）使用训练好的YOLOv10进行图像预测 |
第二十二章：最新目标分割算法YOLOv10目标分割应用（课堂练习中学员自己完成） | 1.YOLOv10分割模型介绍 2.（课堂动手练习）安装YOLOv10模型 3.（课堂动手练习）自行标注要分割的图像样本 4.（课堂动手练习）修改模型的配置文件 5.（课堂动手练习）训练YOLOv10图像分割模型 6.（课堂动手练习）使用训练好的YOLOv10进行图像分割 |
第二十三章：图像检测和分割算法算法在SCI论文中的应用 | 1.详细解读几篇经典SCI论文，展示图像检测和分割算法的实际应用 2.逐篇论文解读，突出算法的选择理由、应用过程和结果分析 3.研究背景和问题定义：介绍论文所解决的问题和研究背景 4.数据处理：讨论数据预处理方法 5.算法选择和模型构建过程：解释为何选择该深度学习算法，并描述模型的构建过程 6.模型评估和结果讨论：评估模型性能，讨论实验结果及其意义 |
第二十四章：自然语言处理任务 | 1.Transformer模型介绍 2.self-Attention 3.Multi-Head Attention 4.Bert模型介绍 5.MLM和NSP模型任务 6.使用Bert模型进行用户评论分类 |
第二十五章：大语言模型ChatGPT介绍 | 1.OpenAI最新模型-GPT4o介绍 2.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 3.ChatGPT辅助论文搜索与阅读 4.ChatGPT成为您的论文写作助手 5.ChatGPT辅助科研论文优化 6.不会写代码也能成为编程高手 |
辅助课程 | 1.课程总结及技术发展展望。 2.建立信群答疑群，课后提供答疑。 3.配备AIGC/GPT/AI绘图/人工智能、机器学习与深度学习教材，课后逐步提高能力。 |
