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在医疗生信领域的应用：深入了解ChatGPT/GPT-4、Claude3、Gemini、CNN、LSTM等模型及其在医学与生物信息学中的应用。3、技能提升：通过实战演练，掌握利用AI工具解决生信与医学数据分析、图像处理、疾病预测等问题的能力。4、编程与数据分析能力：学习Python及相关数据科学库的应用，提升生信数据处理与分析的编程技能。5、研究能力增强：通过AI技术的应用，获得撰写高质量SCI论文的实践经验，提高学术竞争力。6、创新思维培养：培养通过AI解决复杂医疗生信问题的创新思维，推动科研进步。7、职业发展支持：为从事生物信息学与医学研究、临床应用和数据分析的职业生涯提供技术与知识储备，拓展职业发展机会。
大章节 | 小章节 |
第一章：2024年AI在医学与生信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AI交流医学相关科研问题 |
第三章：AI在医学与生信教学/研究中的应用实战案例 | 1.（课堂动手练习）使用AI进行医学与生息文献翻译 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识别医学与生信图像中的公式并保存 4.（课堂动手练习）使用AI将医学与生信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辅助医学与生信研究全流程 | 1.（课堂动手练习）PubMed资源介绍 2.（课堂动手练习）利用AI进行文献调研 3.（课堂动手练习）利用AI进行医学与生信课题交流 4.（课堂动手练习）利用AI进行医学与生信课题方案设计 5.（课堂动手练习）利用AI推荐公共数据集 6.（课堂动手练习）利用AI进行表型调研 7.（课堂动手练习）利用AI梳理分子间上下游关系 8.（课堂动手练习）利用AI拆解分子交互 9.（课堂动手练习）利用AI拆解信号通路 10.（课堂动手练习）利用AI拆解回复实验 11.（课堂动手练习）利用AI实验后续数据分析 |
第五章：AI辅助医学生信论文搜索与阅读 | 1.（课堂动手练习）利用AI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AI生信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生信领域的应用 5.（课堂动手练习）利用AI进行医学生信论文阅读总结交流 6.（课堂动手练习）最好用的AI医学生信论文翻译神器介绍 7.（课堂动手练习）利用AI对医学生信论文中的公式和图表讲解 |
第六章：AI辅助医学生信论文写作ABCD模型（通用方法论） | 1.（课堂动手练习）【A模式】AI直接写医学生信论文（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（指定引用医学生信文献的写作） 3.（课堂动手练习）【C模式】模仿式写作（指定范文，套用格式） 4.（课堂动手练习）【D模式】连接论文数据库进行写作（搜索相关医学生信论文，参考相关内容） |
第七章：让AI成为您的医学生信论文写作助手 | 1.（课堂动手练习）利用AI生成论文选题 2.（课堂动手练习）利用AI辅助论文大纲撰写 3.（课堂动手练习）利用AI辅助写论文摘要 4.（课堂动手练习）利用AI辅助写论文前言 5.（课堂动手练习）利用AI辅助写技术方法 6.（课堂动手练习）利用AI辅助描述实验数据 7.（课堂动手练习）利用AI辅助进行数据分析 8.（课堂动手练习）利用AI辅助写论文结论 9.（课堂动手练习）利用AI进行论文写作翻译 10.（课堂动手练习）利用AI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）AI写作过程中自动标注参考文献的2种方法 |
第八章：AI辅助医学生信科研论文优化 | 1.（课堂动手练习）利用AI辅助中英文论文润色 2.（课堂动手练习）利用AI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AI进行论文降重的2种方案 4.（课堂动手练习）利用AI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：AI在医学生信科研绘图中的应用 | 1.（课堂动手练习）根据本地医学生信数据绘制散点图，折线图，柱状图，饼图等 2.（课堂动手练习）绘制不同医学生信特征之间的相关系数图 3.（课堂动手练习）绘制不同医学生信数据特征的多变量联合分布图 4.（课堂动手练习）绘制医学生信数据缺失值可视化图 5.（课堂动手练习）绘制不同医学生信模型算法的结果对比图 6.（课堂动手练习）绘制医学生信模型算法的ROC曲线图 7.（课堂动手练习）绘制医学生信特征重要性排序图 8.（课堂动手练习）绘制医学生信热图 9.（课堂动手练习）绘制医学生信火山图 10.（课堂动手练习）其他各种医学生信图像的AI自动绘图方法 |
第十章：AI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AI分析指定领域的热门研究方向 3.（课堂动手练习）利用AI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AI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AI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AI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AI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AI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AI给出论文DiscuSsion部分的切入点和思路 |
第十一章：SCI医学生信论文解读及写作 | 详细解读几篇经典SCI医学生信论文。 ChatGPT应用：将医学生信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优化医学生信论文写作流程。 数据处理 描述：详述医学生信数据预处理、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：阐明医学生信模型选择、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：展示关键医学生信图表，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：分析医学生信模型表现，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：辅助撰写医学生信论文各部分，包括摘要、引言和结论，提高写作效率。 |
第十二章：AI的拓展应用 | 1.（课堂动手练习）使用AI工具自动创建医学与生信教育PPT 2.（课堂动手练习）使用AI工具根据医学与生信研究文章内容创建PPT 3.（课堂动手练习）使用AI工具快速产出医学与生信科普短视频 |
第十三章：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 |
第十四章：最新绘图工具DALL-E3的生信绘图应用 | 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 |
第十五章：不会写代码也能成为生信领域编程高手 | 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读取本地生信数据然后写代码 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 |
第十六章：Python和R环境安装 | 1.python应用介绍 2.python环境安装 3.python环境的基础使用 4.R应用介绍 5.R环境安装6.环境的基础使用 |
第十七章：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）文件读写 |
第十八章：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 |
第十九章：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 |
第二十章：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）使用多种算法完成乳腺癌预测 |
第二十一章：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 |
第二十二章：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 |
第二十三章：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 |
第二十四章：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.samepadding和validpadding介绍 6.LeNET-5卷积网络介绍 7.（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：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预测基因表达量 |
第二十六章：AI辅助Meta分析的流程（一次性分析1000篇文章） | 1.定义问题和假设：明确研究问题和假设，AI协助制定分析目标。 2.文献检索：用AI生成关键词和检索策略，筛选符合标准的研究文献。 3.数据提取：AI辅助提取和标准化关键数据，处理缺失信息。自动完成1000篇文章核心内容提取。 4.数据分析：AI建议效应值计算、统计模型选择，进行异质性检验。 5.结果解释：AI帮助解释分析结果，生成图表，撰写报告。 6.讨论与结论：GPT协助讨论结果，总结结论并提出建议。 |
第二十七章：GEO数据挖掘（用AI复现论文） | 1.介绍GEO数据集和论文内容 2.数据下载与加载：使用python下载GEO数据集并加载处理，通常需要分组和统计样本数量。 3.差异表达分析：使用R语言筛选差异基因，常用阈值为|log2FC|>1和FDR<0.05。 4.富集分析：使用R语言通过GO和KEGG分析，探索差异基因的功能和参与的生物学通路。 5.特征基因筛选：使用python中的SVM-RFE方法筛选重要特征基因，用于后续建模。 6.模型构建与验证：利用特征基因构建分类模型，通过ROC曲线等指标验证模型性能。 7.分析讨论：通过数据挖掘得出新的生物学结论。 |
第二十八章：医疗生信领域中的AI项目汇总介绍 | 1.癌症生存分析 目标：通过分析患者的临床数据和治疗信息，预测癌症患者的生存期。 技术：应用生存分析方法如Cox风险模型、Kaplan-Meier曲线进行特征提取和模型训练。 成果：模型能够准确预测患者的生存期，并识别影响生存率的关键因素，帮助医生制定个性化治疗方案。 2.差异表达分析及聚类可视化 目标：分析不同条件下基因的表达差异，识别显著差异表达的基因。 技术：使用log2标准化处理数据，通过独立样本t检验计算每个基因的p值，计算表达均值和折叠变化（foldchange），并使用直方图和火山图进行可视化。筛选显著性基因，并通过聚类热图展示结果。 成果：识别和展示在不同条件下显著差异表达的基因，提供潜在的生物标志物，助力疾病研究和生物学机制探索。 3.GO，KEGG，GESA富集分析 目标：通过基因富集分析技术，识别与特定生物过程、疾病或表型相关的基因集，并了解其生物学意义。 技术：使用基因富集分析工具如GO，KEGG，GESA，结合统计学方法和数据挖掘技术，对基因表达数据进行系统分析。 成果：识别出与特定生物过程或疾病相关的显著基因集，揭示其在生物系统中的功能和作用机制，提供新的研究方向和潜在的治疗靶点。 4.基因序列表达量预测 目标：预测基因序列的表达量 技术：利用深度学习模型如LSTM处理序列数据。 成果：模型准确地预测基因序列的表达量，助力生物生信研究。 5.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。 6.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。 7.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。 8.肺动脉高压差异基因分析及分类器构建 目标：通过基因表达数据，构建一个支持向量机（SVM）分类器，用于区分肺动脉高压（PAH）患者与健康个体。 技术：使用Limma差异表达分析和SVM-RFE算法筛选关键基因。 成果：构建了一个基于四个关键基因的分类器，能够有效区分PAH患者，提供了潜在的生物标志物，助力PAH的早期诊断。
|
第二十九章：人工智能算法在SCI论文中的应用 | 1.详细解读几篇高分SCI论文，展示AI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AI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 |
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《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：
