![]()
1、AquaCrop模型农业水资源管理及代码解析培训班
2、土壤风蚀模拟与风蚀模数估算、变化归因分析中的实践应用及SCI论文撰写培训班
3、最新【5天】基于LEAP模型在能源环境发展、碳排放建模预测及分析中实践应用高级培训班
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、最新全流程ChatGPT办公与科研应用、论文撰写、数据分析、机器学习、深度学习及AI绘图高级培训班
![]()
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。
主办单位：Ai尚研修
承办单位：中科资环（保定）信息技术有限公司
培训时间：2024年7月20日-21日、27日-28日
每日授课：7月20日、27日 【晚19：30-22：00】、21日、28日全天授课
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
课程安排 | 学习内容 |
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。
联系人：杨帆老师 15383229128 微信同号
![]()
![]()
2024年6月22日-23日、29日【三天实践课程，提供全部资料及回放】
每日授课：上午9：30-12：00 下午14：00-17：30课程安排 | 学习内容 |
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。
![]()
培训时间：6月24日、26日-27日、7月1日【四天实践课程，提供全部资料及回放】
每日授课：上午9：30-12：00 下午14：00-17：30课程安排 | 学习内容 |
专题一 模型原理与数据要求 | 1. AquaCrop模型的应用范围 2. 模型基本原理与计算框架 3.模型输入数据要求 4.模型应用实例简介 ![]()
|
专题二 模型数据准备 | 1.气象数据准备：包括温度、降水量、蒸发量等。 2.土壤数据制备：土壤类型、含水量、水分保持能力 3.农作物数据制备：作物类型、生长周期、水分需求 4.管理措施的输入：灌溉方式、施肥计划、病虫害管理。 ![]()
|
专题三 模型运行及结果分析 | 1.模型运行步骤 2.模型输出 3.模型结果分析（在线版） ![]()
|
专题四 参数分析 | 1.敏感性分析方法 2.模型敏感参数 3.参数的不确定性分析方法 4.参数的不确定性分析 5.参数调优建议 ![]()
|
专题五 源代码分析 | 1.现代Fortran基础 2.模型Fortran代码编译 3.模型代码结构 4.模型入口分析 5.模型主要计算功能分析 ![]()
|
注：以上各章节内容均有代码及数据分析实操。
![]()
培训时间：7月20日-21日、27日-28日【四天实践课程，提供全部资料及回放】
每日授课：上午9：30-12：00 下午14：00-17：30
课程安排 | 学习内容 |
第一章： 引入和理论基础 | 课程介绍：目标、流程和期望成果。 生态模型基础：介绍生态模型的基本概念和物种分布模型（SDMs）的重要性。 ![]()
biomod2简介：探讨biomod2的历史、发展和主要功能。 R语言重点工具入门：数据输入与输出、科学计算、地理数据分析、数据可视化等功能。 |
第二章： 数据获取与预处理 | 常见地球科学数据讲解（数据特点与获取途径）： （1）物种分布数据； （2）环境变量（站点数据、遥感数据）。 ![]()
基于R语言的数据预处理： （1） 数据提取：根据需求批量提取相关数据； （2） 数据清洗：数据清洗的原则与方法； （3） 特征变量选择： 通过相关性分析、主成分分析（PCA）等方法选择具有代表性的特征变量，提高模型效率。 ![]()
|
第三章： 模型的建立与评估 | 机器学习概述与R语言实践 （1）机器学习原理；（2）常见机器学习算法与流程 基于单一机器学习算法的物种分布特征模拟（以最大熵算法为例）。 ![]()
biomod2程序包介绍与使用：原理、构成 实际操作：构建第一个物种分布模型，包括选择模型类型和调整参数。 模型评估方法：通过ROC曲线、AUC值等方法评估模型的有效性和准确性。 ![]()
|
第四章： 模型优化与多模型集成 | 典型算法参数优化：对随机森林、最大熵等算法进行参数优化，提高模型性能。 集成方法：结合多个模型提高预测结果的稳定性和准确性。 物种分布特征预测： 基于单一模型与集成模型预测物种未来分布特征。 实战演练：参与者使用自己的数据或示例数据集，尝试实现多模型集成。 ![]()
|
第五章： 结果分析和案例研究 | 结果分析：物种分布特征、环境变量与物种分布关系、未来分布特征预测。 ![]()
科学制图：栅格图、柱状图、降维结果图等。 ![]()
案例研究：分析物种分布案例，如何应用学到的技能和知识。 课程总结：回顾学习要点，讨论如何将这些技能应用到未来的研究中。 |
注：以上各章节内容均有代码及数据分析实操。
提供全套上课资料【课件、案例数据、代码、参考资料等】+课程长期有效+导师群长期辅助学习
| 无人机遥感在农林信息提取中的实现方法与 GIS 融合制图 |
| 陆面生态水文模拟与多源遥感数据同化的实践技术应用 |
| 基于Python语言快速批量运行DSSAT模型及交叉融合、扩展应用技术应用课程 |
| 双碳目标下生态与农田系统温室气体排放模拟实践技术应用 |
| 双碳目标下 DNDC 模型建模方法及在土壤碳储量、 温室气体排放、农田减排、土地变化、气候变化中 的实践技术应用课程 |
| 双碳目标下基于“遥感+”融合技术在碳储量、碳收支、碳循环等多领域监测与模拟实践应用高阶课程 |
| 生态系统NPP及碳源、碳汇模拟实践技术应用高级视频课 |
| 基于R语言APSIM模型进阶应用与参数优化、批量模拟实践技术高级培训班 |
| 9 | WOFOST 模型与 PCSE 模型实践技术应用培训班 |
| R-Meta分析与【文献计量分析、贝叶斯、机器学习等】多技术融合实践与拓展进阶高级培训班 |
| R语言混合效应（多水平/层次/嵌套）模型及贝叶斯实现技术应用精品课程 |
| 最新基于R语言结构方程模型分析与实践技术应用精品课程 |
| R语言与作物模型（以DSSAT模型为例）融合应用高级实战技术课程 |
| 最新DSSAT作物模型建模方法及实践技术应用精品课程 |
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
