wangyanjiayou的个人博客分享 http://blog.sciencenet.cn/u/wangyanjiayou

博文

ChatGPT4.0最新功能应用,结合机器学习与深度学习,论文写作和文献检索必备GPTs总结

已有 510 次阅读 2024-5-23 09:58 |系统分类:科研笔记

熟练掌握ChatGPT4.0在数据分析、自动生成代码等方面的强大功能,系统学习人工智能(包括传统机器学习、深度学习等)的基础理论知识,以及具体的代码实现方法,同时掌握ChatGPT4.0在科研工作中的各种使用方法与技巧,以及人工智能领域经典机器学习算法(BP神经网络、支持向量机、决策树、随机森林、变量降维与特征选择、群优化算法等)和热门深度学习方法(卷积神经网络、迁移学习、RNN与LSTM神经网络、YOLO目标检测、自编码器等)的基本原理及Python、PyTorch代码实现方法。

第一章 2024大语言模型最新进展介绍

1、2024 AIGC技术最新进展介绍(生成式人工智能的基本概念与原理、文生视频模型OpenAI Sora vs.Google Veo)

2、(实操演练)国内外大语言模型(ChatGPT 4O、Gemini、Claude、Llama3、文心一言、星火、通义千问、Kimi、智谱清言等)对比分析

3、(实操演练)Llama3开源大语言模型的本地部署、对话与微调训练本地数据

4、(实操演练)ChatGPT对话初体验(注册与充值、购买方法)

5、(实操演练)ChatGPT科研必备GPT汇总介绍(寻找好用的GPTs模型、提示词优化、生成思维导图、生成PPT、生成视频、制定个性化的学习计划、检索论文、总结论文内容、总结视频内容、撰写论文、论文翻译、论文润色与修改、参考文献格式管理、论文评审、数据分析、生成代码、代码调试等)

6、(实操演练)GPT Store简介与使用

7、(实操演练)定制自己的专属GPTs(制作专属GPTs的两种方式:聊天/配置参数、利用Knowledge上传本地知识库提升专属GPTs性能、利用Actions通过API获取外界信息、专属GPTs的分享)

8、(实操演练)ChatGPT对话记录保存与管理

第二章  ChatGPT4 提示词使用方法与技巧

1、(实操演练)ChatGPT Prompt (提示词)使用技巧(为ChatGPT设定身份、明确任务内容、提供任务相关的背景、举一个参考范例、指定返回的答案格式等)

2、(实操演练)常用的ChatGPT提示词模板

3、(实操演练)ChatGPT提示词优化(Promptest、Prompt Perfect、PromptPal提示宝等)

4、(实操演练)ChatGPT4突破Token限制实现接收或输出万字长文(Token数与字符数之间的互相换算、五种方法提交超过Token限制的文本、四种方法让ChatGPT的输出突破Token限制)

5、(实操演练)控制ChatGPT的输出长度(使用修饰语、限定回答的范围、通过上下文限定、限定数量等)

6、(实操演练)保存喜欢的ChatGPT提示词并一键调用

第三章 ChatGPT4助力日常生活、学习与工作

1、(实操演练)ChatGPT4助力中小学生功课辅导(写作文、作文批改、求解数学题、练习英语听说读写、物理计算、化学计算等)

2、(实操演练)ChatGPT4助力文案撰写与润色修改

3、(实操演练)ChatGPT4助力家庭健康管理(化验单结果解读、就诊咨询与初步诊断、常见慢病管理、日常营养膳食建议等)

4、(实操演练)ChatGPT4助力大学生求职与就业(撰写简历、模拟面试、职业规划等)

5、(实操演练)ChatGPT4助力商业工作(行业竞品检索与分析、产品创意设计与建议、推广营销策略与方案制定、撰写合同)

6、(实操演练)利用ChatGPT4 创建精美的思维导图

7、(实操演练)利用ChatGPT4 生成流程图、甘特图

8、(实操演练)利用ChatGPT4 制作PPT

9、(实操演练)利用ChatGPT4自动创建视频

10、(实操演练)ChatGPT4辅助教师高效备课(苏格拉底式教学、为不同专业学生生成不同的教学内容等)

11、(实操演练)ChatGPT4辅助学生高效学习(利用GPTs生成专属学习计划)

12、案例演示与实操练习

第四章 ChatGPT4助力课题申报、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、(实操演练)利用ChatGPT4分析指定领域的热门研究方向

3、(实操演练)利用ChatGPT4辅助撰写、润色课题申报书的各部分内容

4、(实操演练)利用ChatGPT4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、(实操演练)利用ChatGPT4评估指定改进思路的新颖性与已发表的类似工作

6、(实操演练)利用ChatGPT4进一步细化改进思路,凝练论文的选题与创新点

7、(实操演练)利用ChatGPT4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、(实操演练)利用ChatGPT4设计完整的实验方案与数据分析流程

9、(实操演练)利用ChatGPT4给出论文Discussion部分的切入点和思路

10、案例演示与实操练习

第五章 ChatGPT4助力信息检索、总结分析、论文写作与投稿

1、(实操演练)传统信息检索方法与技巧总结(Google Scholar、ResearchGate、Sci-Hub、GitHub、关键词检索+同行检索、文献订阅)

2、(实操演练)利用ChatGPT4 实现联网检索文献

3、(实操演练)利用ChatGPT4阅读与总结分析学术论文内容(三句话摘要、子弹式要点摘要、QA摘要、表格摘要、关键词与关键句提取、页面定位、多文档对比、情感分析)

4、(实操演练)利用ChatGPT4 总结Youtube视频内容

5、(实操演练)利用ChatGPT4完成学术论文的选题设计与优化

6、(实操演练)利用ChatGPT4自动生成论文的总体框架、论文摘要、前言介绍、文献综述、完整长篇论文等

7、(实操演练)利用ChatGPT4完成论文翻译(指定翻译角色和翻译领域、提供背景提示)

8、(实操演练)利用ChatGPT4实现论文语法校正

9、(实操演练)利用ChatGPT4完成段落结构及句子逻辑润色

10、(实操演练)利用ChatGPT4完成论文降重

11、(实操演练)利用ChatGPT4完成论文参考文献格式的自动转换

12、(实操演练)ChatGPT4辅助审稿人完成论文评审意见的撰写

13、(实操演练)ChatGPT4辅助投稿人完成论文评审意见的回复

14、(实操演练)ChatGPT4文献检索、论文写作必备GPTs总结

15、案例演示与实操练习

第六章 ChatGPT4助力Python编程入门、科学计算、数据可视化、数据预处理

1、(实操演练)Python环境搭建(Python软件下载、安装与版本选择;PyCharm下载、安装;Python之Hello World;第三方模块的安装与使用;Python 2.x与Python 3.x对比)

2、(实操演练)Python基本语法(Python变量命名规则;Python基本数学运算;Python常用变量类型的定义与操作;Python程序注释)

3、(实操演练)Python流程控制(条件判断;for循环;while循环;break和continue)

4、(实操演练)Python函数与对象(函数的定义与调用;函数的参数传递与返回值;变量作用域与全局变量;对象的创建与使用)

5、(实操演练)Matplotlib的安装与图形绘制(设置散点、线条、坐标轴、图例、注解等属性;绘制多图;图的嵌套;折线图、柱状图、饼图、地图等各种图形的绘制)

6、(实操演练)Seaborn、Bokeh、Pyecharts等高级绘图库的安装与使用(动态交互图的绘制、开发大数据可视化页面等)

7、(实操演练)科学计算模块库(Numpy的安装;ndarray类型属性与数组的创建;数组索引与切片;Numpy常用函数简介与使用)

8、(实操演练)利用ChatGPT4上传本地数据(Excel/CSV表格、txt文本、PDF、图片等)

9、(实操演练)利用ChatGPT4 实现图像处理(图像缩放、旋转、裁剪、去噪与去模糊)

10、(实操演练)利用ChatGPT4 实现描述性统计分析(数据的频数分析:统计直方图;数据的集中趋势分析:数据的相关分析)

11、(实操演练)常用的数据预处理方法(数据标准化与归一化、数据异常值与缺失值处理、数据离散化及编码处理、手动生成新特征)

12、(实操演练)融合ChatGPT 4与Python的数据预处理代码自动生成与运行

13、(实操演练)利用ChatGPT4自动生成数据统计分析图表

14、(实操演练)利用ChatGPT4 实现代码逐行讲解

15、(实操演练)利用ChatGPT4 实现代码Bug调试与自动修改

16、案例演示与实操练习

第七章 ChatGPT4助力机器学习建模

1、BP神经网络的基本原理(人工神经网络的分类有哪些?BP神经网络的拓扑结构和训练过程是怎样的?什么是梯度下降法?)

2、(实操演练)BP神经网络的Python代码实现(划分训练集和测试集、数据归一化)

3、(实操演练)BP神经网络参数的优化(隐含层神经元个数、学习率、初始权值和阈值等如何设置?什么是交叉验证?)

4、(实操演练)值得研究的若干问题(欠拟合与过拟合、评价指标选择、样本不平衡等)

5、(实操演练)BP神经网络中的ChatGPT提示词库讲解

6、(实操演练)利用ChatGPT4实现BP神经网络模型的代码自动生成与运行

7、SVM的工作原理(核函数的作用是什么?什么是支持向量?如何解决多分类问题?)

8、决策树的工作原理(什么是信息熵和信息增益?ID3算法和C4.5算法的区别与联系)

9、随机森林的工作原理(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”的本质是什么?怎样可视化、解读随机森林的结果?)

10、Bagging与Boosting的区别与联系

11、AdaBoost vs. Gradient Boosting的工作原理

12、(实操演练)常用的GBDT算法框架(XGBoost、LightGBM)

13、(实操演练)决策树、随机森林、XGBoost、LightGBM中的ChatGPT提示词库讲解

14、(实操演练)利用ChatGPT4实现决策树、随机森林、XGBoost、LightGBM模型的代码自动生成与运行

15、案例演示与实操练习

第八章 ChatGPT 4助力机器学习模型优化:变量降维与特征选择

1、主成分分析(PCA)的基本原理

2、偏最小二乘(PLS)的基本原理

3、(实操演练)常见的特征选择方法(优化搜索、Filter和Wrapper等;前向与后向选择法;区间法;无信息变量消除法;正则稀疏优化方法等)

4、遗传算法(Genetic Algorithm, GA)的基本原理(以遗传算法为代表的群优化算法的基本思想是什么?选择、交叉、变异三个算子的作用分别是什么?)

5、(实操演练)PCA、PLS、特征选择、群优化算法的ChatGPT提示词库讲解

6、(实操演练)利用ChatGPT4 及插件实现变量降维与特征选择算法的代码自动生成与运行

7、案例演示与实操练习

第九章 ChatGPT 4助力卷积神经网络建模

1、深度学习简介(深度学习大事记、深度学习与传统机器学习的区别与联系)

2、卷积神经网络的基本原理(什么是卷积核、池化核?CNN的典型拓扑结构是怎样的?CNN的权值共享机制是什么?)

3、卷积神经网络的进化史:LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等经典深度神经网络的区别与联系

4、(实操演练)利用PyTorch构建卷积神经网络(Convolution层、Batch Normalization层、Pooling层、Dropout层、Flatten层等)

5、(实操演练)卷积神经网络调参技巧(卷积核尺寸、卷积核个数、移动步长、补零操作、池化核尺寸等参数与特征图的维度,以及模型参数量之间的关系是怎样的?)

6、(实操演练)卷积神经网络中的ChatGPT提示词库讲解

7、(实操演练)利用ChatGPT4实现卷积神经网络模型的代码自动生成与运行

(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

8、案例演示与实操练习

第十章 ChatGPT 4助力迁移学习建模

1、迁移学习算法的基本原理

2、(实操演练)基于深度神经网络模型的迁移学习算法

3、(实操演练)迁移学习中的ChatGPT提示词库讲解

4、(实操演练)利用ChatGPT4实现迁移学习模型的代码自动生成与运行

5、实操练习

第十一章 ChatGPT 4助力RNN、LSTM建模

1、循环神经网络RNN的基本工作原理

2、长短时记忆网络LSTM的基本工作原理

3、(实操演练)RNN与LSTM中的ChatGPT提示词库讲解

4、(实操演练)利用ChatGPT4 实现RNN、LSTM模型的代码自动生成与运行

5、案例演示与实操练习

第十二章 ChatGPT 4助力YOLO目标检测建模

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,YOLO模型与传统目标检测算法的区别

3、(实操演练)YOLO模型中的ChatGPT提示词库讲解

4、(实操演练)利用ChatGPT4实现YOLO目标检测模型的代码自动生成与运行

(1)利用预训练好的YOLO模型实现图像、视频、摄像头实时检测;

(2)数据标注演示(LabelImage使用方法介绍);

(3)训练自己的目标检测数据集

5、案例演示与实操练习

第十三章 ChatGPT4助力机器学习与深度学习建模的行业应用

1、(实操演练)利用ChatGPT4实现近红外光谱分析模型的建立、代码自动生成与运行

2、(实操演练)利用ChatGPT4实现生物医学信号(时间序列、图像、视频数据)分类识别与回归拟合模型的建立、代码自动生成与运行

3、(实操演练)利用ChatGPT4实现遥感图像目标检测、地物分类及语义分割模型的建立、代码自动生成与运行

4、(实操演练)利用ChatGPT4实现大气污染物预测模型的建立、代码自动生成与运行

5、(实操演练)利用ChatGPT4实现自然语言处理模型的建立、代码自动生成与运行

6、案例演示与实操练习

第十四章 ChatGPT 4助力AI绘图技术

1、(实操演练)利用ChatGPT4 DALL.E 3生成图像(下载图像、修改图像)

2、(实操演练)ChatGPT4 DALL.E 3常用的提示词库(广告海报、Logo、3D模型、插画、产品包装、烹饪演示、产品外观设计、UI设计、吉祥物设计等)

3、(实操演练)ChatGPT4 DALL.E 3中的多种视图(正视图、后视图、侧视图、四分之三视图、鸟瞰视图、全景视图、第一人称视角、分割视图、截面视图等)

4、(实操演练)ChatGPT4 DALL.E 3中的多种光效(电致发光、化学发光、生物荧光、极光闪耀、全息光等)

5、(实操演练)ChatGPT4 DALL.E 3格子布局与角色一致性的实现

6、(实操演练)ChatGPT4 DALL.E 3生成动图GIF

7、(实操演练)Midjourney工具使用讲解

8、(实操演练)Stable Diffusion工具使用讲解

9、(实操演练)Runway图片生成动画工具使用讲解

10、案例演示与实操练习

第十五章 GPT 4 API接口调用与完整项目开发

1、(实操演练)GPT模型API接口的调用方法(API Key的申请、API Key接口调用方法与参数说明)

2、(实操演练)利用GPT4实现完整项目开发

(1)聊天机器人的开发

(2)利用GPT API和Text Embedding生成文本的特征向量

(3)构建基于多模态(语音、文本、图像)的阿尔茨海默病早期筛查程序

3、案例演示与实操练习

第十六章 面向科研场景的ChatGPT提示词工程大赛【科研创意Prompt挑战】

活动背景:提升科研人员在科研过程中的提示词撰写能力,通过比赛形式激发学员的创意和实践能力

活动目标:通过【提示词大赛】,提高学员在科研过程中撰写提示词的能力,激发创意与实践结合,为未来的科研工作提供更好的支持和帮助

参赛对象: 参加本次ChatGPT课程的所有科研人员

赛题内容: 课程第一天结束后公布具体赛题,赛题将围绕科研过程中不同环节的提示词撰写

提交方式: 学员需在课程第三天晚前提交答案,具体提交方式将在赛题公布时一并说明

奖项设置:一等奖1名、二等奖2名、三等奖 3名【设置奖项详细见流程说明】

评委评选: 由导师及特邀评委组成评审团,对所有提交的提示词进行评选

评选标准: 提示词的创意、准确性、实用性及与科研主题的契合度

备注:详细在会议中具体说明

更多应用

ArcGIS结合ChatGPT,助力数据读取与处理、空间分析、遥感分析、图像处理、科研绘图等

②成像光谱遥感技术中的AI革命:ChatGPT在遥感领域中的应用

③ChatGPT在大气科学领域建模、数据分析、可视化与资源评估中的高效应用及论文写作

④AI大语言模型GPT & R生态环境领域数据统计分析

⑤AI大模型引领未来智慧科研暨ChatGPT自然科学高级应用

⑥【融合ChatGPT等AI模型】Python-GEE遥感云大数据分析、管理与可视化及多领域案例

关 注【科研充电吧】公 众 号,获取海量教程和资源



https://blog.sciencenet.cn/blog-3539141-1435257.html

上一篇:R语言基础应用及水环境数据分析方法,掌握水线提取、水深提取、水温提取、水质提取等
下一篇:农田温室气体排放模拟技术全攻略:从LCA到经验模型,再到过程模型
收藏 IP: 111.225.65.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-6-16 04:08

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部