各相关单位：
一、主办单位
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、参会对象
三、培训时间
四、培训特色
五、培训目标
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：账务如何使用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。
六、培训内容
| 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.AI模型在医学研究中的应用概览。
2.（课堂动手练习）最新超强模型Claude3使用讲解 3.OpenAI新模型-GPT-5介绍 4.（课堂动手练习）谷歌新模型-Gemini使用讲解 5.Meta新模型-LLama3 6.（课堂动手练习）阿里巴巴-通义千问 7.（课堂动手练习）科大讯飞-星火认知 8.（课堂动手练习）百度-文心一言 9.（课堂动手练习）MoonshotAI-Kimi 10.（课堂动手练习）智谱AI-智谱清言 11.最新大模型GPT-4Turbo详细介绍12.GPTStore介绍 13.（课堂动手练习）从0到1创建自己的GPT应用 |
| 第二章：谷歌最新模型Gemini在医学的应用详解 | 1.Gemini三大模型
2.Gemini与GPT-4对比 3.Gemini的原生多模态技术 4.Gemini的测试效果 5.（课堂动手练习）Gemini的使用 |
| 第三章：最新超强模型Claude3在医学中的应用讲解 | 1.Claude3三大模型
2.Claude3模型团队介绍 3.Claude3的技术细节介绍 4.Claude3与GPT4对比 5.（课堂动手练习）Claude3的使用 |
| 第四章：AIGC医学应用课程概述 | 1.AIGC医学应用课程概述
2.AI工具与科研应用的结合 3.OpenAI开发者大会介绍 4.AIGC技术发展 5.GPT3.5/GPT4/GPT4-turbo模型介绍 6.Tokens概念介绍 7.大语言模型在处理医学上下文数据的能力介绍 8.（课堂动手练习）ChatGPT/GPT4官网使用方法 9.（课堂动手练习）ChatGPT/GPT4国内使用方法 10.（课堂动手练习）ChatGPT/GPT4的API使用方法 11.提示词工程介绍 12.如何写好一篇论文的提示词 13.如何与AI交流医学相关科研问题 |
| 第五章：大语言模型（LLM）在医学领域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 |
| 第六章：人工智能算法介绍 | 1.AI算法是如何进行训练的
2.深度学习常用架构介绍 3.GPT1-3模型介绍 4.强化学习和InstructGPT模型介绍 5.RLHF人类反馈强化学习介绍 6.ChatGPT和GPT4模型介绍 |
| 第七章：GPT在医学研究中的应用实战案例 | 1.（课堂动手练习）使用GPT进行医学文献翻译
2.（课堂动手练习）GPT学会类比并输出表情符号 3.（课堂动手练习）使用GPT生成临床研究的数据表 4.（课堂动手练习）让GPT生成医学相关的数学公式并保存 5.（课堂动手练习）识别医学图像中的公式并保存 6.（课堂动手练习）将医学研究文章中的数据整理成表格 7.（课堂动手练习）GPT帮你进行用户评论分类 8.（课堂动手练习）GPT协助撰写医学工作报告 9.（课堂动手练习）GPT快速生成100道医学测试题 |
|
第八章：让GPT成为你的医学论文/基金写作助手 |
1.（课堂动手练习）论文搜索平台介绍
2.（课堂动手练习）根据某一篇核心论文进行相关论文拓展 3.（课堂动手练习）判别文章是不是AI的生成 4.（课堂动手练习）上传本地PDF论文然后让GPT提出审稿意见 5.（课堂动手练习）上传本地PDF论文然后让GPT帮你翻译 6.（课堂动手练习）上传本地PDF论文然后让GPT相关论文中的相关问题 7.（课堂动手练习）用GPT帮你生成论文摘要 8.（课堂动手练习）用GPT帮你生成文献综述 9.（课堂动手练习）用GPT帮你论文中的技术方法 10.（课堂动手练习）用GPT帮你进行中文论文润色 11.（课堂动手练习）用GPT帮你进行中英文论文润色 12.（课堂动手练习）用GPT帮你提出论文修改意见 13.（课堂动手练习）用GPT帮你翻译并润色 14.（课堂动手练习）用GPT帮你进行论文降重 15.（课堂动手练习）让AI帮你写论文综述并标注内容来源 16.（课堂动手练习）让AI帮你查找某个观点或内容相关的论文 17.（课堂动手练习）让AI帮你查找某篇论文相关的论文 18.（课堂动手练习）用GPT写出完整论文的方法 19.（课堂动手练习）用GPT对整篇论文进行润色 20.（课堂动手练习）用GPT进行论文搜索 21.（课堂动手练习）如何避免GPT写的文章被检测 |
|
第九章：让GPT成为你的医学编程助手 |
1.（课堂动手练习）用GPT实现某一特定功能的程序
2.（课堂动手练习）用GPT对代码进行解释 3.（课堂动手练习）用GPT进行代码纠错及修改 4.（课堂动手练习）用GPT回答代码疑问 5.（课堂动手练习）用GPT帮你优化代码 6.（课堂动手练习）用GPT读取本地医学数据然后写代码 7.（课堂动手练习）让GPT帮你提供医学研究项目的完整代码并进行不断修正 8.（课堂动手练习）自动化AI编程助手介绍 |
|
第十章：GPT在医学领域的拓展应用 |
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 4.大语言模型是如何理解文字信息的 5.大语言模型是如何理解数学的 |
| 第十一章：利用ChatGPT/GPT4接口开发医学应用程序 | 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程序接口批量化处理文章内容 |
| 第十二章：ChatGPTPlus/GPT4功能详解 | 1.（课堂动手练习）GPT4模型使用
2.（课堂动手练习）GPT4联网功能 2.（课堂动手练习）GPT4识别图片中的商品价格 3.（课堂动手练习）GPT4识别图片中的液体类型 4.（课堂动手练习）GPT4识别图片中的数学题并解答 5.（课堂动手练习）GPT4识别图片中的地标 6.（课堂动手练习）GPT4识别图片中的菜品 7.（课堂动手练习）GPT4医疗影像诊断 8.（课堂动手练习）GPT4识别统计分析图并生成对应画图的代码 9.（课堂动手练习）GPT4识别图片中的表格并保存 10.（课堂动手练习）GPT4识别图片中的公式并进行编辑 11.（课堂动手练习）GPT4对医学论文中的公式进行详细解析 |
|
第十三章：ChatGPTPlus/GPT4医学领域高级数据分析 |
1.（课堂动手练习）GPT4自动写代码和运行代码的能力
2.（课堂动手练习）使用高级数据分析功能进行数学计算 3.（课堂动手练习）使用高级数据分析功能生成二维码 4.（课堂动手练习）使用高级数据分析功能进行图片处理 5.（课堂动手练习）使用高级数据分析功能进行文字识别 6.（课堂动手练习）使用GPT4进行自动化医学数据处理和分析 |
| 第十四章：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） |
| 第十五章：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 |
| 第十六章：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 |
| 第十七章：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 |
| 第十八章：机器学习算法在医学研究中的应用 | 1.机器学习概述
2.训练集/验证集/测试集 3.监督学习与无监督学习 4.分类/回归/聚类算法 5.机器学习算法应用分析 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KNN算法完成疾病分类 8.（课堂动手练习）使用多种算法完成疾病分类 9.（课堂动手练习）分析特征重要性（哪些医学特征对疾病的影响最大） 10.（课堂动手练习）机器学习特征工程完整流程 |
| 第十九章：基于GPT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（例如医学实验数据的Excel或CSV文件） 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）如何分析医学研究中的特征重要性（哪些医学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在医学数据上的结果对比 |
| 第二十章：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 6.（课堂动手练习）BP算法解决医学识别问题 |
| 第二十一章：深度学习框架Tensorflow应用 | 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.samepadding和validpadding介绍 6.LeNET-5卷积网络介绍 7.（课堂动手练习）CNN手写数字识别案例 |
| 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：ChatGPT在医学领域绘图的应用 | 1.基础医学图表绘制
应用范围：绘制血压、心率等基础生理数据的时间序列图。 技术介绍：使用GPT生成自动化脚本，快速绘制线图、条形图和饼图，直观展示数据比例和变化。 2.常见医学图表绘制 应用范围：创建基本的饼图和等高线图，用于展示患者疾病类型比例和数据密度分布。 技术介绍：GPT生成饼图展示分类数据的比例，等高线图描绘变量间的关系和分布密度。 3.统计数据可视化 应用范围：展示患者人口统计学分布、治疗效果的箱形图和散点图。 技术介绍：利用GPT自动化数据处理并绘制统计意义显著的图形，专注于显示数据分散情况和中心趋势。 4.临床研究结果展示 应用范围：临床试验数据的结果展示，如生存分析的Kaplan-Meier曲线。 技术介绍：使用GPT进行数据分析，生成复杂的生存分析图和风险比较图，辅助临床决策。 |
| 第二十六章：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。 |
| 第二十七章：将医学项目成果有效地转化为学术论文内容 | 1.如何将医学项目中的数据处理、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，讨论其在医学领域的应用潜力。 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。 |
| 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、培训专家
八、培训费用
1、学生凭学生证优惠300元；
2、2人以上(含)团体报名每人可减少200元；
3、3人以上(含)团体报名每人可减少300元；
4、4人以上(含)团体报名每人可减少400元；
5、5人以上(含)团体报名，另外赠送一个名额；
6、以上优惠政策不能同时享受，只能享受其中一种。
九、联系方式
报名咨询联系人：李老师
评论 (0)