本次文章主要包含以下培训课程：
课程一：
各相关单位：
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：掌握如何使用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。
| 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.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 |
|
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识别医学图像中的公式并保存 4.（课堂动手练习）使用AI将医学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辅助医学论文搜索与阅读 | 1.（课堂动手练习）利用AI进行医学论文搜索
2.（课堂动手练习）医学论文拓展平台使用 3.（课堂动手练习）最好用的AI医学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领域的应用 5.（课堂动手练习）利用AI进行医学论文阅读总结交流 6.（课堂动手练习）最好用的AI医学论文翻译神器介绍 7.（课堂动手练习）利用AI对医学论文中的公式和图表讲解 |
| 第五章：AI辅助医学论文写作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（指定引用医学文献的写作） 3.（课堂动手练习）【C模式】模仿式写作（指定范文，给出医学观点，套用格式） 4.（课堂动手练习）【D模式】连接医学论文数据库进行写作（搜索相关医学论文，参考相关内容） |
|
第六章：让AI成为您的医学论文写作助手 |
1.（课堂动手练习）利用AI生成医学论文选题
2.（课堂动手练习）利用AI辅助医学论文大纲撰写 3.（课堂动手练习）利用AI辅助写医学论文摘要 4.（课堂动手练习）利用AI辅助写医学论文前言 5.（课堂动手练习）利用AI辅助写医学技术方法 6.（课堂动手练习）利用AI辅助描述医学实验数据 7.（课堂动手练习）利用AI辅助进行医学数据分析 8.（课堂动手练习）利用AI辅助写医学论文结论 9.（课堂动手练习）利用AI进行医学论文写作翻译 10.（课堂动手练习）利用AI帮你生成完整的医学文献综述（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医学参考文献的2种方法 |
|
第七章：AI辅助医学科研论文优化 |
1.（课堂动手练习）利用AI辅助中英文医学论文润色
2.（课堂动手练习）利用AI辅助医学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进行医学论文降重的2种方案 4.（课堂动手练习）利用AI提出医学论文审稿意见和具体修改方案 5.（课堂动手练习）如何判别医学文章是不是AI生成 6.（课堂动手练习）如何避免AI生成的医学文章被检测 |
| 第八章：AI在医学科研绘图中的应用 | 1.（课堂动手练习）根据本地医学数据绘制散点图，折线图，柱状图，饼图等
2.（课堂动手练习）绘制不同医学特征之间的相关系数图 3.（课堂动手练习）绘制不同医学数据特征的多变量联合分布图 4.（课堂动手练习）绘制医学数据缺失值可视化图 5.（课堂动手练习）绘制不同医学模型算法的结果对比图 6.（课堂动手练习）绘制医学模型算法的ROC曲线图 7.（课堂动手练习）绘制医学特征重要性排序图 8.（课堂动手练习）其他各种医学图像的AI自动绘图方法 |
| 第九章：SCI医学论文解读及写作 | 详细解读几篇经典SCI医学论文。
ChatGPT应用：将医学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优化医学论文写作流程。 数据处理 描述：详述医学数据预处理、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：辅助撰写医学论文各部分，包括摘要、引言和结论，提高写作效率。 |
| 第十章：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 |
| 第十一章：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） |
| 第十二章：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 |
| 第十三章：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 |
| 第十四章：不会写代码也能成为医学领域编程高手 | 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读取本地医学数据然后写代码 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 |
| 第十五章：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 |
| 第十六章：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 |
| 第十七章：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 |
| 第十八章：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 |
| 第十九章：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）使用回归算法完成医学成本预测 7.（课堂动手练习）使用多种算法完成乳腺癌预测 |
| 第二十章：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 |
| 第二十一章：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.same padding和valid padding介绍 6.LeNET-5卷积网络介绍 7.（课堂动手练习）医学识别案例 |
| 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：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。 |
| 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。
报名咨询微信二维码：
课程二：
| 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AI交流科研问题 |
| 第三章：AI在教学/科研中的应用实战案例 | 1.（课堂动手练习）使用AI进行文献翻译
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识别公式并保存 4.（课堂动手练习）使用AI将文章中的数据整理成表格 5.（课堂动手练习）使用AI帮你进行文章内容分类 6.（课堂动手练习）使用AI协助撰写工作报告 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：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：AI辅助论文搜索与阅读 |
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AI进行论文阅读总结交流。 6.（课堂动手练习）最好用的AI论文翻译神器介绍 7.（课堂动手练习）利用AI对论文中的公式讲解 |
|
第六章：AI辅助写作ABCD模型（通用方法论） |
1.（课堂动手练习）【A模式】AI直接写（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（指定引用内容的写作） 3.（课堂动手练习）【C模式】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】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AI成为您的论文写作助手 | 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辅助大纲撰写 3.（课堂动手练习）利用AI辅助写摘要 4.（课堂动手练习）利用AI辅助写前言 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AI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：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 |
| 第十二章：AI的拓展应用 | 1.（课堂动手练习）利用AI自动创建精美PPT
2.（课堂动手练习）利用AI根据文章内容或自定义大纲创建PPT 3.（课堂动手练习）利用AI快速产出科普短视频 4.（课堂动手练习）利用AI快速制作流程图 5.（课堂动手练习）利用AI快速制作序列图 6.（课堂动手练习）利用AI快速制作思维导图 |
| 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 |
| 第十四章：基于AI完成的机器学习/深度学习项目案例 | 1.（课堂动手练习）用AI了解科研/项目相关知识
2.（课堂动手练习）用AI优化科研/项目的设计 3.（课堂动手练习）用AI解答科研/项目相关问题 4.（课堂动手练习）用AI读取本地数据（Excel数据或CSV数据等） 5.（课堂动手练习）用AI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：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 |
| 第十七章：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 |
| 第十八章：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 |
| 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。 |
课程三：
| 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。 |
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。
报名咨询微信二维码：
评论 (0)