2022年11月30日,可能将成为一个改变人类历史的日子——美国人工智能开发机构OpenAI推出了聊天机器人ChatGPT3.5,将人工智能的发展推向了一个新的高度。2023年4月,更强版本的ChatGPT4.0上线,文本、语音、图像等多模态交互方式使其在各行各业的应用呈现了更多的可能性。2023年11月7日,OpenAI首届开发者大会被称为“科技界的春晚”,吸引了全球广大用户的关注,GPT商店更是显现了OpenAI旨在构建AI生态的野心。因此,为了帮助广大科研人员更加熟练地掌握ChatGPT4.0在数据分析、自动生成代码等方面的强大功能,同时更加系统地学习人工智能(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,旨在帮助大家掌握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
原文链接https://mp.weixin.qq.com/s?__biz=MzUyNzczMTI4Mg==&mid=2247685073&idx=4&sn=99b61a5c7c88a4f55a01a8bb1ecb3fe9&chksm=fa774ceccd00c5faedc9b624b3f96eafbd354fc50a914131dc37f76aeb53a8691e6a44a4b2bb&token=83514680&lang=zh_CN#rd
第一章、2024大语言模型最新进展介绍与ChatGPT4基础入门
1、2024 AIGC技术最新进展介绍
2、ChatGPT概述(GPT-1、GPT-2、GPT-3、GPT-3.5、GPT-4模型的演变)
3、(实操演练)ChatGPT对话初体验(注册与充值、购买方法)
4、(实操演练)GPT-4与GPT-3.5的区别
5、(实操演练)GPT-4与国内外其他大语言模型(Claude、谷歌Gemini、百度文心一言、科大讯飞星火、阿里巴巴通义千问、月之暗面Kimi等)的区别
6、(实操演练)ChatGPT科研必备GPTs(Data Interpreter、Wolfram、WebPilot、MixerBox Scholar、ScholarAI、Show Me、AskYourPDF等)
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)GPT Store简介与使用(信息检索与快速整理、论文撰写、论文翻译与润色、代码编写等)
9、案例演示与实操练习
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)基于模板的ChatGPT提示词优化
4、(实操演练)利用ChatGPT4 及插件优化提示词
5、(实操演练)通过promptperfect.jina.ai优化提示词
6、(实操演练)利用ChatGPT4 及插件生成提示词
7、(实操演练)ChatGPT4突破Token限制实现接收或输出万字长文(什么是Token?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)
8、(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)
9、(实操演练)利用ChatGPT4 及插件保存喜欢的ChatGPT提示词并一键调用
10、(实操演练)利用ChatGPT4实现网页版游戏的设计、代码自动生成与运行
11、案例演示与实操练习
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、围绕知识点生成不同难度的题目检测学生的学习效果等)
11、(实操演练)ChatGPT4辅助学生高效学习(利用插件生成个性化学习计划)
12、案例演示与实操练习
第四章、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完成论文评审意见的撰写与回复
12、案例演示与实操练习
第五章、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 爬取第三方网站数据
10、(实操演练)利用ChatGPT4 实现常见文件格式之间的转换
11、(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)
12、(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)
13、(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)
14、(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
15、(实操演练)利用ChatGPT4实现数据统计分析与可视化(自动生成统计图表)
16、(实操演练)利用ChatGPT4 实现代码逐行讲解
17、(实操演练)利用ChatGPT4 实现代码Bug调试与自动修改
18、案例演示与实操练习
第六章、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)前向型神经网络中的ChatGPT提示词库讲解
6、(实操演练)利用ChatGPT4实现BP神经网络、极限学习机模型的代码自动生成与运行
7、KNN分类模型(KNN算法的核心思想、距离度量方式的选择、K值的选取)
8、朴素贝叶斯分类模型(伯努利朴素贝叶斯BernoulliNB、类朴素贝叶斯CategoricalNB、高斯朴素贝叶斯besfGaussianNB、多项式朴素贝叶斯MultinomialNB、补充朴素贝叶斯ComplementNB)
9、SVM的工作原理(核函数的作用是什么?什么是支持向量?
10、SVM扩展知识(如何解决多分类问题?)
11、(实操演练)KNN、贝叶斯分类与SVM中的ChatGPT提示词库讲解
12、(实操演练)利用ChatGPT4实现KNN、贝叶斯分类、SVM模型的代码自动生成与运行
13、决策树的工作原理(微软小冰读心术的启示;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);决策树除了建模型之外,还可以帮我们做什么事情?
14、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?)
15、Bagging与Boosting的区别与联系
16、AdaBoost vs. Gradient Boosting的工作原理
17、(实操演练)常用的GBDT算法框架(XGBoost、LightGBM)
18、(实操演练)决策树、随机森林、XGBoost、LightGBM中的ChatGPT提示词库讲解
19、(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
20、案例演示与实操练习
第七章、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
第八章、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 及插件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
第九章、ChatGPT 4助力迁移学习建模
1、迁移学习算法的基本原理(为什么需要迁移学习?迁移学习的基本思想是什么?)
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及插件实现迁移学习模型的代码自动生成与运行
5、实操练习
第十章、ChatGPT 4助力生成式对抗网络建模
1、生成式对抗网络GAN(什么是对抗生成网络?为什么需要对抗生成网络?对抗生成网络可以帮我们做什么?GAN给我们带来的启示)
2、GAN的基本原理及GAN进化史
3、(实操演练)生成式对抗网络中的ChatGPT提示词库讲解
4、(实操演练)利用ChatGPT4 及插件实现生成式对抗网络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 及插件实现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 及插件实现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模型实现目标检测(图像检测、视频检测、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、ChatGPT 4助力自编码器建模
1、什么是自编码器(Auto-Encoder, AE)?
2、经典的几种自编码器模型原理介绍(AE、Denoising AE, Masked AE)
3、(实操演练)自编码器模型中的ChatGPT提示词库讲解
4、(实操演练)利用ChatGPT4 及插件实现自编码器模型的代码自动生成与运行
(1)基于自编码器的噪声去除;
(2)基于自编码器的手写数字特征提取与重构;
5、案例演示与实操练习
第十四章、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
第十五章、ChatGPT 4 助力深度学习模型可解释性与可视化方法
1、什么是模型可解释性?为什么需要对深度学习模型进行解释?
2、常用的可视化方法有哪些(特征图可视化、卷积核可视化、类别激活可视化等)?
3、类激活映射CAM(Class Activation Mapping)、梯度类激活映射GRAD-CAM、局部可解释模型-敏感LIME(Local Interpretable Model-agnostic Explanation)、等方法原理讲解
4、t-SNE的基本概念及使用t-SNE可视化深度学习模型的高维特征
5、(实操演练)深度学习模型可解释性与可视化中的ChatGPT提示词库讲解
6、(实操演练)利用ChatGPT4 及插件实现深度学习模型可视化的代码自动生成与运行
7、案例演示与实操练习
第十六章、ChatGPT 4助力AI绘图技术
1、生成式模型简介(生成式对抗网络、变分自编码器、扩散模型等)
2、(实操演练)利用ChatGPT4 DALL.E 3生成图像(下载图像、3种不同分辨率、修改图像)
3、(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)
4、(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)
5、(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)
6、(实操演练)ChatGPT4 DALL.E 3格子布局与角色一致性的实现
7、(实操演练)ChatGPT4 DALL.E 3生成动图GIF
8、(实操演练)Midjourney工具使用讲解
9、(实操演练)Stable Diffusion工具使用讲解
10、案例演示与实操练习
第十七章、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
第十八章、课程总结与答疑讨论
1、总结与答疑
2、相关学习资料分享与拷贝(图书推荐等)
原文链接https://mp.weixin.qq.com/s?__biz=MzUyNzczMTI4Mg==&mid=2247685073&idx=4&sn=99b61a5c7c88a4f55a01a8bb1ecb3fe9&chksm=fa774ceccd00c5faedc9b624b3f96eafbd354fc50a914131dc37f76aeb53a8691e6a44a4b2bb&token=83514680&lang=zh_CN#rd