GPT+Python近红外光谱数据分析

原文链接:GPT+Python近红外光谱数据分析icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247603913&idx=1&sn=6eb8fd6f1abcdd8160815997a13eb03d&chksm=fa82172ecdf59e389a860547a238bb86c7f38ae3baa14e97c7490a52ef2a2c206f88d503a5eb&token=1727551034&lang=zh_CN#rd第一:ChatGPT入门基础

1、ChatGPT(GPT-1、GPT-2、GPT-3、GPT-3.5、GPT-4模型的演变)

2、ChatGPT对话初体验

3、GPT-4与GPT-3.5的区别,以及与国内大语言模型(文心一言、星火等)的区别

4、ChatGPT科研必备插件(Data Interpreter、Wolfram、WebPilot、MixerBox Scholar、ScholarAI、Show Me、AskYourPDF等)

5、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)

6、GPT Store简介

图片

第二:ChatGPT提示词使用方法与技巧

1、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、常用的ChatGPT提示词模板

3、基于模板的ChatGPT提示词优化

4、利用ChatGPT4 及插件优化提示词

5、通过promptperfect.jina.ai优化提示词

6、利用ChatGPT4 及插件生成提示词

7、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、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、利用ChatGPT4 及插件保存喜欢的ChatGPT提示词并一键调用

10、案例演示:利用ChatGPT4实现网页版游戏的设计、代码自动生成与运行

图片

第三:ChatGPT助力信息检索与总结分析
1、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、利用ChatGPT4 及插件实现联网检索文献

3、利用ChatGPT4及插件总结分析文献内容(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、利用ChatGPT4 及插件总结Youtube视频内容

图片

第四:ChatGPT助理论文写作与投稿

1、利用ChatGPT4自动生成论文的总体框架

2、利用ChatGPT4完成论文翻译(指定翻译角色和翻译的领域、给一些背景提示)

3、利用ChatGPT4实现论文语法校正

4、利用ChatGPT4完成段落结构及句子逻辑润色

5、利用ChatGPT4完成论文评审意见的撰写与回复

图片

第五:ChatGPT助力python入门基础

1、Python环境搭建( 下载、安装与版本选择)。

2、如何选择Python编辑器?(IDLE、Notepad++、PyCharm、Jupyter…)

3、Python基础(数据类型和变量、字符串和编码、list和tuple、条件判断、循环、函数的定义与调用等)

4、第三方模块的安装与使用

5、Numpy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)

6、Matplotlib基本图形绘制(线形图、柱状图、饼图、气泡图、直方图、箱线图、散点图等)、图形的布局(多个子图绘制、规则与不规则布局绘制、向画布中任意位置添加坐标轴)

图片

第六:ChatGPT助力近红外光谱数据预处理

1、近红外光谱数据标准化与归一化(为什么需要标准化与归一化?)

2、近红外光谱数据异常值、缺失值处理

3、近红外光谱数据离散化及编码处理

4、近红外光谱数据一阶导数与二阶导数

5、近红外光谱数据去噪与基线校正

6、近红外光谱数据预处理中的ChatGPT提示词模板

图片

第七:ChatGPT助力多元线性回归近红外光谱分析

1、多元线性回归模型(工作原理、最小二乘法)

2、岭回归模型(工作原理、岭参数k的选择、用岭回归选择变量)

3、LASSO模型(工作原理、特征选择、建模预测、超参数调节)

4、Elastic Net模型(工作原理、建模预测、超参数调节)

5、多元线性回归、岭回归、LASSO、Elastic Net的Python代码实现

6、多元线性回归中的ChatGPT提示词模板

图片

第八:ChatGPT助力BP神经网络近红外光谱分析

1、BP神经网络的基本原理(人工智能发展过程经历了哪些曲折?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、训练集和测试集划分? BP神经网络常用激活函数有哪些?如何查看模型参数?

3、BP神经网络参数(隐含层神经元个数、学习率)的优化(交叉验证)

4、值得研究的若干问题(欠拟合与过拟合、评价指标的设计、样本不平衡问题等)

5、BP神经网络的Python代码实现

6、BP神经网络中的ChatGPT提示词模板

图片

第九:ChatGPT助力支持向量机(SVM)近红外光谱分析

1、SVM的基本原理(什么是经验误差最小和结构误差最小?SVM的本质是解决什么问题?SVM的四种典型结构是什么?核函数的作用是什么?什么是支持向量?)

2、SVM扩展知识(如何解决多分类问题? SVM的启发:样本重要性排序及样本筛选)

3、SVM的Python代码实现

4、SVM中的ChatGPT提示词模板

图片

第十:ChatGPT助力决策树,随机森林,Adaboost,XGBoost和LighGBM近红外光谱分析

1、决策树的基本原理(什么是信息熵和信息增益?ID3和C4.5算法的区别与联系)

2、随机森林的基本原理与集成学习框架(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”提现在哪些地方?随机森林的本质是什么?)

3、Bagging与Boosting集成策略的区别

4、Adaboost算法的基本原理

5、Gradient Boosting Decision Tree (GBDT)模型的基本原理

6、XGBoost与LightGBM简介

7、决策树、随机森林、Adaboost、XGBoost与LightGBM的Python代码实现

8、决策树、随机森林、Adaboost、XGBoost与LightGBM的ChatGPT提示词模板

图片

第十一:ChatGPT助理遗传算法近红外光谱分析

1、群优化算法

2、遗传算法(Genetic Algorithm)的基本原理(什么是个体和种群?什么是适应度函数?选择、交叉与变异算子的原理与启发式策略)

3、遗传算法的Python代码实现

4、遗传算法中的ChatGPT提示词模板

图片

图片

第十二:ChatGPT助力近红外光谱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(PCA与PLS的区别与联系;PCA除了降维之外,还可以帮助我们做什么?)

3、近红外光谱波长选择算法的基本原理(Filter和Wrapper;前向与后向选择法;区间法;无信息变量消除法等)

4、PCA、PLS、特征选择算法的Python代码实现

5、PCA、PLS、特征选择算法中的ChatGPT提示词模板

6、案例演示:1)基于L1正则化的近红外光谱波长筛选

2)基于信息熵的近红外光谱波长筛选

3)基于Recursive feature elimination的近红外光谱波长筛选

4)基于Forward-SFS的近红外光谱波长筛选

图片

第十三:ChatGPT助力pytorch入门基础

1、深度学习框架(PyTorch、Tensorflow、Keras等)

2、PyTorch简介(动态计算图与静态计算图机制、PyTorch的优点)

3、PyTorch的安装与环境配置(Pip vs. Conda包管理方式、验证是否安装成功)

4、张量(Tensor)的定义,以及与标量、向量、矩阵的区别与联系)

5、张量(Tensor)的常用属性与方法(dtype、device、requires_grad、cuda等)

6、张量(Tensor)的创建(直接创建、从numpy创建、依据概率分布创建)

7、张量(Tensor)的运算(加法、减法、矩阵乘法、哈达玛积(element wise)、除法、幂、开方、指数与对数、近似、裁剪)

8、张量(Tensor)的索引与切片

9、PyTorch的自动求导(Autograd)机制与计算图的理解

10、PyTorch常用工具包及API简介(torchvision(transforms、datasets、model)、torch.nn、torch.optim、torch.utils(Dataset、DataLoader))

图片

第十四:ChatGPT助力卷积网络近红外光谱分析

1、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

3、卷积神经网络参数调试技巧

4、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

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

6、卷积神经网络中的ChatGPT提示词模板

7、案例演示:(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;(4)基于一维卷积神经网络的近红外光谱模型建立;(5)基于二维卷积神经网络的红外图像分类识别模型建立

图片

图片

第十五:ChatGPT助力近红外光谱迁移学习

1、迁移学习算法的基本原理(为什么需要迁移学习?为什么可以迁移学习?迁移学习的基本思想是什么?)

2、常用的迁移学习算法(基于实例、特征和模型,譬如:TrAdaboost算法)

3、基于卷积神经网络的迁移学习算法

4、迁移学习的Python代码实现

图片

第十六:ChatGPT助力自编码近红外光谱分析

1、自编码器(Auto-Encoder的工作原理)

2、常见的自编码器类型简介(降噪自编码器、深度自编码器、掩码自编码器等)

3、自编码器的Python代码实现

4、自编码器中的ChatGPT提示词模板

5、案例演示:1)基于自编码器的近红外光谱数据预处理

2)基于自编码器的近红外光谱数据降维与有效特征提取

图片

第十七:ChatGPT助力U-Net多光谱图像语义分割

1、语义分割(Semantic Segmentation)

2、U-Net模型的基本原理

3、语义分割、U-Net模型中的ChatGPT提示词模板

图片

第十八:ChatGPT助理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)等原理

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、深度学习模型可解释性与可视化中的ChatGPT提示词模板

图片

图片

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/612871.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

14:java基础-Tomcat-Web容器

文章目录 面试题Web 容器是什么?HTTP 的本质 面试题 Web 容器是什么? 让我们先来简单回顾一下 Web 技术的发展历史,可以帮助你理解 Web 容器的由来。早期的 Web 应用主要用于浏览新闻等静态页面,HTTP 服务器(比如Apa…

AMEYA360:太阳诱电叠层压电震动片介绍

触觉感应功能中振动片的定位,“触感”方面, 驱动频带宽、响应速度快的叠层压电振动片则将变得不可或缺。触觉感应功能运用了多种多样的振动片。 “通知”运用了偏心转子马达、线性谐振振动片等电磁式振动片,“力反馈”则在上述电磁式振动片的…

闭散列哈希表

一、什么是 哈希 ? 1.1 哈希概念 与 哈希冲突 在正式介绍闭散列哈希之前,我们需要明确 哈希 的概念。 哈希 :构造一种数据存储结构,通过函数 HashFunc() ,使 元素的存储位置 与 其对应的键值 建立一一映射关系&…

【Spring】Spring 整合 Junit、MyBatis

一、 Spring 整合 Junit <?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.org/POM/4.0.0"xmlns:xsi"http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation"http://maven.apache…

云端地球联动大疆机场,支撑矿山高效巡检与智能监测

矿产资源是我国的重要战略性资源。近年来&#xff0c;随着矿山开采深度的逐渐增加&#xff0c;露天矿山边坡滑落等灾害频繁发生&#xff0c;威胁人民群众生命与财产安全。因此&#xff0c;对露天矿边坡进行快速、实时、有效的形变监测和预警已成为当前我国矿山防灾与安全生产的…

【CCF-CSP】202403-4 十滴水

题目描述 十滴水是一个非常经典的小游戏。 小 C 正在玩一个一维版本的十滴水游戏。我们通过一个例子描述游戏的基本规则。 游戏在一个 1c 的网格上进行&#xff0c;格子用整数x(1≤x≤c) 编号&#xff0c;编号从左往右依次递增。网格内 m 个格子里有 1∼41∼4 滴水&#xff0…

Python:如何将嵌套列表展平成单层列表

在Python中&#xff0c;我们经常会遇到需要处理列表的情况&#xff0c;尤其是嵌套列表。嵌套列表就是一个列表中包含另一个或多个列表。有时&#xff0c;我们需要将这些嵌套的列表展平成一个单层的列表&#xff0c;以便于进一步的处理和分析。本文将介绍如何使用Python将嵌套列…

【架构】MVC架构模式 三层架构

1 不使用MVC架构模式完成银行账户转账 <% page contentType"text/html;charsetUTF-8" language"java" %> <html><head><base href"${pageContext.request.scheme}://${pageContext.request.serverName}:${pageContext.request.…

Redis加入系统服务,开机自启

vi /etc/systemd/system/redis.service i :wq #加载服务配置文件 systemctl daemon-reload #启动redis systemctl start redis #设置开机自启 systemctl enable redis #查看启动状态 systemctl status redis

每日一练 2024.5.10

题目&#xff1a; 给定一个非负整数数组 nums&#xff0c; nums 中一半整数是 奇数 &#xff0c;一半整数是 偶数 。 对数组进行排序&#xff0c;以便当 nums[i] 为奇数时&#xff0c;i 也是 奇数 &#xff1b;当 nums[i] 为偶数时&#xff0c; i 也是 偶数 。 示例 1&#…

Day 29 MySQL的主从复制集群

一&#xff1a;主从复制 1.主从复制概念 什么是主从复制&#xff1a; ​ 主从复制&#xff0c;是用来建立一个和主数据库完全一样的数据库环境&#xff0c;称为从数据库&#xff1b;主数据库一般是准实时的业务数据库 主从复制的作用&#xff1a; ​ 做数据的热备&#xf…

【Python 下载大量品牌网站的图片(一)】关于图片的处理和下载,吃满带宽,可多开窗口下载多个网站,DOS窗口类型

写作日期&#xff1a;2024.05.11 使用工具&#xff1a;Python 可修改功能&#xff1a;线程量、UA、Cookie、代理、存储目录、间隔时间、超时时间、图片压缩、图片缩放 默认功能&#xff1a;图片转换、断续下载、图片检测、路径处理、存储文件 GUI&#xff1a;DOS窗口 类型&…

K8s源码分析(二)-K8s调度队列介绍

本文首发在个人博客上&#xff0c;欢迎来踩&#xff01; 本次分析参考的K8s版本是 文章目录 调度队列简介调度队列源代码分析队列初始化QueuedPodInfo元素介绍ActiveQ源代码介绍UnschedulableQ源代码介绍**BackoffQ**源代码介绍队列弹出待调度的Pod队列增加新的待调度的Podpod调…

C++:week3:数据结构与算法

文章目录 (十一) 常用数据结构1.动态数组(1)模型(2).h与.c(3)实现 2.链表(1)模型(2)分类(3)基本操作(API)(4)实现(5)链表常见面试题(6)空间与时间 3.栈(1)模型(2)基本操作(3)实现(4)栈的应用 4.队列(1)模型(2)基本操作(API)(3)实现(4)队列的应用 5.哈希表(1)哈希表的提出原因(2…

支付宝小程序如何去除页面下拉回弹

描述&#xff1a;支付宝小程序页面下拉时会产生回弹&#xff0c;如果页面上有拖拽功能&#xff0c;会有影响 解决方法&#xff1a; 页面xx.config.js中设置&#xff1a;allowsBounceVertical: “NO” 官方文档&#xff1a;https://opensupport.alipay.com/support/FAQ/7110b5d…

什么是Jetpack

Jetpack Jetpack 是一套组件库、工具&#xff0c;可帮助开发人员遵循最佳做法&#xff0c;减少样板代码并编写可在 Android 版本和设备上一致工作的代码&#xff0c;以便开发人员可以专注于他们关心的代码 组成 主要包含四部分&#xff1a;架构&#xff08;Architecture&…

手写一个SPI FLASH 读写擦除控制器(未完)

文章目录 flash读写数据的特点1. 扇擦除SE&#xff08;Sector Erase&#xff09;1.1 flash_se 模块设计1.1.1 信号连接示意图&#xff1a;1.1.2 SE状态机1.1.3 波形图设计&#xff1a;1.1.4 代码 2. 页写PP(Page Program)2.1 flash_pp模块设计2.1.1 信号连接示意图&#xff1a;…

社交媒体数据恢复:快手、快手极速版

一、备份快手数据 登录快手账号&#xff1a;首先&#xff0c;打开快手APP&#xff0c;登录您的快手账号。 进入设置&#xff1a;在快手首页点击右上角的三条横线图标&#xff0c;进入设置页面。 数据备份&#xff1a;在设置页面找到“备份与恢复”选项&#xff0c;点击进入。…

【机器学习】 人工智能和机器学习辅助决策在空战中的未来选择

&#x1f680;传送门 &#x1f680;文章引言&#x1f512;技术层面&#x1f4d5;作战结构&#x1f308;替代决策选项&#x1f3ac;选项 1&#xff1a;超级战争&#xff08;Hyperwar&#xff09;&#x1f320;选项 2&#xff1a;超越OODA&#x1f302;选项 3&#xff1a;阻止其他…

【漏洞复现】用友U8-Cloud XChangeServlet XXE漏洞

0x01 产品简介 用友U8Cloud是用友推出的新一代云ERP,主要聚焦成长型、创新型企业,提供企业级云ERP整体解决方案。 0x02 漏洞概述 用友U8 cloud /service/XChangeServlet接口存在XXE漏洞,未授权的攻击者可通过此漏洞获取数据库敏感信息,从而盗取服务器数据,造成服务器信…