本次培训采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式，抽丝剥茧、深入浅出讲解ChatGPT4.0的最新功能，以及经典人工智能方法在实际应用时需要掌握的经验及技巧。旨在帮助学员掌握ChatGPT4.0在日常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、决策树、随机森林、XGBoost、LightGBM、遗传算法等）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、生成式对抗网络、YOLO目标检测、自编码器等）的基本原理及Python、Pytorch代码实现方法
培训时间及方式
2024年4月18日-4月20日 北京/同步直播
（17号发放课程资料，18日-20日上课）
（课后可免费观看同步教学视频）
培训特色
1、赠送1个月的ChatGPT-4会员账号，赠送每人1个可以终身独立使用的ChatGPT账号，可以在OpenAI官网使用。给大家提供国内可以科学访问的ChatGPT服务器的渠道，保证所有人都能够在课程中实操课程学习的内容；
2、本培训提供永久答疑。课后实践学习的过程中遇到问题，可以随时找老师进行交流；
3、参加本次培训后，后期相同的培训本人可免费参加。
主讲老师
该课程讲师，副教授，博士毕业于中国科学院大学生物医学工程专业，主要从事人工智能、健康医疗大数据分析、可穿戴设备和物联网等领域的研究工作和系统开发，具有丰富的实战应用经验。先后主持多项国家级和省部级科研项目，参与编写《MATLAB智能算法30个案例分析》、《MATLAB神经网络43个案例分析》等畅销书籍，发表多篇高水平的国际学术研究论文，申请发明专利10余项，获批计算机软件著作权20余项。精通Python、MATLAB、C#、Java等多种编程语言，以及Pytorch、Tensorflow、Keras等多个主流深度学习框架。主讲百余场Python编程、机器学习和深度学习培训，课程以其实用性、趣味性广受学员及企事业单位好评，学员达数千人。
收费标准
A类：3980元/人，含培训费、资料费、证书费、视频费等。住宿可统一安排，费用自理。
证书：可获得宏新环宇（北京）信息技术研究院有限公司颁发的《人工智能应用工程师》结业证书。
B类：收费5880元/人，含培训费、资料费、A类+B类证书费、视频费等。住宿可统一安排，费用自理。
证书：通过考试可获得工业和信息化部颁发的高级《人工智能应用工程师》职业技术证书，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，国家认可官网可查。
课程大纲
|
一、ChatGPT4 入门 |
1、ChatGPT概述（GPT-1、GPT-2、GPT-3、GPT-3.5、GPT-4模型的演变） 2、ChatGPT对话初体验（注册与充值、购买方法、GPT3.5/GPT4/Plugins相互切换） 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、GPT Store与科研必备专属GPTs（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、ChatGPT对话记录保存与管理 7、案例演示与实操练习 |
|
二、ChatGPT4 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、案例演示与实操练习：利用ChatGPT4实现网页版游戏的设计、代码自动生成与运行 |
|
三、 ChatGPT4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 5、案例演示与实操练习 |
|
四、ChatGPT4助力论文写作与投稿 |
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 6、案例演示与实操练习 |
|
五、ChatGPT4助力数据预处理及可视化绘图 |
1、ChatGPT4中上传本地数据的几种常用方法 2、利用ChatGPT4 及插件爬取第三方网站数据 3、利用ChatGPT4 及插件处理PDF文档（添加水印、合并/拆分文档、提取PDF里的表格/图片/关键词信息、总结PDF内容、为PDF生成词云、OCR识别） 4、利用ChatGPT4 及插件实现常见文件格式之间的转换 5、利用ChatGPT4 及插件实现图像处理（图像缩放、旋转、裁剪、去噪与去模糊） 6、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） 7、数据预处理（标准化与归一化、异常值与缺失值处理、离散化及编码处理、生成新特征） 8、融合ChatGPT 4与Python的数据预处理代码自动生成与运行 9、利用ChatGPT4 实现数据统计分析与可视化（折线图、散点图、柱状图、饼图、、气泡图、直方图、箱线图等） 10、案例演示与实操练习 |
|
六、ChatGPT 4助力前向型神经网络建模 |
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？BP神经网络建模的本质是什么？） 2、BP神经网络的Python代码实现（怎样划分训练集和测试集？为什么需要归一化？归一化是必须的吗？） 3、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、值得研究的若干问题（欠拟合与过拟合、泛化性能评价指标的设计、样本不平衡问题等） 5、前向型神经网络中的ChatGPT提示词库讲解 6、案例实践与实操练习：利用ChatGPT4 实现BP神经网络模型的代码自动生成与运行 |
|
七、ChatGPT 4助力决策树、随机森林、XGBoost与LightGBM建模 |
1、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？ 2、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”体现在哪些地方？随机森林的本质是什么？怎样可视化、解读随机森林的结果？） 3、Bagging与Boosting的区别与联系 4、AdaBoost vs. Gradient Boosting的工作原理 5、常用的GBDT算法框架（XGBoost、LightGBM） 6、决策树、随机森林、XGBoost、LightGBM中的ChatGPT提示词库讲解 7、案例实践与实操练习：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 |
|
八、ChatGPT 4助力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、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？粒子群算法、蜻蜓算法、蝙蝠算法、模拟退火算法等与遗传算法的区别与联系） 5、PCA、PLS、特征选择、群优化算法的ChatGPT提示词库讲解 6、案例实践与实操练习：利用ChatGPT4实现变量降维与特征选择算法的代码自动生成与运行 |
|
九、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等预训练模型 4、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？） 5、卷积神经网络中的ChatGPT提示词库讲解 6、案例实践与实操练习：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 |
|
十、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、基于深度神经网络模型的迁移学习算法 3、迁移学习中的ChatGPT提示词库讲解 4、案例实践与实操练习：ChatGPT4 Noteable插件迁移学习模型的代码自动生成与运行 |
|
十一、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、RNN与LSTM中的ChatGPT提示词库讲解 4、案例实践与实操练习：ChatGPT4实现RNN、LSTM模型的代码自动生成与运行 |
|
十二、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、生成式对抗网络中的ChatGPT提示词库讲解 4、案例讲解与实操练习：ChatGPT4实现生成式对抗网络模型的代码自动生成与运行 |
|
十三、ChatGPT 4助力自编码器建模 |
1、自编码器模型原理介绍（AE、Denoising AE, Masked AE） 2、自编码器模型中的ChatGPT提示词库讲解 3、案例实践与实操练习：利用ChatGPT4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 |
|
十四、ChatGPT 4助力YOLO目标检测 |
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、YOLO模型中的ChatGPT提示词库讲解 4、案例实践与实操练习： （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 |
|
十五、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、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、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、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、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） 6、ChatGPT4 DALL.E 3格子布局与角色一致性的实现 7、案例演示与实操练习 |
|
十六、GPT 4 API接口调用与完整项目开发 |
1、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、案例实践与实操练习：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 |
|
十七、课程总结与答疑讨论 |
1、课程总结与现场答疑 2、相关学习资料分享与拷贝（图书推荐、在线课程推荐等） |
