以ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、Stable Diffusion、星火大模型、文心一言、千問為代表AI大語言模型帶來了新一波人工智能浪潮，可以面向科研選題、思維導圖、數據清洗、統計分析、高級編程、代碼調試、算法學習、論文檢索、寫作、翻譯、潤色、文獻輔助閱讀、文獻信息提取、輔助論文審稿、新聞撰寫、科技繪圖、地學繪圖（GIS地圖繪制）、概念圖生成、圖像識別、教學課件、教學案例生成、基金潤色、專業咨詢、文件上傳和處理、機器/深度學習訓練與模擬、大模型API二次開發等特定任務，生成文本、圖片、代碼、語音、視頻等不同形式的數據、模式和內容，成為不少科研工作者的第二大腦。本課程通過大量生物、地球、農業、氣象、生態、環境科學領域中案例，解鎖大模型在科研、辦公中的高級應用，一起探索如何優雅地使用大模型。
專題一、開啟大模型
1、開啟大模型
1)大模型的發展歷程與最新功能
2)大模型的強大功能與應用場景
3)國內外經典大模型（ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、Stable Diffusion、星火大模型、文心一言、千問等）
4)如何優雅使用大模型
案例1.1：開啟不同平臺的大模型
案例1.2：GPT不同版本的使用
案例1.3：大模型文件上傳和處理
專題二、基于ChatGPT大模型提問框架
2、提問框架（提示詞、指令）
1)專業大模型提示詞，助你小白變專家
2)超實用的通用提示詞模板
3)GPT store（GPT商店產品）及高級提問技巧
案例2.1：設定角色與投喂規則
案例2.2：行業專家指令合集
案例2.3：角色扮演與不同角度提問
案例2.4：分步提問與上下文關聯
案例2.5：經典提問框架練習，提升模型效率
專題三、基于ChatGPT大模型的論文助手
3、基于AI大模型的論文助手
案例3.1：大模型論文潤色中英文指令大全
案例3.2：使用大模型進行論文潤色
案例3.3：使用大模型對英文文獻進行搜索
案例3.4：使用大模型對英文文獻進行問答和輔助閱讀
案例3.5：使用大模型提取英文文獻關鍵信息
案例3.6：使用大模型對論文進行摘要重寫
案例3.7：使用大模型取一個好的論文標題
案例3.8：使用大模型寫論文框架和調整論文結構
案例3.9：使用大模型對論文進行翻譯
案例3.10：使用大模型對論文進行評論，輔助撰寫審稿意見
案例3.11：使用大模型對論文進行降重
案例3.12：使用大模型查找研究熱點
案例3.13：使用大模型對你的論文凝練成新聞和微信文案
案例3.14：使用大模型對拓展論文討論
案例3.15：使用大模型輔助專著、教材、課件的撰寫
專題四、基于ChatGPT大模型的數據清洗
4、基于ChatGPT的數據清洗
1)R語言和Python基礎（勿需學會，能看懂即可）
2)數據清洗方法（重復值、缺失值處理、異常值檢驗、標準化、歸一化、數據長寬轉換，數據分組聚合）
案例4.1：使用大模型指令隨機生成數據
案例4.2：使用大模型指令讀取數據
案例4.3：使用大模型指令進行數據清洗
案例4.4：使用大模型指令對農業氣象數據進行預處理
案例4.5：使用大模型指令對生態數據進行預處理
專題五、基于ChatGPT大模型的統計分析
5、基于AI大模型的統計分析
1)統計假設檢驗
2) 統計學三大常用檢驗及其應用場景
3) 方差分析、相關分析、回歸分析
案例5.1：使用大模型對生態環境數據進行正態性檢驗、方差齊性檢驗
案例5.2：使用大模型進行t檢驗、F檢驗和卡方檢驗
案例5.3：使用大模型對生態環境數據進行方差分析、相關分析及回歸分析
專題六、基于ChatGPT的經典統計模型
6、基于AI大模型的經典統計模型構建
案例6.1：基于AI輔助構建的混合線性模型在生態學中應用
案例6.2：基于AI輔助的全球尺度Meta分析及診斷、繪圖
案例6.3：基于AI輔助的生態環境數據結構方程模型構建
專題七、基于ChatGPT的優化算法
7、基于AI大模型的頻率派和貝葉斯派優化算法
案例7.1：最小二乘法優化模型參數優化
案例7.2：遺傳算法、差分進化算法參數優化
案例7.3：貝葉斯定理和貝葉斯優化算法
案例7.4：蒙特拉羅馬爾科夫鏈MCMC進行參數優化
專題八、基于ChatGPT大模型的機器學習
8、基于AI大模型的機器/深度學習
1)機器/深度學習
2)線性代數基礎、特征值和特征向量
3)機器學習監督學習（回歸、分類）、非監督學習（降維、聚類）
4)特征工程、數據分割、目標函數、參數優化、交叉驗證、超參數尋優
5)主成分分析、LDA、NMS、T-SNE、UMAP、Kmeans、Agglomerative、DBSCAN
6)支持向量機、決策樹、隨機森林、XGBoost、AdaBoost、LightGBM、高斯過程
7)深度學習算法（神經網絡、激活函數、交叉熵、優化器）
8)AI大模型的底層邏輯和算法結構（GPT1-GPT4）
9)卷積神經網絡、長短期記憶網絡（LSTM）
案例8.1：使用大模型指令構建回歸模型（多元線性回歸、隨機森林、XGBoost、LightGBM等）
案例8.2：使用大模型指令構建分類模型（支持向量機、XGBoost等）
案例8.3：使用大模型指令構建降維模型
案例8.4：使用大模型指令構建聚類模型
案例8.5：使用大模型指令構建卷積神經網絡
案例8.6：使用大模型指令構建LSTM模型進行氣象時序預測
專題九、ChatGPT的二次開發
9、基于AI大模型的二次開發
案例9.1：基于API構建自己的本地大模型
案例9.2：基于構建的本地大模型實現ChatGPT功能、模型評價和圖像生成
案例9.3：ChatGPT Store構建方法
專題十、基于ChatGPT大模型的科研繪圖
1、基于AI大模型的科研繪圖
1)使用大模型進行數據可視化
案例10.1：大模型科研繪圖指定全集
案例10.2：使用大模型指令繪制柱狀圖（誤差線）、散點圖、相關網絡圖、熱圖、小提琴圖、箱型圖、雷達圖、玫瑰圖、氣泡圖、森林圖、三元圖、三維圖等各類科研圖
案例10.3：使用大模型指令對圖形進行修改
??
??
專題十一、基于ChatGPT大模型的GIS應用
11、基于AI大模型的GIS應用
1)R語言和Python空間數據處理主要方法
2)基于AI大模型訓練降尺度模型
3)基于AI大模型處理矢量、柵格數據
4)基于AI大模型處理多時相netCDF4數據
案例11.1：使用大模型繪制全球地圖
案例11.2：使用大模型處理NASA氣象多時相NC數據
案例11.3：使用大模型繪制全球植被類型分布圖
案例11.4：使用大模型柵格數據并繪制全球植被生物量圖
案例11.5：使用大模型處理遙感數據并進行時間序列分析
案例11.6：使用不同插值方法對氣象數據進行插值
案例11.7：使用大模型進行空間聚類分析
案例11.8：使用大模型構建機器學習進行空間預測
? ?
專題十二、基于ChatGPT大模型的項目基金助手
12、基于AI大模型的項目基金助手
1)基金申請講解
2)基因申請助手
案例12.1：使用大模型進行項目選題和命題
案例12.2：使用大模型進行項目書寫作和語言潤色
案例12.3：使用大模型進行項目書概念圖繪制
專題十三、基于大模型的AI繪圖
13基于大模型的AI繪圖
GPT DALL.E、Midjourney等AI大模型生成圖片講解
1)AI畫圖指令套路和參數設定
案例13.1：使用大模型進行圖像識別
案例13.2：使用大模型生成圖像指令合集
案例13.3：使用大模型指令生成概念圖
案例13.4：使用大模型指令生成地球氮循環概念圖
案例13.5：使用大模型指令生成土壤概念圖
案例13.6：使用大模型指令生成病毒、植物、動物細胞結構圖
案例13.7：使用大模型指令生成圖片素材，從此不再缺圖片素材
