2023年隨著OpenAI開發者大會的召開，最重磅更新當屬GPTs，多模態API，未來自定義專屬的GPT。微軟創始人比爾蓋茨稱ChatGPT的出現有著重大歷史意義，不亞于互聯網和個人電腦的問世。360創始人周鴻祎認為未來各行各業如果不能搭上這班車，就有可能被淘汰在這個數字化時代，如何能高效地處理文本、文獻查閱、PPT編輯、編程、繪圖和論文寫作已經成為您成功的關鍵。而 ChatGPT，作為一種強大的自然語言處理模型，具備顯著優勢，能夠幫助您在各個領域取得突破。

點擊查看原文https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247552026&idx=1&sn=2b16cd5bc37c063d7bce46b1df161e25&chksm=ce64e6f1f9136fe7187b463e83e1bc28d7569af9edf07a5b1eacfe4bef8f6557bda7544bc1cf&token=694962001&lang=zh_CN#rd

ChatGPT 在論文寫作與編程方面也具備強大的能力。無論是進行代碼生成、錯誤調試還是解決編程難題，ChatGPT都能為您提供實用且高質量的建議和指導，提高編程效率和準確性。此外，ChatGPT是一位出色的合作伙伴，可以為您提供論文寫作的支持。它可以為您提供論文結構指導、段落重組建議，甚至是對論文內容的進一步拓展和豐富。利用ChatGPT的寫作能力，您可以更好地組織思路、提升論文的邏輯性和質量。 ?

ChatGPT/GPT4應用初學者最大的障礙是賬號問題，本次會議首先解決的就是賬號問題【詳情見會議福利】，本課程通過多期的講解，深入總結參會人員的需求，覆蓋了科研工作中的文本、論文、編程、繪圖等高級應用，融合眾多插件應用，提高工作效率及科研項目開發能力，使GPT真正成為科研工作助手。

目標：

1、熟練掌握ChatGPT提示詞技巧及各種應用方法，并成為工作中的助手。

2、通過案例掌握ChatGPT撰寫、修改論文及工作報告，提供寫作能力及優化工作。

3、熟練掌握ChatGPT融合相關插件的應用，完成數據分析、編程以及深度學習等相關科研項目。

4、掌握各種AI繪圖工具，隨意生成各類型性圖像。

5、總結會議參加人員關注問題，現場進行輔助指導及交流。

專題一、OpenAI開發者大會最新技術發展及最新功能應用

1.1最新大模型GPT-4 Turbo詳細講解

1.2最新發布的高級數據分析，AI畫圖，圖像識別，文檔API

1.3 GPT Store講解

1.4（實操演練）從0到1創建自己的GPT應用

專題二、定制自己的GPTs2.1熱門的自定義GPTs使用介紹

2.2通過聊天交流的方式制作自己的GPTs

2.3通過自定義的方式制作自己的GPTs

2.4 GPTs的3種分發方式

2.5 GPTs的action功能介紹

專題三、AIGC基礎學習

3.1深度學習常用架構介紹

3.2?GPT1-4模型介紹

3.3?AIGC技術發展

3.4大語言模型的評估標準

3.5?ChatGPT/GPT4官網使用方法

3.6優秀國內大模型推薦

3.7?LLM與搜索引擎：差異與聯系

專題四、提示詞工程高級技巧
【講解+實?

4.1提示詞工程介紹

4.2如何寫好一篇論文的提示詞

4.3（實操演練）初識LLM：角色扮演的藝術

4.4（實操演練）調整LLM的語調與表達方式

4.5（實操演練）定義LLM的具體任務與目標

4.6（實操演練）探索LLM與上下文的密切關系

4.7（實操演練）零樣本學習：強化邏輯推理

4.8（實操演練）多樣本學習：模型模仿能力提升

4.9（實操演練）自洽性檢驗：數學能力加強

4.10（實操演練）知識生成：提高模型的信息處理能力

專題五、ChatGPT/GPT4的實用案例

5.1（實操演練）ChatGPT/GPT4是最好用的翻譯軟件

5.2（實操演練）AI助力高效表格數據創建

5.3（實操演練）AI在數據處理中的實際操作

5.4（實操演練）蘇格拉底式教學法在AI中的運用

5.5（實操演練）如何與AI交流科研問題

5.6（實操演練）AI助力文本數據整理與分析

5.7（實操演練）AI在用戶評論分析中的應用

5.8（實操演練）AI撰寫專業報告的技巧

5.9（實操演練）讓AI根據知識點出題

5.10（實操演練）使用AI工具快速產出高端PPT的4種方法

5.11（實操演練）使用AI工具快速產出短視頻

5.12（實操演練）快速制作流程圖和思維導圖

?

?

專題六、讓ChatGPT/GPT4成為你的論文助手

6.1（實操演練）分析論文得出審稿意見

6.2（實操演練）進行論文內容問答

6.3（實操演練）生成論文摘要

6.4（實操演練）寫論文綜述并標注內容來源

6.5（實操演練）中/英文論文潤色的4種方法

6.6（實操演練）進行論文降重的技巧

6.7（實操演練）查找某個觀點或內容相關的論文

6.8（實操演練）對多篇論文進行分析對比

6.9（實操演練）如何防止AI生成的內容被檢測

6.10（實操演練）生成完整長篇論文的技巧

?

?

專題七、python基礎學習

7.1?python的應用場景

7.2（實操演練）python環境安裝配置

7.3（實操演練）print使用

7.4（實操演練）運算符和變量

7.5（實操演練）循環

7.6（實操演練）列表元組字典

7.7（實操演練）if條件

7.8（實操演練）函數

7.9（實操演練）模塊

7.10（實操演練）類的使用

7.11（實操演練）文件讀寫

7.12（實操演練）異常處理

專題八、科學計算模塊Numpy和繪圖模塊Matplotlib學習

8.1（實操演練）numpy的屬性

8.2（實操演練）創建array

8.3（實操演練）numpy的運算

8.4（實操演練）隨機數生成以及矩陣的運算

8.5（實操演練）numpy的索引

8.6（實操演練）array合并

8.7（實操演練）Matplotlib基礎用法

8.8（實操演練）figure圖像

8.9（實操演練）設置坐標軸

8.10（實操演練）legend圖例?

8.11（實操演練）scatter散點圖

專題九、機器學習算法應用

9.1機器學習概述

9.2訓練集/驗證集/測試集

9.3監督學習與無監督學習

9.4分類/回歸/聚類算法

9.5機器學習算法應用分析

9.6（實操演練）使用回歸算法完成波士頓房價預測

9.7（實操演練）使用KNN算法完成鳶尾花分類

9.8（實操演練）使用邏輯回歸算法完成糖尿病預測

9.9（實操演練）分析特征重要性（哪些特征對標簽的影響最大）

9.10（實操演練）機器學習特征工程完整流程

專題十、深度學習算法基礎

10.1單層感知器

10.2激活函數，損失函數和梯度下降法

10.3 BP算法介紹

10.4梯度消失問題

10.5多種激活函數介紹

10.6（實操演練）BP算法解決手寫數字識別問題

專題十一、深度學習框架Tensorflow應用

11.1（實操演練）Mnist數據集和softmax講解

11.2（實操演練）使用BP神經網絡識別圖片

11.3（實操演練）交叉熵(cross-entropy)講解和使用

11.4（實操演練）欠擬合/正確擬合/過擬合

11.5（實操演練）各種優化器Optimizer

11.6（實操演練）模型保存和模型載入方法

專題十二、深度學習算法-卷積神經網絡CNN應用

12.1?CNN卷積神經網絡

12.2卷積的局部感受野，權值共享介紹。

12.3卷積的具體計算方式

12.4池化層介紹（均值池化、最大池化）

12.5 same padding和valid padding介紹

12.6 LeNET-5卷積網絡介紹

12.7（實操演練）CNN手寫數字識別案例

專題十三、深度學習算法-長短時記憶網絡LSTM應用

13.1 RNN循環神經網絡介紹

13.2?RNN具體計算分析

13.3長短時記憶網絡LSTM介紹

13.4輸入門，遺忘門，輸出門具體計算分析

13.5堆疊LSTM介紹

13.6雙向LSTM介紹

13.7（實操演練）使用LSTM進行設備故障預測

專題十四、基于深度學習模型的圖像識別

14.1?VGG16模型詳解

14.2 ResNet模型詳解

14.3 EfficientNet模型詳解

14.4（實操演練）下載訓練好的1000分類圖像識別模型

14.5（實操演練）使用訓練好的圖像識別模型進行各種圖像分類

14.6（實操演練）使用遷移學習訓練自己的天氣現象分類模型

專題十五、讓ChatGPT/GPT4成為你的編程助手

15.1使用ChatGPT/GPT4寫程序的注意事項

15.2（實操演練）讓AI對代碼進行詳細講解

15.3（實操演練）進行代碼糾錯及自動修改

15.4（實操演練）使用AI工具讀取本地數據的技巧

15.5（實操演練）繪制折線圖，柱狀圖，餅圖等各種統計分析圖表

15.6（實操演練）讓AI工具幫你自動進行數據分析和特征工程

15.7（實操演練）使用你的數據產生機器學習模型進行分類預測

15.8（實操演練）根據你的數據產生深度學習模型進行回歸預測

15.9（實操演練）自動化AI編程助手的使用

專題十六、讓ChatGPT/GPT4進行數據處理

16.1（實操演練）讓AI正確讀取表格數據

16.2（實操演練）讓AI理解百萬行數據

16.3（實操演練）使用AI進行數據可視化

16.4（實操演練）使用AI進行數據缺失值處理

16.5（實操演練）使用AI進行數據歸一化

16.6（實操演練）使用AI進行特征篩選

16.7（實操演練）使用AI輸出表格數據

16.8（實操演練）使用AI輸出特征工程處理后的數據

16.9（實操演練）使用AI繪制統計分析圖表

專題十七、ChatGPT/GPT4在地球科學方面的應用

17.1（實操演練）用GPT繪制世界地圖海岸線

17.2（實操演練）用GPT繪制不同的地圖投影

17.3（實操演練）用GPT繪制南極地投影

17.4（實操演練）用GPT繪制地球各種關鍵變量的圖

17.5（實操演練）用GPT繪制臺風總降水量圖

17.6（實操演練）用GPT繪制臺風風速圖

17.7（實操演練）用GPT計算臺風總降水量

17.8（課實操演練）用GPT對遙感圖像光譜數據進行機器學習建模分類

?

專題十八、ChatGPT/GPT4高級開發應用

18.1（實操演練）GPT模型API接口程序使用

18.2（實操演練）GPT模型參數調節

18.3（實操演練）用GPT程序API接口制作聊天機器人

18.4（實操演練）用GPT程序API接口制作自動訂餐機器人

18.5（實操演練）用GPT程序API批量處理大量文本數據

18.6（實操演練）用DALLE-3程序API接口生成圖片

18.7（實操演練）GPT4本地文件上傳功能使用

18.8（實操演練）GPT4聯網功能使用

18.9（實操演練）GPT4圖像識別功能應用

18.10（實操演練）GPT高級數據分析功能詳解

?

專題十九、AI繪圖工具Midjourney和DALLE3應用

19.1 AI畫圖原理介紹

19.2（實操演練）Midjourney工具的基礎操作

19.3（實操演練）remix模式介紹

19.4（實操演練）blend命令介紹

19.5（實操演練）describe命令介紹

19.6（實操演練）圖生圖通過圖片生成新的圖片

19.7（實操演練）Midjourney的參數和設置介紹

19.8（實操演練）Midjourney科研作圖介紹

19.9（實操演練）DALL-E 3模型介紹

19.10（實操演練）DALL-E 3根據上下文內容修改圖片

19.11（實操演練）DALL-E 3在圖像中生成特定文字

19.12（實操演練）DALL-E 3繪圖結果的不斷優化

?

?

專題二十、AI繪圖工具Stable Diffusion基礎應用

20.1（實操演練）Stable Diffusion工具介紹

20.2（實操演練）Stable Diffusion環境部署介紹

20.3（實操演練）通過文字生成圖片

20.4（實操演練）通過圖片生成圖片

20.5（實操演練）圖像智能高清算法

20.6（實操演練）使用Lora模型產生寫實人物圖像

20.7（實操演練）進行圖像的局部重繪

20.8（實操演練）Controlnet插件介紹

20.9（實操演練）使用線稿圖生成裝修和建筑

20.10（實操演練）使用線稿圖給圖片上色

20.11（實操演練）產生特定姿態的人物圖像

?

?

?