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。
點擊查看原文鏈接https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247552140&idx=3&sn=cbf04e99c6abd1e191b64cbd9795b72a&chksm=ce64e667f9136f71dfcb8c9d6c519686b72c07896d4c16f1896308f4996e189bae6d8de17ece&token=421372221&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

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

關注科研技術平臺獲取更多資源