目录
专题一 开启大模型
专题二 基于ChatGPT大模型提问框架
专题三 基于ChatGPT大模型的论文助手
专题四 基于ChatGPT大模型的数据清洗
专题五 基于ChatGPT大模型的统计分析
专题六 基于ChatGPT的经典统计模型
专题七 基于ChatGPT大模型的机器学习
专题八 ChatGPT的二次开发
专题九 基于ChatGPT大模型的科研绘图
专题十 基于ChatGPT大模型的GIS应用
专题十一 基于ChatGPT大模型的项目基金助手
专题十二 基于大模型的AI绘图
更多应用
以ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、Stable Diffusion、星火大模型、文心一言、千问为代表AI大语言模型带来了新一波人工智能浪潮,可以面向科研选题、思维导图、数据清洗、统计分析、高级编程、代码调试、算法学习、论文检索、写作、翻译、润色、文献辅助阅读、文献信息提取、辅助论文审稿、新闻撰写、科技绘图、地学绘图(GIS地图绘制)、概念图生成、图像识别、教学课件、教学案例生成、基金润色、专业咨询、文件上传和处理、机器/深度学习训练与模拟、大模型API二次开发等特定任务,生成文本、图片、代码、语音、视频等不同形式的数据、模式和内容,成为不少科研工作者的第二大脑。本教程通过大量生物、地球、农业、气象、生态、环境科学领域中案例,解锁大模型在科研、办公中的高级应用,一起探索如何优雅地使用大模型。
【特色】:
1.GPT与学科知识融合:GPT深层应用一定是和本身研究的专业知识相融合
2.精选案例驱动学习:以科研过程为线,结合大量的精选实例掌握GPT技术的实际效果
3.实践技能培养:不仅仅是理论,更重视实践演练和项目操作,以提升研究工作效率
4.资源与支持:内容中讲解多种辅助插件应用,建立助学群促进学员之间的交流
专题一 开启大模型
①大模型的发展历程与最新功能
②大模型的强大功能与应用场景
③国内外经典大模型(ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、Stable Diffusion、星火大模型、文心一言、千问等)
④如何优雅使用大模型
案例1.1:开启不同平台的大模型
案例1.2:GPT不同版本的使用
案例1.3:大模型文件上传和处理
专题二 基于ChatGPT大模型提问框架
提问框架(提示词、指令)
①专业大模型提示词,助你小白变专家
②超实用的通用提示词和提问框架
③GPT store(GPT商店产品)及高级提问技巧
案例2.1:设定角色与投喂规则
案例2.2:行业专家指令合集
案例2.3:角色扮演与不同角度提问
案例2.4:分步提问与上下文关联
案例2.5:经典提问框架练习,提升模型效率
专题三 基于ChatGPT大模型的论文助手
基于AI大模型的论文助手
案例3.1:大模型论文润色中英文指令大全
案例3.2:使用大模型进行论文润色
案例3.3:使用大模型对英文文献进行搜索
案例3.4:使用大模型对英文文献进行问答和辅助阅读
案例3.5:使用大模型提取英文文献关键信息
案例3.6:使用大模型对论文进行摘要重写
案例3.7:使用大模型取一个好的论文标题
案例3.8:使用大模型写论文框架和调整论文结构
案例3.9:使用大模型对论文进行翻译
案例3.10:使用大模型对论文进行评论,辅助撰写审稿意见
案例3.11:使用大模型对论文进行降重
案例3.12:使用大模型查找研究热点
案例3.13:使用大模型对你的论文凝练成新闻和微信文案
案例3.14:使用大模型对拓展论文讨论
案例3.15:使用大模型辅助专著、教材、课件的撰写
专题四 基于ChatGPT大模型的数据清洗
基于ChatGPT的数据清洗
①R语言和Python基础(勿需学会,能看懂即可)
②数据清洗方法(重复值、缺失值处理、异常值检验、标准化、归一化、数据长宽转换,数据分组聚合)
案例4.1:使用大模型指令随机生成数据
案例4.2:使用大模型指令读取数据
案例4.3:使用大模型指令进行数据清洗
案例4.4:使用大模型指令对农业气象数据进行预处理
案例4.5:使用大模型指令对生态数据进行预处理
专题五 基于ChatGPT大模型的统计分析
基于AI大模型的统计分析
①统计假设检验
②统计学三大常用检验及其应用场景
③方差分析、相关分析、回归分析
案例5.1:使用大模型对生态环境数据进行正态性检验、方差齐性检验
案例5.2:使用大模型进行t检验、F检验和卡方检验
案例5.3:使用大模型对生态环境数据进行方差分析、相关分析及回归分析
专题六 基于ChatGPT的经典统计模型
基于AI大模型的经典统计模型构建
案例6.1:基于AI辅助构建的混合线性模型在生态学中应用
案例6.2:基于AI辅助的全球尺度Meta分析及诊断、绘图
案例6.3:基于AI辅助的生态环境数据结构方程模型构建
案例6.4:基于AI辅助的贝叶斯优化及模型参数不确定性
专题七 基于ChatGPT大模型的机器学习
基于AI大模型的机器/深度学习
①机器/深度学习
②AI大模型的底层逻辑和算法结构(GPT1-GPT4)
③机器学习监督学习(回归、分类)、非监督学习(降维、聚类)
④特征工程、数据分割、目标函数、参数优化、交叉验证、超参数寻优
⑤深度学习算法(神经网络、激活函数、交叉熵、优化器)
⑥卷积神经网络、长短期记忆网络(LSTM)
案例7.1:使用大模型指令构建回归模型(多元线性回归、随机森林、XGBoost、LightGBM等)
案例7.2:使用大模型指令构建分类模型(支持向量机、XGBoost等)
案例7.3:使用大模型指令构建降维模型
案例7.4:使用大模型指令构建聚类模型
案例7.5:使用大模型指令构建深度学习模型,实现预测和解释
专题八 ChatGPT的二次开发
基于AI大模型的二次开发
案例8.1:基于API构建自己的本地大模型
案例8.2:基于构建的本地大模型实现ChatGPT功能、模型评价和图像生成
案例8.3:ChatGPT Store构建方法
专题九 基于ChatGPT大模型的科研绘图
基于AI大模型的科研绘图
①使用大模型进行数据可视化
案例9.1:大模型科研绘图指定全集
案例9.2:使用大模型指令绘制柱状图(误差线)、散点图、相关网络图、热图、小提琴图、箱型图、雷达图、玫瑰图、气泡图、森林图、三元图、三维图等各类科研图
案例9.3:使用大模型指令对图形进行修改
专题十 基于ChatGPT大模型的GIS应用
基于AI大模型的GIS应用
①R语言和Python空间数据处理主要方法
②基于AI大模型训练降尺度模型
③基于AI大模型处理矢量、栅格数据
④基于AI大模型处理多时相netCDF4数据
案例10.1:使用大模型绘制全球地图
案例10.2:使用大模型处理NASA气象多时相NC数据
案例10.3:使用大模型绘制全球植被类型分布图
案例10.4:使用大模型栅格数据并绘制全球植被生物量图
案例10.5:使用大模型处理遥感数据并进行时间序列分析
案例10.6:使用不同插值方法对气象数据进行插值
专题十一 基于ChatGPT大模型的项目基金助手
基于AI大模型的项目基金助手
①基金申请讲解
②基因申请助手
案例11.1:使用大模型进行项目选题和命题
案例11.2:使用大模型进行项目书写作和语言润色
案例11.3:使用大模型进行项目书概念图绘制
专题十二 基于大模型的AI绘图
基于大模型的AI绘图
GPT DALL.E、Midjourney等AI大模型生成图片讲解
①AI画图指令套路和参数设定
案例12.1:使用大模型进行图像识别
案例12.2:使用大模型生成图像指令合集
案例12.3:使用大模型指令生成概念图
案例12.4:使用大模型指令生成地球氮循环概念图
案例12.5:使用大模型指令生成土壤概念图
案例12.6:使用大模型指令生成病毒、植物、动物细胞结构图
案例12.7:使用大模型指令生成图片素材,从此不再缺图片素材
注:请提前自备电脑及安装所需软件
更多应用
● ChatGPTGPT4科研应用、数据分析与机器学习、论文高效写作、AI绘图技术
ChatGPT:让AI大语言模型与专业知识完美融合,助力科研工作飞跃发展!-CSDN博客文章浏览阅读480次,点赞11次,收藏10次。ChatGPT,作为一种强大的自然语言处理模型,具备显著优势,能够帮助您在各个领域取得突破【最新增加Claude3、Gemini、Sora、GPTs讲解及AI领域中的集中大模型的最新技术】https://blog.csdn.net/weixin_46747075/article/details/136650739?spm=1001.2014.3001.5502● ChatGPT在遥感领域科学研究中的应用
ChatGPT赋能遥感研究:精准分析处理遥感影像数据,推动科研新突破-CSDN博客文章浏览阅读891次,点赞17次,收藏20次。了解应用人工智能技术来改变遥感科学研究和应用的可能性。它突出了人工智能和遥感科学的融合,展示了我们在理解地球和与地球互动方面取得重大进展的潜力,是一次探索、技能提升和实际应用的旅程,为学习者站在这场技术革命的前沿奠定基础。https://blog.csdn.net/weixin_46747075/article/details/136698552?spm=1001.2014.3001.5502● AI大语言模型GPT & R生态环境领域数据统计分析实战训练营
从GPT入门,到R语言基础与作图、回归模型分析、混合效应模型、多元统计分析及结构方程模型、Meta分析、随机森林模型及贝叶斯回归分析综合应用等专题及实战案例_线性混合效应模型和多元逐步回归分析-CSDN博客文章浏览阅读987次,点赞27次,收藏15次。GPT大语言模型在助力利用R语言开展数据统计分析方面有着令人遐想的广阔空间。然而,生态环境领域数据往往具有高度的异质性和复杂性,这要求分析者不仅要有扎实的统计学基础,还需要能够灵活运用各种统计模型和方法。GPT在这方面展现出巨大的潜力,它不仅能够帮助研究者理解和选择合适的统计模型,还能在数据分析过程中提供实时的指导和建议,极大地提高了研究效率。_线性混合效应模型和多元逐步回归分析https://blog.csdn.net/WangYan2022/article/details/136614975?spm=1001.2014.3001.5502● AI大模型智能大气科学探索之:ChatGPT在大气科学领域建模、数据分析、可视化与资源评估中的高效应用及论文写作
● 基于ChatGPT4+Python近红外光谱数据分析及机器学习与深度学习建模
● ChatGPT4+Python数据分析与可视化、人工智能建模及论文撰写
★点 击 关 注,获取海量教程和资源