自然科学领域基于ChatGPT大模型的科研绘图

 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

本次我们通过大量生物、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;

开启大模型

1 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

基于ChatGPT大模型提问框架

2 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

3) GPT 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

基于ChatGPT大模型的论文助手

3 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

基于ChatGPT大模型的数据清洗

4 基于ChatGPT的数据清洗

1) R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

基于ChatGPT大模型的统计分析

5 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

基于ChatGPT的经典统计模型

6 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

基于ChatGPT的优化算法

7 基于AI大模型的频率派和贝叶斯派优化算法

案例7.1:最小二乘法优化模型参数优化

案例7.2:遗传算法、差分进化算法参数优化

案例7.3:贝叶斯定理和贝叶斯优化算法

案例7.4:蒙特拉罗马尔科夫链MCMC进行参数优化

基于ChatGPT大模型的机器学习

7 基于AI大模型的机器/深度学习

8 基于AI大模型的机器/深度学习

机器/深度学习
线性代数基础、特征值和特征向量
机器学习监督学习(回归、分类)、非监督学习(降维、聚类)
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
主成分分析、LDA、NMS、T-SNE、UMAP、Kmeans、Agglomerative、DBSCAN
支持向量机、决策树、随机森林、XGBoost、AdaBoost、LightGBM、高斯过程
深度学习算法(神经网络、激活函数、交叉熵、优化器)
AI大模型的底层逻辑和算法结构(GPT1-GPT4)
卷积神经网络、长短期记忆网络(LSTM)
案例8.1: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8.2:使用大模型指令构建分类模型(支持向量机、XGBoost等)

案例8.3:使用大模型指令构建降维模型

案例8.4:使用大模型指令构建聚类模型

案例8.5:使用大模型指令构建卷积神经网络

案例8.6:使用大模型指令构建LSTM模型进行气象时序预测

ChatGPT的二次开发

9 基于AI大模型的二次开发

案例9.1:基于API构建自己的本地大模型

案例9.2: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9.3:ChatGPT Store构建方法

基于ChatGPT大模型的科研绘图

9 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

基于ChatGPT大模型的GIS应用

11 基于AI大模型的GIS应用

1) R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11.1:使用大模型绘制全球地图

案例11.2:使用大模型处理NASA气象多时相NC数据

案例11.3:使用大模型绘制全球植被类型分布图

案例11.4:使用大模型栅格数据并绘制全球植被生物量图

案例11.5:使用大模型处理遥感数据并进行时间序列分析

案例11.6:使用不同插值方法对气象数据进行插值

案例11.7:使用大模型进行空间聚类分析

案例11.8:使用大模型构建机器学习进行空间预测

基于ChatGPT大模型的项目基金助手

12 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12.1:使用大模型进行项目选题和命题

案例12.2:使用大模型进行项目书写作和语言润色

案例12.3:使用大模型进行项目书概念图绘制

基于大模型的AI绘图

12基于大模型的AI绘图

GPT DALL.E、Midjourney等AI大模型生成图片讲解

1) AI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


 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/6495.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【深度学习实战(32)】模型结构之解耦头(de-coupled head)与耦合头(coupled head)

一、传统耦合头局限性 传统的检测模型,如YOLOv3和YOLOv4,使用的是单一的检测头,它同时预测目标类别和框的位置。然而,这种设计存在一些问题。首先,将类别预测和位置预测合并在一个头中,可能导致一个任务的…

机器学习小tip

有监督学习 有监督学习是通过现有训练数据集进行建模,再用模型对新的数据样本进行分类或者回归分析的机器学习 方法。 无监督学习 而无监督学习,或者说非监督式学习,则是在没有训练数据集的情况下,对没有标 签的数据进行分析并…

Wireshark CLI | 过滤包含特定字符串的流

问题背景 源自于和朋友的一次技术讨论,关于 Wireshark 如何查找特定字符串所在的 TCP 流,原始问题如下: 仔细琢磨了下,基于我对 Wireshark 的使用经验,感觉一步到位实现比较困难,所以想着说用 Wireshark C…

Mybatis Interview Question Summary

1. In best practice, usually an Xml mapping file will write a Dao interface corresponding to it. What is the working principle of the Dao interface? Can the methods in the Dao interface be overloaded when the parameters are different? Answer: The Dao in…

旅游系列之:庐山美景

旅游系列之:庐山美景 一、路线二、住宿二、庐山美景 一、路线 庐山北门乘坐大巴上山,住在上山的酒店东线大巴游览三叠泉,不需要乘坐缆车,步行上下三叠泉即可,线路很短 二、住宿 长江宾馆庐山分部 二、庐山美景

Photoshop中图像编辑的基本操作

Photoshop中图像编辑的基本操作 Photoshop中调整图像窗口大小Photoshop中辅助工具的使用网格的使用标尺的使用注释工具的使用 Photoshop中置入嵌入式对象Photoshop中图像与画布的调整画布大小的修改画布的旋转图像尺寸的修改 Photoshop中撤销与还原采用快捷键进行撤销与还原采用…

机器学习之基于Jupyter多种混合模型的糖尿病预测

欢迎大家点赞、收藏、关注、评论啦 ,由于篇幅有限,只展示了部分核心代码。 文章目录 一项目简介 二、功能三、系统四. 总结 一项目简介 一、项目背景 随着现代生活方式的改变,糖尿病的患病率在全球范围内呈现上升趋势。糖尿病是一种慢性代谢…

上位机图像处理和嵌入式模块部署(树莓派4b使用lua)

【 声明:版权所有,欢迎转载,请勿用于商业用途。 联系信箱:feixiaoxing 163.com】 lua是一个脚本语言,比c语言开发容易,也没有python那么重,整体使用还是非常方便的。一般当成胶水语言进行开发&a…

【Hadoop】--基于hadoop和hive实现聊天数据统计分析,构建聊天数据分析报表[17]

目录 一、需求分析 1、背景介绍 2、目标 3、需求 4、数据内容 5、建库建表 二、ETL数据清洗 1、数据问题 2、需求 3、实现 4、扩展概念:ETL 三、指标计算 1、指标1:统计今日消息总量 2、指标2:统计每小时消息量、发送量和接收用…

哥白尼高程Copernicus DEM下载(CSDN_20240505)

哥白尼数字高程模型(Copernicus DEM, COP-DEM)由欧洲航天局(European Space Agency, 简称ESA或欧空局)发布,全球范围免费提供30米和90米分辨率DEM。COP-DEM是数字表面模型(DSM),它表示地球表面(包括建筑物、基础设施和植被)的高程。COP-DEM是经过编辑的D…

循环神经网络模块介绍(Pytorch 12)

到目前为止,我们遇到过两种类型的数据:表格数据和图像数据。对于图像数据,我们设计了专门的卷积神经网络架构(cnn)来为这类特殊的数据结构建模。换句话说,如果我们拥有一张图像,我们 需要有效地利用其像素位置&#xf…

指针,解引用,空指针,野指针,常量指针(const+指针),指针常量(const+常量)

指针变量通过*操作符,操作指针变量指向的内存空间,被称为解引用。 所有指针类型在32位操作系统下是4个字节,64位是8个字节。 int a 10;int *p; // 定义了一个整型指针p。 *表示p是一个指针 p &a; // 将变量a的地址赋给指针p。 &是取地址运算符…

算法课程笔记——蓝桥云课第六次直播

(只有一个数,或者因子只有一个)先自己打表,找找规律函数就是2的n次方 异或前缀和 相等就抵消 先前缀和再二分

斐波那契数列,Java版本实现

斐波那契数列是一个著名的数列,其中每个数字(从第三个开始)是前两个数字的和。数列的前几个数字是 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, … 等。下面是一个用Java实现的斐波那契数列的详细版本,包括递归方法、迭代方法以及一个优化的…

[HDLBits] Simple wire

Create a module with one input and one output that behaves like a wire. module top_module( input in, output out );assign out in; endmodule

【Python】机器学习之Sklearn基础教程大纲

机器学习之Sklearn基础教程大纲 1. 引言 机器学习简介Scikit-learn(Sklearn)库介绍安装和配置Sklearn 2. 数据预处理 2.1 数据加载与查看 - 加载CSV、Excel等格式的数据- 查看数据的基本信息(如形状、数据类型等)2.2 数据清洗…

本地部署大模型ollama+docker+open WebUI/Lobe Chat

文章目录 大模型工具Ollama下载安装运行Spring Ai 代码测试加依赖配置写代码 ollama的web&Desktop搭建部署Open WebUI有两种方式Docker DesktopDocker部署Open WebUIDocker部署Lobe Chat可以配置OpenAI的key也可以配置ollama 大模型的选择 本篇基于windows环境下配置 大模型…

翔云优配恒生指数涨1.85%、恒生科技指数涨3.74% 小鹏汽车涨超8%

5月3日港股开盘,恒生指数涨1.85%,报18543.3点,恒生科技指数涨3.74%,报4009.96点,国企指数涨2.23%,报6580.81点, 翔云优配是一家领先的在线投资平台,提供全球范围内的股票、期货、基金等交易服务…

小程序引入 Vant Weapp 极简教程

一切以 Vant Weapp 官方文档 为准 Vant Weapp 官方文档 - 快速入手 1. 安装nodejs 前往官网下载安装即可 nodejs官网 安装好后 在命令行(winr,输入cmd)输入 node -v若显示版本信息,即为安装成功 2. 在 小程序根目录 命令行/终端…

C++类的小结

1、类定义 使用class关键字定义类。 类名通常以大写字母开头,以符合命名规范。 类包含成员变量(也称为属性或数据成员)和成员函数(也称为方法或行为)。 class MyClass { public: int x; // 数据成员 void setX…