2023年随着OpenAI开发者大会的召开，最重磅更新当属GPTs，多模态API，未来自定义专属的GPT。微软创始人比尔盖茨称ChatGPT的出现有着重大历史意义，不亚于互联网和个人电脑的问世。360创始人周鸿祎认为未来各行各业如果不能搭上这班车，就有可能被淘汰在这个数字化时代，如何能高效地处理文本、文献查阅、PPT编辑、编程、绘图和论文写作已经成为您成功的关键。而 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。

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

ChatGPT 在论文写作与编程方面也具备强大的能力。无论是进行代码生成、错误调试还是解决编程难题，ChatGPT都能为您提供实用且高质量的建议和指导，提高编程效率和准确性。此外，ChatGPT是一位出色的合作伙伴，可以为您提供论文写作的支持。它可以为您提供论文结构指导、段落重组建议，甚至是对论文内容的进一步拓展和丰富。利用ChatGPT的写作能力，您可以更好地组织思路、提升论文的逻辑性和质量。  

ChatGPT/GPT4应用初学者最大的障碍是账号问题，本次会议首先解决的就是账号问题【详情见会议福利】，本课程通过多期的讲解，深入总结参会人员的需求，覆盖了科研工作中的文本、论文、编程、绘图等高级应用，融合众多插件应用，提高工作效率及科研项目开发能力，使GPT真正成为科研工作助手。

目标：

1、熟练掌握ChatGPT提示词技巧及各种应用方法，并成为工作中的助手。

2、通过案例掌握ChatGPT撰写、修改论文及工作报告，提供写作能力及优化工作。

3、熟练掌握ChatGPT融合相关插件的应用，完成数据分析、编程以及深度学习等相关科研项目。

4、掌握各种AI绘图工具，随意生成各类型性图像。

5、总结会议参加人员关注问题，现场进行辅助指导及交流。

专题一、OpenAI开发者大会最新技术发展及最新功能应用

1.1最新大模型GPT-4 Turbo详细讲解

1.2最新发布的高级数据分析，AI画图，图像识别，文档API

1.3 GPT Store讲解

1.4（实操演练）从0到1创建自己的GPT应用

专题二、定制自己的GPTs2.1热门的自定义GPTs使用介绍

2.2通过聊天交流的方式制作自己的GPTs

2.3通过自定义的方式制作自己的GPTs

2.4 GPTs的3种分发方式

2.5 GPTs的action功能介绍

专题三、AIGC基础学习

3.1深度学习常用架构介绍

3.2 GPT1-4模型介绍

3.3 AIGC技术发展

3.4大语言模型的评估标准

3.5 ChatGPT/GPT4官网使用方法

3.6优秀国内大模型推荐

3.7 LLM与搜索引擎：差异与联系

专题四、提示词工程高级技巧
【讲解+实 

4.1提示词工程介绍

4.2如何写好一篇论文的提示词

4.3（实操演练）初识LLM：角色扮演的艺术

4.4（实操演练）调整LLM的语调与表达方式

4.5（实操演练）定义LLM的具体任务与目标

4.6（实操演练）探索LLM与上下文的密切关系

4.7（实操演练）零样本学习：强化逻辑推理

4.8（实操演练）多样本学习：模型模仿能力提升

4.9（实操演练）自洽性检验：数学能力加强

4.10（实操演练）知识生成：提高模型的信息处理能力

专题五、ChatGPT/GPT4的实用案例

5.1（实操演练）ChatGPT/GPT4是最好用的翻译软件

5.2（实操演练）AI助力高效表格数据创建

5.3（实操演练）AI在数据处理中的实际操作

5.4（实操演练）苏格拉底式教学法在AI中的运用

5.5（实操演练）如何与AI交流科研问题

5.6（实操演练）AI助力文本数据整理与分析

5.7（实操演练）AI在用户评论分析中的应用

5.8（实操演练）AI撰写专业报告的技巧

5.9（实操演练）让AI根据知识点出题

5.10（实操演练）使用AI工具快速产出高端PPT的4种方法

5.11（实操演练）使用AI工具快速产出短视频

5.12（实操演练）快速制作流程图和思维导图

 

 

专题六、让ChatGPT/GPT4成为你的论文助手

6.1（实操演练）分析论文得出审稿意见

6.2（实操演练）进行论文内容问答

6.3（实操演练）生成论文摘要

6.4（实操演练）写论文综述并标注内容来源

6.5（实操演练）中/英文论文润色的4种方法

6.6（实操演练）进行论文降重的技巧

6.7（实操演练）查找某个观点或内容相关的论文

6.8（实操演练）对多篇论文进行分析对比

6.9（实操演练）如何防止AI生成的内容被检测

6.10（实操演练）生成完整长篇论文的技巧

 

 

专题七、python基础学习

7.1 python的应用场景

7.2（实操演练）python环境安装配置

7.3（实操演练）print使用

7.4（实操演练）运算符和变量

7.5（实操演练）循环

7.6（实操演练）列表元组字典

7.7（实操演练）if条件

7.8（实操演练）函数

7.9（实操演练）模块

7.10（实操演练）类的使用

7.11（实操演练）文件读写

7.12（实操演练）异常处理

专题八、科学计算模块Numpy和绘图模块Matplotlib学习

8.1（实操演练）numpy的属性

8.2（实操演练）创建array

8.3（实操演练）numpy的运算

8.4（实操演练）随机数生成以及矩阵的运算

8.5（实操演练）numpy的索引

8.6（实操演练）array合并

8.7（实操演练）Matplotlib基础用法

8.8（实操演练）figure图像

8.9（实操演练）设置坐标轴

8.10（实操演练）legend图例 

8.11（实操演练）scatter散点图

专题九、机器学习算法应用

9.1机器学习概述

9.2训练集/验证集/测试集

9.3监督学习与无监督学习

9.4分类/回归/聚类算法

9.5机器学习算法应用分析

9.6（实操演练）使用回归算法完成波士顿房价预测

9.7（实操演练）使用KNN算法完成鸢尾花分类

9.8（实操演练）使用逻辑回归算法完成糖尿病预测

9.9（实操演练）分析特征重要性（哪些特征对标签的影响最大）

9.10（实操演练）机器学习特征工程完整流程

专题十、深度学习算法基础

10.1单层感知器

10.2激活函数，损失函数和梯度下降法

10.3 BP算法介绍

10.4梯度消失问题

10.5多种激活函数介绍

10.6（实操演练）BP算法解决手写数字识别问题

专题十一、深度学习框架Tensorflow应用

11.1（实操演练）Mnist数据集和softmax讲解

11.2（实操演练）使用BP神经网络识别图片

11.3（实操演练）交叉熵(cross-entropy)讲解和使用

11.4（实操演练）欠拟合/正确拟合/过拟合

11.5（实操演练）各种优化器Optimizer

11.6（实操演练）模型保存和模型载入方法

专题十二、深度学习算法-卷积神经网络CNN应用

12.1 CNN卷积神经网络

12.2卷积的局部感受野，权值共享介绍。

12.3卷积的具体计算方式

12.4池化层介绍（均值池化、最大池化）

12.5 same padding和valid padding介绍

12.6 LeNET-5卷积网络介绍

12.7（实操演练）CNN手写数字识别案例

专题十三、深度学习算法-长短时记忆网络LSTM应用

13.1 RNN循环神经网络介绍

13.2 RNN具体计算分析

13.3长短时记忆网络LSTM介绍

13.4输入门，遗忘门，输出门具体计算分析

13.5堆叠LSTM介绍

13.6双向LSTM介绍

13.7（实操演练）使用LSTM进行设备故障预测

专题十四、基于深度学习模型的图像识别

14.1 VGG16模型详解

14.2 ResNet模型详解

14.3 EfficientNet模型详解

14.4（实操演练）下载训练好的1000分类图像识别模型

14.5（实操演练）使用训练好的图像识别模型进行各种图像分类

14.6（实操演练）使用迁移学习训练自己的天气现象分类模型

专题十五、让ChatGPT/GPT4成为你的编程助手

15.1使用ChatGPT/GPT4写程序的注意事项

15.2（实操演练）让AI对代码进行详细讲解

15.3（实操演练）进行代码纠错及自动修改

15.4（实操演练）使用AI工具读取本地数据的技巧

15.5（实操演练）绘制折线图，柱状图，饼图等各种统计分析图表

15.6（实操演练）让AI工具帮你自动进行数据分析和特征工程

15.7（实操演练）使用你的数据产生机器学习模型进行分类预测

15.8（实操演练）根据你的数据产生深度学习模型进行回归预测

15.9（实操演练）自动化AI编程助手的使用

专题十六、让ChatGPT/GPT4进行数据处理

16.1（实操演练）让AI正确读取表格数据

16.2（实操演练）让AI理解百万行数据

16.3（实操演练）使用AI进行数据可视化

16.4（实操演练）使用AI进行数据缺失值处理

16.5（实操演练）使用AI进行数据归一化

16.6（实操演练）使用AI进行特征筛选

16.7（实操演练）使用AI输出表格数据

16.8（实操演练）使用AI输出特征工程处理后的数据

16.9（实操演练）使用AI绘制统计分析图表

专题十七、ChatGPT/GPT4在地球科学方面的应用

17.1（实操演练）用GPT绘制世界地图海岸线

17.2（实操演练）用GPT绘制不同的地图投影

17.3（实操演练）用GPT绘制南极地投影

17.4（实操演练）用GPT绘制地球各种关键变量的图

17.5（实操演练）用GPT绘制台风总降水量图

17.6（实操演练）用GPT绘制台风风速图

17.7（实操演练）用GPT计算台风总降水量

17.8（课实操演练）用GPT对遥感图像光谱数据进行机器学习建模分类

 

专题十八、ChatGPT/GPT4高级开发应用

18.1（实操演练）GPT模型API接口程序使用

18.2（实操演练）GPT模型参数调节

18.3（实操演练）用GPT程序API接口制作聊天机器人

18.4（实操演练）用GPT程序API接口制作自动订餐机器人

18.5（实操演练）用GPT程序API批量处理大量文本数据

18.6（实操演练）用DALLE-3程序API接口生成图片

18.7（实操演练）GPT4本地文件上传功能使用

18.8（实操演练）GPT4联网功能使用

18.9（实操演练）GPT4图像识别功能应用

18.10（实操演练）GPT高级数据分析功能详解

 

专题十九、AI绘图工具Midjourney和DALLE3应用

19.1 AI画图原理介绍

19.2（实操演练）Midjourney工具的基础操作

19.3（实操演练）remix模式介绍

19.4（实操演练）blend命令介绍

19.5（实操演练）describe命令介绍

19.6（实操演练）图生图通过图片生成新的图片

19.7（实操演练）Midjourney的参数和设置介绍

19.8（实操演练）Midjourney科研作图介绍

19.9（实操演练）DALL-E 3模型介绍

19.10（实操演练）DALL-E 3根据上下文内容修改图片

19.11（实操演练）DALL-E 3在图像中生成特定文字

19.12（实操演练）DALL-E 3绘图结果的不断优化

 

 

专题二十、AI绘图工具Stable Diffusion基础应用

20.1（实操演练）Stable Diffusion工具介绍

20.2（实操演练）Stable Diffusion环境部署介绍

20.3（实操演练）通过文字生成图片

20.4（实操演练）通过图片生成图片

20.5（实操演练）图像智能高清算法

20.6（实操演练）使用Lora模型产生写实人物图像

20.7（实操演练）进行图像的局部重绘

20.8（实操演练）Controlnet插件介绍

20.9（实操演练）使用线稿图生成装修和建筑

20.10（实操演练）使用线稿图给图片上色

20.11（实操演练）产生特定姿态的人物图像