自然科学研究遵循严谨的科学方法论,包括文献调研、问题综述、试验设计、提出假设、数据清洗、统计诊断、大数据分析、经典统计模型(回归模型、混合效应模型、结构方程模型、Meta分析模型)、参数优化、机器/深度学习、大尺度模型构建与模拟、论文辅助阅读、论文写作、翻译、润色、审稿、科研绘图、GIS绘图、概念图绘制、项目基金撰写及润色等过程。以ChatGPT-4o代表AI大语言模型引领了新一波人工智能浪潮,也在自然科学各个过程中提升生产力,本课程通过生物、地球、农业、气象、生态、环境、GIS科学领域中的大量案例,结合数据、文本、图片、代码、语音、视频等不同形式的数据、模式和内容,讲解自然科研的全流程,通过大模型辅助编写Python和R语言代码以及大模型API二次开发等技术对案例进行实现,带领大家快速进入科研新范式。
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。
基于ChatGPT-4o自然科学研究全流程实践技术应用 (qq.com)
专题一、开启自然科学研究新范式
1、基于ChatGPT-4o开启科研新范式
1)自然科学研究的主要流程
2)AI大模型的助力科研新范式
3)AI大模型的提问框架(提示词、指令)和专业级GPT store应用
案例1.1:开启大模型科研新范式
案例1.2:大模型助力自然科学的经典案例分析
案例1.3:经典高效的提问模板,提升模型效率
专题二、基于ChatGPT大模型的论文写作
2、科学论文写作全面提升
案例2.1:大模型论文润色中英文提问模板
案例2.2:使用大模型进行论文润色
案例2.3:使用大模型对英文文献进行搜索
案例2.4:使用大模型对英文文献进行问答和辅助阅读
案例2.5:使用大模型提取英文文献关键信息
案例2.6:使用大模型对论文进行摘要重写
案例2.7:使用大模型取一个好的论文标题
案例2.8:使用大模型写论文框架和调整论文结构
案例2.9:使用大模型对论文进行翻译
案例2.10:使用大模型对论文进行评论,辅助撰写审稿意见
案例2.11:使用大模型对论文进行降重
案例2.12:使用大模型查找研究热点
案例2.13:使用大模型对你的论文凝练成新闻和微信文案
案例2.14:使用大模型对拓展论文讨论
案例2.15:使用大模型辅助专著、教材、课件的撰写
专题三、基于ChatGPT大模型的数据清洗
3、数据清洗与特征工程
1)R语言和Python基础(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3.1:使用大模型指令随机生成数据
案例3.2:使用大模型指令读取各种类型的数据
案例3.3:使用大模型指令进行原始数据进行清洗、切片、筛选、整合
案例3.4:使用大模型指令对农业气象数据进行预处理
案例3.5:使用大模型指令对生态数据进行预处理
专题四、基于ChatGPT大模型的统计分析
4、统计分析与模型诊断
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4.1: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4.2:使用大模型进行t检验、F检验和卡方检验
案例4.3: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
专题五、基于ChatGPT的经典统计模型
5、经典统计模型(混合效应模型、结构方程模型、Meta分析)构建
案例5.1:基于AI辅助构建的混合线性模型在生态学中应用
案例5.2:基于AI辅助的全球尺度Meta分析、诊断及绘图
案例5.3:基于AI辅助的生态环境数据结构方程模型构建
专题六、基于ChatGPT的优化算法
6、模型参数及目标优化算法
案例6.1:最小二乘法对光合作用模型参数优化
案例6.2:遗传算法、差分进化算法对光合作用模型参数优化
案例6.3:贝叶斯定理和贝叶斯优化算法对机理模型参数优化
案例6.4:蒙特拉罗马尔科夫链MCMC对动力学模型进行参数优化
专题七、基于ChatGPT大模型的机器学习
7、机器/深度学习在科研中的应用
1)机器/深度学习
2)线性代数基础、特征值和特征向量
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)主成分分析、LDA、NMS、T-SNE、UMAP、Kmeans、Agglomerative、DBSCAN
6)支持向量机、决策树、随机森林、XGBoost、AdaBoost、LightGBM、高斯过程
7)深度学习算法(神经网络、激活函数、交叉熵、优化器)
8)AI大模型的底层逻辑和算法结构(GPT1-GPT4)
9)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卷积神经网络进行图像识别
案例7.6:使用大模型指令构建LSTM模型进行气象环境时序预测
专题八、ChatGPT的二次开发
8、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
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
案例9.4:使用大模型对任务一类科研绘图的制作流程
专题十、基于ChatGPT的时空大数据分析
10、基于ChatGPT的时空大数据分析应用
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10.1:使用大模型对矢量、栅格等时空大数据进行处理
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空间插值
案例10.7:使用大模型使用机器学习聚类分析及气候空间分区
案例10.8:使用大模型构建机器学习模型进行大尺度空间预测
专题十一、基于ChatGPT大模型的项目基金助手
11、基于AI大模型的项目基金助手
1)基金申请讲解
2)基因评审重点
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
12、基于大模型的AI绘图
1)GPT DALL.E、Midjourney等AI大模型生成图片讲解
2)AI画图指令套路和参数设定
案例13.1:使用大模型进行图像识别
案例13.2:使用大模型生成图像指令合集
案例13.3:使用大模型指令生成概念图
案例13.4:使用大模型指令生成地球氮循环概念图
案例13.5:使用大模型指令生成土壤概念图
案例13.6:使用大模型指令生成病毒、植物、动物细胞结构图
案例13.7:使用大模型指令生成图片素材,从此不再缺图片素材
关注科研技术平台公众号