6、张量（Tensor）的创建（直接创建◆★■、从numpy创建、依据概率分布创建）

　　ChatGPT4助力大学生求职与就业（撰写简历、模拟面试◆★■◆★、职业规划等）5、

　　（实操演练）利用ChatGPT4 及插件实现YOLO目标检测模型的代码自动生成与运行（1）利用预训练好的YOLO模型实现目标检测（图像检测、视频检测、摄像头实时检测）◆◆★■■；

　　3、GPT-4与GPT-3.5的区别★★◆■★，以及与国内大语言模型（文心一言◆◆◆★■、星火等）的区别

　　2、常用的可视化方法有哪些（特征图可视化、卷积核可视化、类别激活可视化等）？

　　近红外光谱分析1、深度学习与传统机器学习的区别与联系（神经网络的隐含层数越多越好吗★■？深度学习与传统机器学习的本质区别是什么？）

　　2、SVM扩展知识（如何解决多分类问题？SVM的启发■★：样本重要性排序及样本筛选）

　　（实操演练）利用ChatGPT4及插件实现迁移学习模型的代码自动生成与运行

　　卷积神经网络调参技巧（卷积核尺寸、卷积核个数、移动步长、补零操作◆★◆◆、池化核尺寸等参数与特征图的维度★◆★◆■，以及模型参数量之间的关系是怎样的？）6、

　　7■◆、张量（Tensor）的运算（加法、减法、矩阵乘法、哈达玛积（element wise）、除法、幂、开方、指数与对数◆◆、近似、裁剪）

　　ChatGPT4助力家庭健康管理（化验单结果解读◆★◆■、就诊咨询与初步诊断、常见慢病管理◆■■◆★、日常营养膳食建议等）4、

　　2、常用的可视化方法有哪些（特征图可视化、卷积核可视化、类别激活可视化等）？

　　常见的特征选择方法（优化搜索、Filter和Wrapper等；前向与后向选择法；区间法；无信息变量消除法；正则稀疏优化方法等）4■◆、遗传算法（Genetic Algorithm, GA）的基本原理（以遗传算法为代表的群优化算法的基本思想是什么？选择、交叉◆■■◆■、变异三个算子的作用分别是什么？）

　　利用ChatGPT4 及插件保存喜欢的ChatGPT提示词并一键调用10★◆◆★◆★、

　　2、科研与创新方法总结（如何利用Google Scholar◆■■■■、Sci-Hub、ResearchGate等工具查阅文献资料、配套的数据和代码◆★★★■★？如何更好地撰写论文的Discussion部分◆★◆■★？）

　　利用ChatGPT4实现大气污染物预测模型的建立、代码自动生成与运行5、

　　1、生成式对抗网络GAN（什么是对抗生成网络？为什么需要对抗生成网络？对抗生成网络可以帮我们做什么？GAN给我们带来的启示）

　　近红外光谱分析1、SVM的基本原理（什么是经验误差最小和结构误差最小？SVM的本质是解决什么问题■◆★★？SVM的四种典型结构是什么◆■★？核函数的作用是什么？什么是支持向量？）

　　8、控制ChatGPT的输出长度（使用修饰语◆★■■■★、限定回答的范围、通过上下文限定◆■、限定数量等）

　　2■★★、训练集和测试集划分？BP神经网络常用激活函数有哪些？如何查看模型参数？

　　2◆■、偏最小二乘（PLS）的基本原理（PCA与PLS的区别与联系；PCA除了降维之外，还可以帮助我们做什么★◆■■■？）

　　（实操演练）利用ChatGPT4实现KNN■★、贝叶斯分类、SVM模型的代码自动生成与运行13■◆★★★◆、决策树的工作原理（微软小冰读心术的启示；什么是信息熵和信息增益？ID3算法和C4.5算法的区别与联系）；决策树除了建模型之外■◆◆★★，还可以帮我们做什么事情？

　　GPT Store简介与使用（信息检索与快速整理、论文撰写、论文翻译与润色、代码编写等）

　　5■◆◆★★、定制自己的专属GPTs（制作专属GPTs的两种方式：聊天/配置参数◆★★■、利用Knowledge上传本地知识库提升专属GPTs性能、利用Actions通过API获取外界信息■★◆◆★■、专属GPTs的分享）

　　平台逐步建立完整的教学方案，深度促进科研交叉技术融合■★■◆★，成为众多课题组及个人实践技术提升首选内容。

　　ChatGPT4助力中小学生功课辅导（写作文、作文批改■■■★、求解数学题、练习英语听说读写、物理计算、化学计算等）2、

　　14■★■■◆、随机森林的工作原理（为什么需要随机森林算法？广义与狭义意义下的“随机森林”分别指的是什么■◆◆？“随机◆■★★”的本质是什么？怎样可视化★◆■■★■、解读随机森林的结果？）

　　2022年11月30日，可能将成为一个改变人类历史的日子——美国人工智能开发机构OpenAI推出了聊天机器人ChatGPT3.5，将人工智能的发展推向了一个新的高度◆★■★■。2023年4月，更强版本的ChatGPT4.0上线，文本◆◆■■◆、语音、图像等多模态交互方式使其在各行各业的应用呈现了更多的可能性。2023年11月7日，OpenAI首届开发者大会被称为“科技界的春晚■★★”，吸引了全球广大用户的关注，GPT商店更是显现了OpenAI旨在构建AI生态的野心。因此，为了帮助广大科研人员更加熟练地掌握ChatGPT4★★.0在数据分析、自动生成代码等方面的强大功能■★，同时更加系统地学习人工智能（包括传统机器学习、深度学习等）的基础理论知识，以及具体的代码实现方法，特举办■★“ChatGPT深度科研应用、数据分析及机器学习◆◆、AI绘图与高效论文撰写培训班”培训班，旨在帮助学员掌握ChatGPT4★◆◆◆■◆.0在科研工作中的各种使用方法与技巧，以及人工智能领域经典机器学习算法（BP神经网络、支持向量机、决策树、随机森林■★、变量降维与特征选择、群优化算法等）和热门深度学习方法（卷积神经网络、迁移学习★◆、RNN与LSTM神经网络、YOLO目标检测◆■★★◆、自编码器等）的基本原理及Python■◆■◆◆、PyTorch代码实现方法。本次培训采用“理论讲解+案例实战+动手实操+讨论互动■◆★”相结合的方式★■★■，抽丝剥茧◆◆◆★★■、深入浅出讲解ChatGPT4■◆■■◆.0的最新功能，以及经典人工智能方法在实际应用时需要掌握的经验及技巧◆■■。

　　ChatGPT4 DALL◆■.E 3中的多种视图（正视图、后视图、侧视图◆■★★、四分之三视图、鸟瞰视图■◆◆★、全景视图、第一人称视角、分割视图、截面视图等）5、

　　十、ChatGPT4助力决策树、随机森林■■◆◆■、Adaboost、XGBoost和LightGBM近红外光谱分析1、决策树的基本原理（什么是信息熵和信息增益？ID3和C4.5算法的区别与联系）

　　1◆◆◆、BP神经网络的基本原理（人工神经网络的分类有哪些★◆？BP神经网络的拓扑结构和训练过程是怎样的◆■？什么是梯度下降法？）

　　利用ChatGPT4 DALL◆★■■.E 3生成图像（下载图像、3种不同分辨率、修改图像）3、

　　ChatGPT4突破Token限制实现接收或输出万字长文（什么是Token◆◆■■★■？Token数与字符数之间的互相换算、五种方法提交超过Token限制的文本、四种方法让ChatGPT的输出突破Token限制）8、

　　NO5■◆◆■★：为了深度对接用户需求★■，依托专家团队，针对技术咨询服务、数据处理合作、软件开发、搭建高性能计算平台等领域开展合作■★★。小编为您进行逐一展示◆■★■★★：登录平台，您了解的更清晰，还有好礼哦■■◆★！

　　1、迁移学习算法的基本原理（为什么需要迁移学习？迁移学习的基本思想是什么◆★■★★◆？）

　　利用ChatGPT4自动生成论文的总体框架、论文摘要、前言介绍★★◆、文献综述◆◆★◆★、完整长篇论文等7、

　　2■■◆◆★■、卷积神经网络的基本原理（什么是卷积核◆★■◆◆◆？CNN的典型拓扑结构是怎样的？CNN的权值共享机制是什么？CNN提取的特征是怎样的？）

　　ChatGPT4助力商业工作（行业竞品检索与分析、产品创意设计与建议◆■★■★、推广营销策略与方案制定、撰写合同）6、

　　ChatGPT4 DALL.E 3常用的提示词库（广告海报、Logo■◆★★★、3D模型■◆◆、插画、产品包装、烹饪演示、产品外观设计◆◆★■★、UI设计、吉祥物设计等）4■■★■■、

　　ChatGPT4辅助教师高效备课（苏格拉底式教学、为不同专业学生生成不同的教学内容、围绕知识点生成不同难度的题目检测学生的学习效果等）11、

　　3★◆■■◆、利用ChatGPT4及插件总结分析文献内容（三句话摘要、子弹式要点摘要、QA摘要、表格摘要、关键词与关键句提取★◆■★、页面定位★◆■★★■、多文档对比、情感分析）

　　（实操演练）利用ChatGPT4 及插件实现自编码器模型的代码自动生成与运行（1）基于自编码器的噪声去除★◆★◆■★；

　　2、PyTorch简介（动态计算图与静态计算图机制、PyTorch的优点）

　　（实操演练）利用ChatGPT4实现决策树、随机森林、XGBoost■★★◆、LightGBM模型的代码自动生成与运行

　　常用的数据预处理方法（数据标准化与归一化■★、数据异常值与缺失值处理、数据离散化及编码处理、手动生成新特征）14◆◆、

　　4■■、值得研究的若干问题（欠拟合与过拟合、评价指标的设计★◆★、样本不平衡问题等）

　　利用ChatGPT4 实现描述性统计分析（数据的频数分析★◆◆：统计直方图；数据的集中趋势分析：数据的相关分析）13、

　　BP神经网络参数的优化（隐含层神经元个数、学习率、初始权值和阈值等如何设置？什么是交叉验证？）4、

　　2、遗传算法（Genetic Algorithm）的基本原理（什么是个体和种群？什么是适应度函数？选择、交叉与变异算子的原理与启发式策略）

　　（实操演练）利用ChatGPT4 及插件实现生成式对抗网络模型的代码自动生成与运行

　　1■★■■★★、迁移学习算法的基本原理（为什么需要迁移学习？为什么可以迁移学习？迁移学习的基本思想是什么■★★■？）

　　2、卷积神经网络的基本原理（什么是卷积核◆★■◆◆■、池化核？CNN的典型拓扑结构是怎样的■★■？CNN的权值共享机制是什么？）

　　3、卷积神经网络参数调试技巧（卷积核尺寸、卷积核个数、移动步长★★■★★■、补零操作、池化核尺寸等参数与特征图的维度，以及模型参数量之间的关系是怎样的◆★★？）

　　10、案例演示：利用ChatGPT4实现网页版游戏的设计、代码自动生成与运行

　　9、利用ChatGPT4 及插件保存喜欢的ChatGPT提示词并一键调用

　　3、PyTorch的安装与环境配置（Pip vs★◆■★★. Conda包管理方式、验证是否安装成功）

　　融合ChatGPT 4与Python的数据预处理代码自动生成与运行15、

　　利用ChatGPT4 及插件实现变量降维与特征选择算法的代码自动生成与运行7、

　　1、ChatGPT Prompt (提示词)使用技巧（为ChatGPT设定身份、明确任务内容、提供任务相关的背景★■■、举一个参考范例■◆★、指定返回的答案格式等）

　　ChatGPT4助力深度学习模型可解释性与可视化方法1★★、什么是模型可解释性？为什么需要对深度学习模型进行解释★■◆★？

　　2、相关学习资料分享与拷贝（图书推荐、在线、建立微信群，便于后期的讨论与答疑

　　利用ChatGPT4实现近红外光谱分析模型的建立、代码自动生成与运行2◆◆■、

　　Python基本语法（Python变量命名规则◆■◆；Python基本数学运算；Python常用变量类型的定义与操作；Python程序注释）3、

　　2■★、随机森林的基本原理与集成学习框架（为什么需要随机森林算法？广义与狭义意义下的■◆“随机森林”分别指的是什么？“随机”提现在哪些地方？随机森林的本质是什么？）

　　（实操演练）利用ChatGPT4 及插件实现卷积神经网络模型的代码自动生成与运行

　　利用ChatGPT4实现生物医学信号（时间序列、图像、视频数据）分类识别与回归拟合模型的建立、代码自动生成与运行3■■■★、

　　2★◆◆、ChatGPT深度科研应用、数据分析及机器学习、AI绘图与高效论文撰写培训班

　　2、利用ChatGPT4完成论文翻译（指定翻译角色和翻译的领域、给一些背景提示）

　　3★■◆◆、Python基础（数据类型和变量、字符串和编码、list和tuple、条件判断、循环、函数的定义与调用等）

　　定制自己的专属GPTs（制作专属GPTs的两种方式：聊天/配置参数★◆■★■、利用Knowledge上传本地知识库提升专属GPTs性能、利用Actions通过API获取外界信息★■★、专属GPTs的分享）8■★★◆★◆、

　　5◆★、近红外光谱数据去噪与基线、近红外光谱数据预处理中的ChatGPT提示词模板讲解

　　7、ChatGPT4突破Token限制实现接收或输出万字长文（什么是Token？Token数与字符数之间的互相换算、五种方法提交超过Token限制的文本、四种方法让ChatGPT的输出突破Token限制）

　　5、Numpy模块库（Numpy的安装；ndarray类型属性与数组的创建；数组索引与切片；Numpy常用函数简介与使用）

　　Python函数与对象（函数的定义与调用■◆■■；函数的参数传递与返回值■◆★★；变量作用域与全局变量★■■★◆■；对象的创建与使用）5、

　　BP神经网络的Python代码实现（划分训练集和测试集、数据归一化）3◆★★■◆、

　　（4）基于一维卷积神经网络的近红外光谱模型建立■★★■；（5）基于二维卷积神经网络的红外图像分类识别模型建立。

　　利用ChatGPT4完成论文翻译（指定翻译角色和翻译领域、提供背景提示）8、

　　ChatGPT深度科研应用、数据分析及机器学习★◆★、AI绘图与高效论文撰写培训班

　　3◆◆◆■★、近红外光谱波长选择算法的基本原理（Filter和Wrapper；前向与后向选择法；区间法◆◆★◆★★；无信息变量消除法等）

　　2、常用的迁移学习算法简介（基于实例★◆■◆、特征和模型，譬如：TrAdaboost算法）

　　科学计算模块库（Numpy的安装◆★■；ndarray类型属性与数组的创建；数组索引与切片；Numpy常用函数简介与使用）8、

　　NO4★◆★◆：Ai尚研修建立了长期免费学术讲座：聚焦基础原理、前沿热点技术■★◆★★■、庖丁解文★■■◆◆、实践技术★■◆◆、成果推广等专题★★★，每月4期左右，已开展完200+期◆■◆■，上平台都可以免费观看前期讲座★■★。

　　Matplotlib的安装与图形绘制（设置散点◆★◆◆、线条、坐标轴■★★◆■◆、图例、注解等属性；绘制多图◆★；图的嵌套■★■◆★◆；折线图、柱状图★■★■★、饼图、地图等各种图形的绘制）6、

　　Seaborn、Bokeh、Pyecharts等高级绘图库的安装与使用（动态交互图的绘制、开发大数据可视化页面等）7、

　　2、常见的自编码器类型简介（降噪自编码器、深度自编码器★■、掩码自编码器等）

　　ChatGPT Prompt (提示词)使用技巧（为ChatGPT设定身份、明确任务内容、提供任务相关的背景★◆★◆★、举一个参考范例◆◆★、指定返回的答案格式等）2、

　　6、Matplotlib基本图形绘制（线形图、柱状图、饼图、气泡图、直方图、箱线图★◆■★■、散点图等）、图形的布局（多个子图绘制◆★■★、规则与不规则布局绘制★★、向画布中任意位置添加坐标轴）

　　控制ChatGPT的输出长度（使用修饰语■◆■★、限定回答的范围■◆◆◆、通过上下文限定、限定数量等）9、

　　利用ChatGPT4实现遥感图像目标检测、地物分类及语义分割模型的建立、代码自动生成与运行4、

　　NO3：Ai尚研修创建云导师教学模式，最大化促进交叉学科的专业问答及交流，已经建立云导师社群300+■■，不仅可以学习，还为您身边带来专业的导师。

　　ChatGPT4 DALL.E 3中的多种光效（电致发光◆■、化学发光、生物荧光、极光闪耀、全息光等）6◆★◆◆、

　　（实操演练）利用ChatGPT4 及插件实现RNN、LSTM模型的代码自动生成与运行

　　GPT模型API接口的调用方法（API Key的申请、API Key接口调用方法与参数说明）

　　利用ChatGPT4阅读与总结分析学术论文内容（三句话摘要、子弹式要点摘要★◆★◆★、QA摘要、表格摘要、关键词与关键句提取、页面定位、多文档对比、情感分析）4■◆■★■、

　　七★■★、ChatGPT4助力多元线性回归近红外光谱分析1、多元线性回归模型（工作原理、最小二乘法）

　　利用ChatGPT4 实现图像处理（图像缩放、旋转◆■★★、裁剪■★◆◆◆、去噪与去模糊）12、

　　2022年11月30日，可能将成为一个改变人类历史的日子——美国人工智能开发机构OpenAI推出了聊天机器人ChatGPT3.5，将人工智能的发展推向了一个新的高度。2023年4月，更强版本的ChatGPT4.0上线★◆■★★■，文本、语音■■★★★、图像等多模态交互方式使其在各行各业的应用呈现了更多的可能性★■◆◆。2023年11月7日，OpenAI首届开发者大会被称为■★■★■“科技界的春晚”，吸引了全球广大用户的关注，GPT商店更是显现了OpenAI旨在构建AI生态的野心。因此★■，为了帮助近红外光谱分析领域的广大科研人员更加熟练地掌握ChatGPT4★■■◆.0在近红外光谱数据分析、定性/定量分析模型代码自动生成等方面的强大功能■◆，同时更加系统地学习人工智能（包括传统机器学习★★■■、深度学习等）的基础理论知识◆■◆，以及具体的代码实现方法，特举办“最新AI支持下近红外光谱数据分析”高级培训班，旨在帮助学员掌握ChatGPT4◆★◆■.0在科研工作中的各种使用方法与技巧■★，以及人工智能领域经典机器学习算法（BP神经网络、支持向量机■◆、决策树、随机森林★■◆★、变量降维与特征选择、群优化算法等）和热门深度学习方法（卷积神经网络■★◆◆◆◆、迁移学习、自编码器、U-Net等）的基本原理及Python★◆、Pytorch代码实现方法。本次培训采用“理论讲解+案例实战+动手实操+讨论互动■★★◆”相结合的方式，抽丝剥茧、深入浅出讲解ChatGPT4.0的最新功能，以及经典人工智能方法在近红外光谱数据分析与定性/定量建模时需要掌握的经验及技巧■★◆★◆★。

　　利用ChatGPT4实现BP神经网络、极限学习机模型的代码自动生成与运行7■★■★■、KNN分类模型（KNN算法的核心思想★◆、距离度量方式的选择★◆◆◆◆■、K值的选取）

　　Ai尚研修为了更好的发展■◆■，特邀胡中民老师、张光学老师★◆、郁磊老师、胡恩柱老师、金溪老师、汪靓老师、张东辉老师等30多位专家学者作为顾问专家，为Ai尚研修平台长期发展提供了宝贵的建议及工作指导。

　　GPT-4与国内外其他大语言模型（Claude◆◆■、谷歌Gemini★■◆◆◆、百度文心一言、科大讯飞星火、阿里巴巴通义千问◆◆◆★■■、月之暗面Kimi等）的区别6★★■、

　　近红外光谱分析1■■◆、BP神经网络的基本原理（人工智能发展过程经历了哪些曲折？人工神经网络的分类有哪些★★◆？BP神经网络的拓扑结构和训练过程是怎样的？什么是梯度下降法？）