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

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