通过撰写基金,收获的不仅仅是基金资助;还有整个过程中申请人大量文献的阅读、专业的提升,以及不断凝练的研究创新点和技术路线。
但撰写基金的过程对于科研人员来说也非常痛苦,申请基金的过程往往极其繁琐。申请基金不仅需要表达研究的核心观点,还涉及到大量的附属文档,如研究基础、研究平台、个人履历、项目风险分析等。尽管付出巨大的努力,申请成功率仍然很低,大部分申请都会被拒绝。
(作者的Google Scholar)
在这样的背景下,英国Glasgow Caledonian大学的Juan Manuel Parrilla博士在与同事探讨基金申请时,经同事推荐,开始使用ChatGPT来帮助完成一些申请过程中的“冗余文档”。通过使用ChatGPT,作者大大缩短了他的工作时间,从原本需要三天的工作量缩减至仅需三小时。
2023年10月13日,作者将其经历发表在了Nature杂志职业专栏【1】。
当Parrilla博士很兴奋地把他的发现告诉其同事时,发现同事在几个月前就开始这么做;而且许多其他科学家也在做同样让ChatGPT撰写文书的事情。
实际上,Nature杂志2023 年对 1,600 名研究人员进行的一项调查发现,超过 25% 的人使用人工智能帮助他们撰写手稿,超过 15% 的人使用ChatGPT帮助他们撰写基金申请书
然而,作为新兴的技术,该领域知识面广,门槛高,相关资料和学习平台相对匮乏,在这种情况下,学习显得尤为迫切。强烈建议大家学一学!!
全网唯一授课4天的ChatGPT
AI助力科研创新与效率双提升:最新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
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。
Nature投稿:我用ChatGPT写基金部分内容,三天的工作量减少到三个小时https://mp.weixin.qq.com/s/JQSHID0rNHmweNmsDK8J7g
第一章2024大语言模型最新进展介绍
1、2024 AIGC技术最新进展介绍(生成式人工智能的基本概念与原理、文生视频模型OpenAI Sora vs.Google Veo)
2、(实操演练)国内外大语言模型(ChatGPT 4O、Gemini、Claude、Llama3、文心一言、星火、通义千问、Kimi、智谱清言等)对比分析
3、(实操演练)Llama3开源大语言模型的本地部署、对话与微调训练本地数据
4、(实操演练)ChatGPT对话初体验(注册与充值、购买方法)
5、(实操演练)ChatGPT科研必备GPT汇总介绍(寻找好用的GPTs模型、提示词优化、生成思维导图、生成PPT、生成视频、制定个性化的学习计划、检索论文、总结论文内容、总结视频内容、撰写论文、论文翻译、论文润色与修改、参考文献格式管理、论文评审、数据分析、生成代码、代码调试等)
6、(实操演练)GPT Store简介与使用
7、(实操演练)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、(实操演练)ChatGPT对话记录保存与管理
第二章ChatGPT4 提示词使用方法与技巧
1、(实操演练)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、(实操演练)常用的ChatGPT提示词模板
3、(实操演练)ChatGPT提示词优化(Promptest、Prompt Perfect、PromptPal提示宝等)
4、(实操演练)ChatGPT4突破Token限制实现接收或输出万字长文(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、(实操演练)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)
6、(实操演练)保存喜欢的ChatGPT提示词并一键调用
第三章ChatGPT4助力日常生活、学习与工作
1、(实操演练)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、(实操演练)ChatGPT4助力文案撰写与润色修改
3、(实操演练)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、(实操演练)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)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、(实操演练)利用ChatGPT4 创建精美的思维导图
7、(实操演练)利用ChatGPT4 生成流程图、甘特图
8、(实操演练)利用ChatGPT4 制作PPT
9、(实操演练)利用ChatGPT4自动创建视频
10、(实操演练)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等)
11、(实操演练)ChatGPT4辅助学生高效学习(利用GPTs生成专属学习计划)
12、案例演示与实操练习
第四章ChatGPT4助力课题申报、论文选题及实验方案设计
1、课题申请书撰写技巧及要点剖析(项目名称、关键词、摘要、立项依据、参考文献、研究目标、研究内容、研究方案、关键科学问题、可行性分析、创新点与特色之处、预期研究成果、工作基础等)
2、(实操演练)利用ChatGPT4分析指定领域的热门研究方向
3、(实操演练)利用ChatGPT4辅助撰写、润色课题申报书的各部分内容
4、(实操演练)利用ChatGPT4总结指定论文的局限性与不足,并给出潜在的改进思路与建议
5、(实操演练)利用ChatGPT4评估指定改进思路的新颖性与已发表的类似工作
6、(实操演练)利用ChatGPT4进一步细化改进思路,凝练论文的选题与创新点
7、(实操演练)利用ChatGPT4给出具体的算法步骤,并自动生成算法的Python示例代码框架
8、(实操演练)利用ChatGPT4设计完整的实验方案与数据分析流程
9、(实操演练)利用ChatGPT4给出论文Discussion部分的切入点和思路
10、案例演示与实操练习
第五章ChatGPT4助力信息检索、总结分析、论文写作与投稿、专利idea构思与交底书的撰写
1、(实操演练)传统信息检索方法与技巧总结(Google Scholar、ResearchGate、Sci-Hub、GitHub、关键词检索+同行检索、文献订阅)
2、(实操演练)利用ChatGPT4 实现联网检索文献
3、(实操演练)利用ChatGPT4阅读与总结分析学术论文内容(论文主要工作、创新点、局限性与不足、多文档对比分析等)
4、(实操演练)利用ChatGPT4解读论文中的系统框图工作原理
5、(实操演练)利用ChatGPT4解读论文中的数学公式含义
6、(实操演练)利用ChatGPT4解读论文中图表中数据的意义及结论
7、(实操演练)利用ChatGPT4 总结Youtube视频内容
8、(实操演练)利用ChatGPT4完成学术论文的选题设计与优化
9、(实操演练)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
10、(实操演练)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)
11、(实操演练)利用ChatGPT4实现论文语法校正
12、(实操演练)利用ChatGPT4完成段落结构及句子逻辑润色
13、(实操演练)利用ChatGPT4完成论文降重
14、(实操演练)利用ChatGPT4完成论文参考文献格式的自动转换
15、(实操演练)ChatGPT4辅助审稿人完成论文评审意见的撰写
16、(实操演练)ChatGPT4辅助投稿人完成论文评审意见的回复
17、(实操演练)ChatGPT4文献检索、论文写作必备GPTs总结
18、(实操演练)利用ChatGPT4完成发明专利idea的挖掘与构思
19、(实操演练)利用ChatGPT4完成发明专利交底书的撰写
20、案例演示与实操练习
第六章ChatGPT4助力Python编程入门、科学计算、数据可视化、数据预处理
1、(实操演练)Python环境搭建(Python软件下载、安装与版本选择;PyCharm下载、安装;Python之Hello World;第三方模块的安装与使用;Python 2.x与Python 3.x对比)
2、(实操演练)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、(实操演练)Python流程控制(条件判断;for循环;while循环;break和continue)
4、(实操演练)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、(实操演练)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、(实操演练)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、(实操演练)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、(实操演练)利用ChatGPT4上传本地数据(Excel/CSV表格、txt文本、PDF、图片等)
9、(实操演练)利用ChatGPT4 实现图像处理(图像缩放、旋转、裁剪、去噪与去模糊)
10、(实操演练)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)
11、(实操演练)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)
12、(实操演练)融合ChatGPT 4与Python的数据预处理代码自动生成与运行
13、(实操演练)利用ChatGPT4自动生成数据统计分析图表
14、(实操演练)利用ChatGPT4 实现代码逐行讲解
15、(实操演练)利用ChatGPT4 实现代码Bug调试与自动修改
16、案例演示与实操练习
第七章ChatGPT4助力机器学习建模
、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?)
2、(实操演练)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、(实操演练)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、(实操演练)值得研究的若干问题(欠拟合与过拟合、评价指标选择、样本不平衡等)
5、(实操演练)BP神经网络中的ChatGPT提示词库讲解
6、(实操演练)利用ChatGPT4实现BP神经网络模型的代码自动生成与运行
7、SVM的工作原理(核函数的作用是什么?什么是支持向量?如何解决多分类问题?)
8、决策树的工作原理(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)
9、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?)
10、Bagging与Boosting的区别与联系
11、AdaBoost vs. Gradient Boosting的工作原理
12、(实操演练)常用的GBDT算法框架(XGBoost、LightGBM)
13、(实操演练)决策树、随机森林、XGBoost、LightGBM中的ChatGPT提示词库讲解
14、(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
15、案例演示与实操练习
第八章ChatGPT 4助力机器学习模型优化:变量降维与特征选择
1、主成分分析(PCA)的基本原理
2、偏最小二乘(PLS)的基本原理
3、(实操演练)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?)
5、(实操演练)PCA、PLS、特征选择、群优化算法的ChatGPT提示词库讲解
6、(实操演练)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、案例演示与实操练习
第九章ChatGPT 4助力卷积神经网络建模
1、深度学习简介(深度学习大事记、深度学习与传统机器学习的区别与联系)
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、卷积神经网络的进化史:LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等经典深度神经网络的区别与联系
4、(实操演练)利用PyTorch构建卷积神经网络(Convolution层、Batch Normalization层、Pooling层、Dropout层、Flatten层等)
5、(实操演练)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、(实操演练)卷积神经网络中的ChatGPT提示词库讲解
7、(实操演练)利用ChatGPT4实现卷积神经网络模型的代码自动生成与运行
(1)CNN预训练模型实现物体识别;
(2)利用卷积神经网络抽取抽象特征;
(3)自定义卷积神经网络拓扑结构
8、案例演示与实操练习
第十章ChatGPT 4助力迁移学习建模
1、迁移学习算法的基本原理
2、(实操演练)基于深度神经网络模型的迁移学习算法
3、(实操演练)迁移学习中的ChatGPT提示词库讲解
4、(实操演练)利用ChatGPT4实现迁移学习模型的代码自动生成与运行
5、实操练习
第十一章ChatGPT 4助力RNN、LSTM建模
1、循环神经网络RNN的基本工作原理
2、长短时记忆网络LSTM的基本工作原理
3、(实操演练)RNN与LSTM中的ChatGPT提示词库讲解
4、(实操演练)利用ChatGPT4 实现RNN、LSTM模型的代码自动生成与运行
5、案例演示与实操练习
第十二章ChatGPT 4助力YOLO目标检测建模
1、什么是目标检测?目标检测与目标识别的区别与联系
2、YOLO模型的工作原理,YOLO模型与传统目标检测算法的区别
3、(实操演练)YOLO模型中的ChatGPT提示词库讲解
4、(实操演练)利用ChatGPT4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模型实现图像、视频、摄像头实时检测;
(2)数据标注演示(LabelImage使用方法介绍);
(3)训练自己的目标检测数据集
5、案例演示与实操练习
第十三章ChatGPT4助力机器学习与深度学习建模的行业应用
1、(实操演练)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、(实操演练)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、(实操演练)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、(实操演练)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、(实操演练)利用ChatGPT4实现自然语言处理模型的建立、代码自动生成与运行
6、案例演示与实操练习
第十四章ChatGPT 4助力AI绘图技术
1、(实操演练)利用ChatGPT4 DALL.E 3生成图像(下载图像、修改图像)
2、(实操演练)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)
3、(实操演练)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)
4、(实操演练)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)
5、(实操演练)ChatGPT4 DALL.E 3格子布局与角色一致性的实现
6、(实操演练)ChatGPT4 DALL.E 3生成动图GIF
7、(实操演练)Midjourney工具使用讲解
8、(实操演练)Stable Diffusion工具使用讲解
9、(实操演练)Runway图片生成动画工具使用讲解
10、案例演示与实操练习
第十五章GPT 4 API接口调用与完整项目开发
1、(实操演练)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)
2、(实操演练)利用GPT4实现完整项目开发
(1)聊天机器人的开发
(2)利用GPT API和Text Embedding生成文本的特征向量
(3)构建基于多模态(语音、文本、图像)的阿尔茨海默病早期筛查程序
3、案例演示与实操练习