课程安排 | 学习内容 |
第一章 ChatGPT4基础入门 | 1、ChatGPT概述（GPT-1、GPT-2、GPT-3、GPT-3.5、GPT-4模型的演变） 2、ChatGPT对话初体验（注册与充值、购买方法） 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 4、ChatGPT科研必备插件（Data Interpreter、Wolfram、WebPilot、MixerBox Scholar、ScholarAI、Show Me、AskYourPDF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） 6、GPT Store简介 7、案例演示与实操练习 |
第二章 ChatGPT4 提示词使用方法与技巧 | 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） 2、常用的ChatGPT提示词模板 3、基于模板的ChatGPT提示词优化 4、利用ChatGPT4 及插件优化提示词 5、通过promptperfect.jina.ai优化提示词 6、利用ChatGPT4 及插件生成提示词 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） 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） 9、利用ChatGPT4 及插件保存喜欢的ChatGPT提示词并一键调用 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 11、实操练习 |
第三章 ChatGPT4助力日常生活、学习与工作 | 1、ChatGPT4及插件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、ChatGPT4及插件助力文案撰写与润色修改 3、ChatGPT4及插件助力家庭健康管理（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、ChatGPT4及插件助力大学生求职与就业（撰写简历、模拟面试、就业指导与职业规划等） 5、ChatGPT4及插件助力商业工作（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、案例演示与实操练习 |
第四章 ChatGPT4助力信息检索与总结分析 | 1、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、利用ChatGPT4 及插件实现联网检索文献 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） 4、利用ChatGPT4 及插件总结Youtube视频内容 5、案例演示与实操练习 |
第五章 ChatGPT4助力论文写作与投稿 | 1、利用ChatGPT4自动生成论文的总体框架 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、利用ChatGPT4实现论文语法校正 4、利用ChatGPT4完成段落结构及句子逻辑润色 5、利用ChatGPT4完成论文评审意见的撰写与回复
6、案例演示与实操练习 |
第六章 ChatGPT 4助力教学改革 | 1、利用ChatGPT4 及插件创建精美的思维导图 2、利用ChatGPT4 及插件生成流程图、甘特图 3、利用ChatGPT4 及插件制作PPT 4、利用ChatGPT4 及插件自动创建视频 5、ChatGPT4辅助教师高效备课（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） 6、ChatGPT4辅助学生高效学习（利用插件生成个性化学习计划） 7、案例演示与实操练习 |
第七章 ChatGPT4助力数据预处理 | 1、利用ChatGPT4及插件上传本地数据 2、利用ChatGPT4 及插件爬取第三方网站数据 3、利用ChatGPT4 及插件处理PDF文档（添加水印、合并/拆分文档、提取PDF里的表格/图片/关键词信息、总结PDF内容、为PDF生成词云、OCR识别） 4、利用ChatGPT4 及插件实现常见文件格式之间的转换 5、利用ChatGPT4 及插件实现图像处理（图像缩放、旋转、裁剪、去噪与去模糊） 6、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） 7、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） 8、融合ChatGPT 4与Python的数据预处理代码自动生成与运行 9、利用ChatGPT4 及插件（实现数据统计分析与可视化（自动生成统计图表） 10、案例演示与实操练习 |
第八章 ChatGPT 4助力前向型神经网络建模 |
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？BP神经网络建模的本质是什么？） 2、BP神经网络的Python代码实现（怎样划分训练集和测试集？为什么需要归一化？归一化是必须的吗？） 3、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、值得研究的若干问题（欠拟合与过拟合、泛化性能评价指标的设计、样本不平衡问题等） 5、前向型神经网络中的ChatGPT提示词库讲解 6、案例实践：利用ChatGPT4 及插件实现BP神经网络、极限学习机模型的代码自动生成与运行 7、实操练习 |
第九章 ChatGPT 4助力KNN、贝叶斯分类与SVM建模 | 1、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） 2、朴素贝叶斯分类模型（伯努利朴素贝叶斯BernoulliNB、类朴素贝叶斯CategoricalNB、高斯朴素贝叶斯besfGaussianNB、多项式朴素贝叶斯MultinomialNB、补充朴素贝叶斯ComplementNB） 3、SVM的工作原理（核函数的作用是什么？什么是支持向量？ 4、SVM扩展知识（如何解决多分类问题？） 5、KNN、贝叶斯分类与SVM中的ChatGPT提示词库讲解 6、案例实践：利用ChatGPT4及插件实现KNN、贝叶斯分类、SVM模型的代码自动生成与运行 7、实操练习 |
第十章 ChatGPT 4助力决策树、随机森林、XGBoost与LightGBM建模 | 1、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？ 2、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”体现在哪些地方？随机森林的本质是什么？怎样可视化、解读随机森林的结果？） 3、Bagging与Boosting的区别与联系 4、AdaBoost vs. Gradient Boosting的工作原理 5、常用的GBDT算法框架（XGBoost、LightGBM） 6、决策树、随机森林、XGBoost、LightGBM中的ChatGPT提示词库讲解
7、案例实践：利用ChatGPT4 及插件实现决策树、随机森林、XGBoost、LightGBM模型的代码自动生成与运行 8. 实操练习 |
第十一章 ChatGPT 4助力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、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？粒子群算法、蜻蜓算法、蝙蝠算法、模拟退火算法等与遗传算法的区别与联系） 5、PCA、PLS、特征选择、群优化算法的ChatGPT提示词库讲解 6、案例实践：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、实操练习 |
第十二章 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、利用PyTorch构建卷积神经网络（Convolution层、Batch Normalization层、Pooling层、Dropout层、Flatten层等） 5、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、卷积神经网络中的ChatGPT提示词库讲解 7、案例实践：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 （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、实操练习 |
第十三章 ChatGPT 4助力迁移学习建模 | 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？） 2、基于深度神经网络模型的迁移学习算法 3、迁移学习中的ChatGPT提示词库讲解 4、案例实践：利用ChatGPT4及插件实现迁移学习模型的代码自动生成与运行 5、实操练习 |
第十四章 ChatGPT 4助力生成式对抗网络建模 | 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） 2、GAN的基本原理及GAN进化史 3、生成式对抗网络中的ChatGPT提示词库讲解 4、案例讲解：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 5、实操练习 |
第十五章 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、RNN与LSTM中的ChatGPT提示词库讲解 4、案例实践：利用ChatGPT4 及插件实现RNN、LSTM模型的代码自动生成与运行 5、实操练习 |
第十六章 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、YOLO模型中的ChatGPT提示词库讲解 4、案例实践：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）；（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、实操练习 |
第十七章 ChatGPT 4助力自编码器建模 | 1、什么是自编码器（Auto-Encoder, AE）？ 2、经典的几种自编码器模型原理介绍（AE、Denoising AE, Masked AE） 3、自编码器模型中的ChatGPT提示词库讲解 4、案例实践：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）基于自编码器的手写数字特征提取与重构； （3）基于掩码自编码器的缺失图像重构 5、实操练习 |
第十八章 ChatGPT4助力机器学习与深度学习建模的行业应用 | 1、利用ChatGPT4 及插件实现近红外光谱定性/定量分析模型的建立、代码自动生成与运行 2、利用ChatGPT4 及插件实现生物医学信号（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、利用ChatGPT4 及插件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、利用ChatGPT4 及插件实现大气污染物预测模型的建立、代码自动生成与运行 5、利用ChatGPT4 及插件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 |
第十九章 ChatGPT 4 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、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）？ 3、类激活映射CAM（Class Activation Mapping）、梯度类激活映射GRAD-CAM、局部可解释模型-敏感LIME（Local Interpretable Model-agnostic Explanation）、等方法原理讲解 4、t-SNE的基本概念及使用t-SNE可视化深度学习模型的高维特征 5、深度学习模型可解释性与可视化中的ChatGPT提示词库讲解 6、案例实践：利用ChatGPT4 及插件实现深度学习模型可视化的代码自动生成与运行 7、实操练习 |
第二十章 ChatGPT 4助力AI绘图技术 | 1、生成式模型简介（生成式对抗网络、变分自编码器、扩散模型等） 2、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 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 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、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、ChatGPT4 DALL.E 3格子布局与角色一致性的实现 7、ChatGPT4 DALL.E 3生成动图GIF 8、案例演示与实操练习 |
第二十一章 GPT 4 API接口调用与完整项目开发 | 1、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、案例实践：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、实操练习 |
第二十二章 课程总结与答疑讨论 | 1、课程总结与现场答疑 2、相关学习资料分享与拷贝（图书推荐、在线课程推荐等） 3、建立微信群，便于后期的讨论与答疑 |
