ChatGPT入门指南：一文了解如何获取GPT4账号及AI绘图应用
2023年11月16日-19日 【16日全天报到，全程三天教学】
现场/直播培训同步进行【可自由选择参会模式】
四川*成都【报名后见详细会议流程须知】
账号获取
一：每人均可获得1个独立可永久免费使用的ChatGPT账号
二：【超级福利】赠送ChatGPT Plus会员账号，ChatGPT Plus会员账号的功能包括
1.无限制ChatGPT模型使用 2.GPT-4模型使用
3.GPT-4图像分析功能 4.GPT-4联网功能
5.GPT-4高级数据分析功能 6.GPT-4高级插件功能
7.DALLE-3高级AI绘图功能
三：会议结束后赠送一套完整的视频教程
ChatGPT强大功能部分展示：
往期现场及学员评价
课程内容
专题一AIGC概述【讲解+实践】
1.1 AIGC课程概述
1.2 AIGC技术发展
1.3 人工智能基本概念
1.4 大语言模型的选择
1.5 大语言模型上下文关联介绍
1.6 Tokens概念介绍
1.7 （课堂动手练习）ChatGPT/GPT4官网使用方法
1.8 （课堂动手练习）ChatGPT/GPT4国内使用方法
1.9 （课堂动手练习）ChatGPT/GPT4的API使用方法
1.10 提示词工程讲解
1.11 如何写好一篇论文的提示词
专题二大语言模型（LLM）的入门实践技巧【讲解+实践】
2.1 LLM的使用技巧1-角色扮演
2.2 LLM的使用技巧2-更换语气
2.3 LLM的使用技巧3-更定具体任务
2.4 LLM的使用技巧4-上下文关联
2.5 大语言模型和搜索引擎的区别
2.6 （课堂动手练习）AI是最好用的翻译软件
2.7 （课堂动手练习）让AI为你规划旅游行程
2.8 （课堂动手练习）让AI学会类比
2.9 （课堂动手练习）让AI生成表格
2.10 （课堂动手练习）让AI使用苏格拉底式教学
2.11 （课堂动手练习）如何与AI交流科研问题
专题三人工智能算法【讲解+实践】
3.1 AI算法是如何进行训练的？
3.2 深度学习常用架构解析
3.3 GPT1-3模型
3.4 强化学习和InstructGPT模型讲解
3.5 RLHF人类反馈强化学习
3.6 ChatGPT和GPT4模型
专题四大语言模型高级实践技巧【讲解+实践】
4.1（课堂动手练习）零样本思维链提示-提高模型逻辑推理能力
4.2 （课堂动手练习）多样本思维链提示-提升模型模仿能力
4.3 （课堂动手练习）自洽性-提升模型数学能力
4.4 （课堂动手练习）生成知识提示-提升模型知识水平
4.5 （课堂动手练习）向GPT寻求商业和营销意见
4.6 （课堂动手练习）使用GPT改进你的产品或服务
4.7 （课堂动手练习）让AI对文章中的数据进行整理
4.8 （课堂动手练习）让AI帮你进行数据处理
4.9 （课堂动手练习）让AI进行用户评论分类
4.10 （课堂动手练习）让AI帮你写报告
4.11 （课堂动手练习）让AI根据知识点出题
4.12 （课堂动手练习）让AI制作视频脚本
4.13 （课堂动手练习）让AI帮你写简历
4.14 （课堂动手练习）让AI帮你进行模拟面试
专题五让GPT成为你的论文助手【讲解+实践】
5.1 （课堂动手练习）判别文章是不是AI的生成
5.2 （课堂动手练习）上传本地PDF论文然后让GPT提出审稿意见
5.3 （课堂动手练习）上传本地PDF论文然后让GPT帮你翻译
5.4 （课堂动手练习）上传本地PDF论文然后让GPT相关论文中的相关问题
5.5 （课堂动手练习）用GPT帮你生成论文摘要
5.6 （课堂动手练习）用GPT帮你生成文献综述
5.7 （课堂动手练习）用GPT帮你论文中的技术方法
5.8 （课堂动手练习）用GPT帮你进行中文论文润色
5.9 （课堂动手练习）用GPT帮你进行中英文论文润色
5.10 （课堂动手练习）用GPT帮你提出论文修改意见
5.11 （课堂动手练习）用GPT帮你翻译并润色
5.12 （课堂动手练习）用GPT帮你进行论文降重
5.13 （课堂动手练习）让AI帮你写论文综述并标注内容来源
5.14 （课堂动手练习）让AI帮你查找某个观点或内容相关的论文
5.15 （课堂动手练习）让AI帮你查找某篇论文相关的论文
5.16 （课堂动手练习）用GPT写出完整论文的方法
5.17 （课堂动手练习）用GPT对整篇论文进行润色
5.18 （课堂动手练习）用GPT进行论文搜索
专题六让GPT成为你的编程助手【讲解+实践】
6.1 （课堂动手练习）用GPT实现某一特定功能的程序
6.2 （课堂动手练习）用GPT对代码进行解释
6.3 （课堂动手练习）用GPT进行代码纠错及修改
6.4 （课堂动手练习）用GPT回答代码疑问
6.5 （课堂动手练习）用GPT帮你优化代码
6.6 （课堂动手练习）用GPT读取本地数据然后写代码
6.7 （课堂动手练习）让GPT帮你提供完整项目代码并不断修正代码
6.8 （课堂动手练习）自动化AI编程助手
专题七基于GPT的完整科研/项目实现案例【讲解+实践】
7.1 （课堂动手练习）用GPT了解科研/项目相关知识
7.2 （课堂动手练习）用GPT优化科研/项目的设计
7.3 （课堂动手练习）用GPT解答科研/项目相关问题
7.4 （课堂动手练习）用GPT读取本地数据（Excel数据或CSV数据等）
7.5 （课堂动手练习）用GPT对科研/项目数据进行模型建模程序编写
专题八GPT在地球科学方面的应用【讲解+实践】
8.1 （课堂动手练习）用GPT绘制世界地图海岸线
8.2 （课堂动手练习）用GPT绘制不同的地图投影
8.3 （课堂动手练习）用GPT绘制南极地投影
8.4 （课堂动手练习）用GPT绘制地球各种关键变量的图
8.5 （课堂动手练习）用GPT绘制台风总降水量图
8.6 （课堂动手练习）用GPT绘制台风风速图
8.7 （课堂动手练习）用GPT计算台风总降水量
8.8 （课堂动手练习）用GPT对遥感图像光谱数据进行机器学习建模分类
8.9 （课堂动手练习）用GPT绘制遥感图像分类结果
专题九GPT的拓展应用【讲解+实践】
9.1 （课堂动手练习）全自动AI助手autoGPT的介绍和使用
9.2 （课堂动手练习）ChatGPT联网获取最新信息
9.3 （课堂动手练习）使用AI工具快速产出高端PPT的3种方法
9.4 （课堂动手练习）使用AI工具快速产出短视频
9.5 （课堂动手练习）使用AI工具快速制作流程图
9.6 大语言模型是如何理解文字信息的
9.7 大语言模型是如何理解数学的
专题十ChatGPT/GPT4接口python程序开发学习【讲解+实践】
10.1 （课堂动手练习）ChatGPT/GPT4接口程序基础
10.2 （课堂动手练习）GPT4模型调用
10.3 （课堂动手练习）提示原则讲解
10.4 （课堂动手练习）迭代优化讲解
10.5 （课堂动手练习）文本概括讲解
10.6 （课堂动手练习）GPT推断讲解
10.7 （课堂动手练习）文本转换讲解
10.8 （课堂动手练习）文本扩展讲解
10.9 （课堂动手练习）用GPT程序接口制作聊天机器人
10.10 （课堂动手练习）用GPT程序接口制作订餐机器人
专题十一ChatGPT Plus/GPT4功能详解【讲解+实践】
11.1 （课堂动手练习）GPT4模型使用
11.2（课堂动手练习）GPT4联网功能
11.2 （课堂动手练习）GPT4识别图片中的商品价格
11.3 （课堂动手练习）GPT4识别图片中的液体类型
11.4 （课堂动手练习）GPT4识别图片中的数学题并解答
11.5 （课堂动手练习）GPT4识别图片中的地标
11.6 （课堂动手练习）GPT4识别图片中的菜品
11.7 （课堂动手练习）GPT4医疗影像诊断
11.8 （课堂动手练习）GPT4识别统计分析图并生成对应画图的代码
专题十二ChatGPT Plus/GPT4高级数据分析和插件功能详解【讲解+实践】
12.1 （课堂动手练习）使用高级数据分析功能进行数学计算
12.2 （课堂动手练习）使用高级数据分析功能生成二维码
12.3 （课堂动手练习）使用高级数据分析功能进行图片处理
12.4 （课堂动手练习）使用高级数据分析功能进行文字识别
12.5 （课堂动手练习）使用高级数据分析功能进行自动化数据处理和分析
12.6 （课堂动手练习）使用GPT插件画统计分析图标
12.7 （课堂动手练习）使用GPT插件解方程
12.8 （课堂动手练习）使用GPT插件做化学计算
12.9 （课堂动手练习）使用GPT插件做物理计算
12.10 （课堂动手练习）使用GPT插件进行推理计算
12.11 （课堂动手练习）使用GPT插件进行论文答疑
12.12 （课堂动手练习）使用GPT插件搜索论文
12.13 （课堂动手练习）使用GPT插件写论文
专题十三绘图工具DALL-E2和Midjourney应用【讲解+实践】
13.1 AI画图原理讲解
13.2 文生图和图生图讲解
13.3 CLIP模型和扩散模型讲解
1.4 绘图工具DALL-E2讲解
13.5 Midjourney工3具讲解
13.6 Midjourney提高分辨率及图像微调
13.7 Midjourney搭建私人服务器
13.8 Midjourney的提示词参考
13.9 （课堂动手练习）remix模式讲解与实践
13.10 （课堂动手练习）blend命令讲解与实践
13.11 （课堂动手练习）describe命令讲解与实践
13.12 （课堂动手练习）图生图通过图片生成新的图片
13.13 （课堂动手练习）Midjourney的参数和设置讲解与实践
13.14 （课堂动手练习）使用chatgpt来产生图像的提示词
13.15 （课堂动手练习）结合参数设置生成高质量图像
13.16 （课堂动手练习）Midjourney科研作图讲解与实践
专题十四绘图工具Stable Diffusion基础应用【讲解+实践】
14.1 Stable Diffusion工具讲解
14.2 Stable Diffusion不同模型讲解
14.3 Stable Diffusion环境部署讲解
14.4 Stable Diffusion常用提示词讲解
14.5 Stable Diffusion工作界面讲解
14.6 （课堂动手练习）通过文字生成图片
14.7 （课堂动手练习）通过图片生成图片
14.8 （课堂动手练习）通过图片反推prompt提示词
14.9 （课堂动手练习）提示词的语法和权重
14.10 （课堂动手练习）模仿别人的优质图片产生新图片
14.11 （课堂动手练习）图像智能放大算法
14.12 （课堂动手练习）把动漫人物变为真人
专题十五绘图工具Stable Diffusion高级应用【讲解+实践】
15.1 Lora模型的下载和部署
15.2 （课堂动手练习）使用Lora模型产生写实人物图像
15.3 （课堂动手练习）使用Lora模型产生二次元人物图像
15.4 （课堂动手练习）使用Inpainting进行图像的局部重绘
15.5 Stable Diffusion的插件系统讲解
15.6 Controlnet插件讲解
15.7 Controlnet中不同模型效果展示
15.8 （课堂动手练习）使用线稿图生成装修和建筑
15.9 （课堂动手练习）使用线稿图给图片上色
15.10 （课堂动手练习）产生特定姿态的人物图像
专题十六最新绘图工具DALL-E 3应用【讲解+实践】
16.1 （课堂动手练习）DALL-E 3模型讲解与应用
16.2 （课堂动手练习）DALL-E 3与GPT4结合使用
16.3 （课堂动手练习）DALL-E 3中文提示词的使用
16.4 （课堂动手练习）DALL-E 3根据上下文内容修改图片
16.5 （课堂动手练习）DALL-E 3在图像中生成特定文字
16.6 （课堂动手练习）DALL-E 3绘图结果的不断优化
【三天实践教学、提供全部资料及回放】
主题确定、数据分析绘图、SCI文章框架与写作，全流程技术方法
课程内容
注：请提前自备电脑及安装所需软件。。
下滑查看更多
详情咨询：王老师微信：185-9101-9807
2023年11月23日-26日 【23日全天报到，全程三天教学】
现场/直播培训同步进行【可自由选择参会模式】
陕西*西安理工大学学术交流中心【报名后见详细流程须知】
课程内容
课程安排 |
课程导学 |
第一章 注意力（Attention）机制详解 |
1、注意力机制的背景和动机（为什么需要注意力机制？注意力机制的起源和发展）。 2、注意力机制的基本原理：用机器翻译任务带你了解Attention机制、如何计算注意力权重？ 3、注意力机制的一些变体（硬性注意力机制、软性注意力机制、键值对注意力机制、多头注意力机制、多头注意力机制、……）。 4、注意力机制的可解释性（如何使用注意力机制进行模型解释？注意力机制的可视化技术？） 5、案例演示 6、实操练习 |
第二章 Transformer模型详解 |
1、Transformer模型拓扑结构 2、Transformer模型工作原理（为什么Transformer模型需要位置信息？位置编码的计算方法？Transformer模型的损失函数？） 3、自然语言处理（NLP）领域的Transformer模型：BERT、GPT-1 / GPT-2 / GPT-3 / GPT-3.5 / GPT-4（模型的总体架构、输入和输出形式、预训练目标、预训练数据的选择和处理、词嵌入方法、GPT系列模型的改进与演化、……）。 4、计算视觉（CV）领域的Transformer模型：DETR / ViT / Swin Transformer（DERT：基于Transformer的检测头设计、双向匹配损失；ViT：图像如何被分割为固定大小的patches？如何将图像patches线性嵌入到向量中？Transformer在处理图像上的作用？Swin：窗口化自注意力机制、层次化的Transformer结构、如何利用位移窗口实现长范围的依赖？） 5、案例演示 6、实操练习 |
第三章 生成式模型详解 |
1、变分自编码器VAE（自编码器的基本结构与工作原理、变分推断的基本概念及其与传统贝叶斯推断的区别、VAE的编码器和解码器结构及工作原理）。 2、生成式对抗网络GAN（GAN提出的背景和动机、GAN的拓扑结构和工作原理、生成器与判别器的角色、GAN的目标函数）。 3、扩散模型Diffusion Model（扩散模型的核心概念？如何使用随机过程模拟数据生成？扩散模型的工作原理）。 4、跨模态图像生成DALL.E（什么是跨模态学习？DALL.E模型的基本架构、模型训练过程）。 5、案例演示 6、实操练习 |
第四章 目标检测算法详解 |
1. 目标检测任务与图像分类识别任务的区别与联系。 2. 两阶段（Two-stage）目标检测算法：R-CNN、Fast R-CNN、Faster R-CNN（RCNN的工作原理、Fast R-CNN和Faster R-CNN的改进之处 ）。 3. 一阶段（One-stage）目标检测算法：YOLO模型、SDD模型（拓扑结构及工作原理）。 4. 案例演示 5、实操练习 |
第五章 图神经网络详解 |
1. 图神经网络的背景和基础知识（什么是图神经网络？图神经网络的发展历程？为什么需要图神经网络？） 2. 图的基本概念和表示（图的基本组成：节点、边、属性；图的表示方法：邻接矩阵；图的类型：无向图、有向图、加权图）。 3. 图神经网络的工作原理（节点嵌入和特征传播、聚合邻居信息的方法、图神经网络的层次结构）。 4. 图卷积网络（GCN）的工作原理。 5. 图神经网络的变种和扩展：图注意力网络（GAT）、图同构网络（GIN）、图自编码器、图生成网络。 6、案例演示 7、实操练习 |
第六章 强化学习详解 |
1、强化学习的基本概念和背景（什么是强化学习？强化学习与其他机器学习方法的区别？强化学习的应用领域有哪些？ 2、Q-Learning（马尔可夫决策过程、Q-Learning的核心概念、什么是Q函数？Q-Learning的基本更新规则）。 3、深度Q网络（DQN）（为什么传统Q-Learning在高维或连续的状态空间中不再适用？如何使用神经网络代替Q表来估计Q值？目标网络的作用及如何提高DQN的稳定性？） 4、案例演示 5、实操练习 |
第七章 深度学习模型可解释性与可视化方法详解 |
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、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、案例演示 6、实操练习 |
第八章 讨论与答疑 |
1、相关学习资料分享与拷贝（图书推荐、在线课程推荐等） 2、建立微信群，便于后期的讨论与答疑 |
注：请提前自备电脑及安装所需软件。。
下滑查看更多
详情咨询：王老师微信：185-9101-9807
更多视频课程推荐
| 语言类体系课程（即买即看） |
|
|---|---|
| 0 |
最新基于MATLAB 2023a的机器学习、深度学习实践应用高级课程 |
| 1 |
基于MATLAB深度学习与实践技术应用视频 |
| 2 |
MATLAB 编程、机器学习、深度学习、在图像处理中的实践技术应用 |
| 3 |
最新基于MATLAB 2021b的机器学习、深度学习实践应用高级课程 |
| 4 | MATLAB 近红外光谱分析技术及应用视频 |
| 5 |
基于R语言的贝叶斯网络模型的实践技术应用 |
| 6 |
基于R语言贝叶斯进阶:INLA下的贝叶斯回归\生存分析\随机游走、广义可加模型\极端数据的贝叶斯分析 |
| 7 |
基于R语言的现代贝叶斯统计学方法（贝叶斯参数估计、贝叶斯回归、贝叶斯计算）实践技术课程 |
| 8 |
R语言Meta全流程、不确定、回归、诊断分析与绘图及Meta机器学习高级应用 |
| 9 |
基于R语言结构方程模型分析与实践技术应用 |
| 10 |
【SEM】：结构方程模型（SEM）高阶应用系列 |
| 11 |
【SEM】：时间重复测量数据分析 |
| 12 |
【SEM】：结构方程模型预测问题-直接预测实现途径 |
| 13 |
【SEM】：空间自相关数据分析 |
| 14 |
【SEM】：非递归（non-recursive）结构方程模型实践 |
| 15 |
【SEM】：系统发育数据纳入结构方程模型技术 |
| 17 |
【SEM】：非线性、非正态、交互作用及分类变量分析 |
| 18 |
【SEM】：嵌套分层数据及数据分组分析 |
| 19 |
R语言数据统计分析与ggplot2高级绘图实践应用 |
| 20 | 基于R语言的Copula变量相关性分析及应用 |
| 21 |
基于R语言的极值统计学及其在相关领域中的应用 |
| 22 |
R语言混合效应（多水平/层次/嵌套）模型及贝叶斯实现技术应用 |
| 23 |
基于R语言的分位数回归实践技术高级应用 |
| 24 |
全套Python机器学习核心技术与案例分析应用 |
| 25 |
统计方法在变量变化及变量间关系分析中的应用 |
| 26 |
扎根理论分析原理、方法与Nvivo实践技术应用 |
| 27 |
python生物信息多组学大数据深度挖掘与论文整理技巧 |
| 28 |
R 语言生物信息学大数据分析与绘图技术 |
| 29 |
基因家族分析及SCI写作技巧实践技术应用 |
| 30 | 基于PyTorch深度学习实践技术应用 |
| 31 | Python数据挖掘与机器学习实践应用 |
| 32 | 基于PyTorch机器学习与深度学习实践与案例分析 |
| 33 | 基于R语言的现代线性回归实践技术方法 |
| 34 | 面向高校的基于算法的发明专利申请写作方法 |
| 35 | 基于Geo与R语言的空间数据回归实践技术应用 |
| 36 | 基于R语言地理加权回归、主成份分析、判别分析等空间异质性数据分析 |
| 37 | 基于MATLAB科研数据可视化 |
| 38 | 基于Python科研数据可视化 |
| 39 | 分子动力学LAMMPS模拟实战技术应用 |
| 40 | 基于通用优化软件GAMS的数学建模与优化分析实践技术应用 |
| 41 |
基于GAMS的电力系统优化分析 |
| 42 | 基于Citespace和vosviewer文献计量学可视化SCI论文高效写作方法 |
| 43 | 基于现代R语言【Tidyverse、Tidymodel】的机器学习方法 |
| 44 |
面向课题组团队及科研人员AI培养计划：AI人工智能实践技术系统性教学方案 |
| 45 | 如何使用python网络爬虫批量获取公共资源数据实践技术应用 |
| 46 |
基于Python近红外光谱分析与机器学习、深度学习方法融合实践技术应用 |
| 47 |
基于Python机器学习及深度学习在空间模拟与时间预测领域中的实践技术应用 |
体系课程+课件资料及数据代码+导师随行辅导 在校学生享专属优惠，最高享受7.5折优惠 |
|
下滑查看更多
详情咨询：王老师微信：185-9101-9807
扫码联系小编了解详情
END
Ai尚研修丨专注科研领域
技术推广，人才招聘推荐，科研活动服务
科研技术云导师，Easy Scientific Research