原文链接:ChatGPT4+Python数据分析与可视化、人工智能建模及论文高效撰写教程
前沿
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。
第一:ChatGPT4****基础
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
第二:****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
第三:****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)
第四:****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
第五:****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
第六:****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)
第七:****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)
第八:****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
第九:****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
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
第十:****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
第十一:****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
第十二:****ChatGPT 4助力卷积神经网络建模
1、深度学习(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
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
第十三:****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
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
第十四:****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: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
第十五:****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
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
第十六:****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
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);
(3)训练自己的目标检测数据集
第十七:****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
第十八:****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
第十九:****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
第二十:****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
第二十一:****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
版权归原作者 慢腾腾的小蜗牛 所有, 如有侵权,请联系我们删除。