lvxiangyang的个人博客分享 http://blog.sciencenet.cn/u/lvxiangyang

博文

最新全流程ChatGPT办公与科研应用、论文撰写、数据分析、机器学习、深度学习及AI绘图

已有 359 次阅读 2024-6-13 11:41 |个人分类:人工智能|系统分类:科研笔记

第一:2024大语言模型最新进展

1、2024 AIGC技术最新进展(生成式人工智能的基本概念与原理、

2、国内外大语言模型对比分析

3、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、ChatGPT对话初体验

5、ChatGPT科研必备GPT汇总

6、GPT Store与使用

7、定制自己的专属GPTs

8、ChatGPT对话记录保存与管理

第二:ChatGPT4 提示词使用方法与技巧

1、ChatGPT Prompt (提示词)使用技巧

2、常用的ChatGPT提示词模板

3、ChatGPT提示词优化(Promptest、Prompt Perfect、PromptPal提示宝等)

4、ChatGPT4突破Token限制实现接收或输出万字长文

5、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、保存喜欢的ChatGPT提示词并一键调用

第三:ChatGPT4助力日常生活、学习与工作

1、ChatGPT4助力中小学生功课辅导

2、ChatGPT4助力文案撰写与润色修改

3、ChatGPT4助力家庭健康管理

4、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、ChatGPT4助力商业工作

6、利用ChatGPT4 创建精美的思维导图

7、利用ChatGPT4 生成流程图、甘特图

8、利用ChatGPT4 制作PPT

9、利用ChatGPT4自动创建视频

10、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、ChatGPT4辅助学生高效学习(利用GPTs生成专属学习计划)

第四:ChatGPT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

2、利用ChatGPT4分析指定领域的热门研究方向

3、利用ChatGPT4辅助撰写、润色课题申报书的各部分内容

4、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、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、利用ChatGPT4进一步细化改进思路,凝练论文的选题与创新点

7、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、利用ChatGPT4设计完整的实验方案与数据分析流程

9、利用ChatGPT4给出论文Discussion部分的切入点和思路

第五:ChatGPT助力信息检索,总结分析,论文写作与投稿

1、传统信息检索方法与技巧总结

2、利用ChatGPT4 实现联网检索文献

3、利用ChatGPT4阅读与总结分析学术论文内容

4、利用ChatGPT4 总结Youtube视频内容

5、利用ChatGPT4完成学术论文的选题设计与优化

6、利用ChatGPT4自动生成论文的总体框架、论文摘要、前言、文献综述、完整长篇论文等

7、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)

8、利用ChatGPT4实现论文语法校正

9、利用ChatGPT4完成段落结构及句子逻辑润色

10、利用ChatGPT4完成论文降重

11、利用ChatGPT4完成论文参考文献格式的自动转换

12、ChatGPT4辅助审稿人完成论文评审意见的撰写

13、ChatGPT4辅助投稿人完成论文评审意见的回复

14、ChatGPT4文献检索、论文写作必备GPTs总结

第六:ChatGPT助力python编程入门,科学计算,数据可视化,数据预处理

1、Python环境搭建

2、Python基本语法

3、Python流程控制(条件判断;for循环;while循环;break和continue)

4、Python函数与对象

5、Matplotlib的安装与图形绘制

6、Seaborn、Bokeh、Pyecharts等高级绘图库的安装与使用

7、科学计算模块库

8、利用ChatGPT4上传本地数据(Excel/CSV表格、txt文本、PDF、图片等)

9、利用ChatGPT4 实现图像处理(图像缩放、旋转、裁剪、去噪与去模糊)

10、利用ChatGPT4 实现描述性统计分析

11、常用的数据预处理方法

12、融合ChatGPT 4与Python的数据预处理代码自动生成与运行

13、利用ChatGPT4自动生成数据统计分析图表

14、利用ChatGPT4 实现代码逐行讲解

15、利用ChatGPT4 实现代码Bug调试与自动修改

第七:ChatGPT助力机器学习建模

1、BP神经网络的基本原理

2、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、BP神经网络参数的优化

4、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、BP神经网络中的ChatGPT提示词库

6、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

8、决策树的工作原理

9、随机森林的工作原理

10、Bagging与Boosting的区别与联系

11、AdaBoost vs. Gradient Boosting的工作原理

12、常用的GBDT算法框架(XGBoost、LightGBM)

13、决策树、随机森林、XGBoost、LightGBM中的ChatGPT提示词库

14、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

第八:ChatGPT4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、常见的特征选择方法

4、遗传算法(Genetic Algorithm, GA)的基本原理

5、PCA、PLS、特征选择、群优化算法的ChatGPT提示词库

6、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

第九: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

3、卷积神经网络的进化史:

4、利用PyTorch构建卷积神经网络

5、卷积神经网络调参技巧

6、卷积神经网络中的ChatGPT提示词库

7、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

第十:ChatGPT 4助力迁移学习建模

1、迁移学习算法的基本原理

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、利用ChatGPT4实现迁移学习模型的代码自动生成与运行

第十一: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、利用ChatGPT4 实现RNN、LSTM模型的代码自动生成与运行

第十二: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、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);

(3)训练自己的目标检测数据集

第十三:ChatGPT4助力机器学习与深度学习建模的行业应用

1、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、利用ChatGPT4实现生物医学信号,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实现自然语言处理模型的建立、代码自动生成与运行

第十四:ChatGPT 4助力AI绘图技术

1、利用ChatGPT4 DALL.E 3生成图像(下载图像、修改图像)

2、ChatGPT4 DALL.E 3常用的提示词库

3、ChatGPT4 DALL.E 3中的多种视图

4、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、ChatGPT4 DALL.E 3格子布局与角色一致性的实现

6、ChatGPT4 DALL.E 3生成动图GIF

7、Midjourney工具使用

8、Stable Diffusion工具使用

9、Runway图片生成动画工具使用

第十五: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、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

原文链接:公众号:技术科研吧



https://wap.sciencenet.cn/blog-3595493-1438037.html

上一篇:基于”PLUS模型+“生态系统服务多情景模拟预测
下一篇:基于Python星载气溶胶数据处理与反演分析
收藏 IP: 111.225.72.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-6-18 20:58

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部