第一部分：AI大模型入门与学术应用（1天）

1. 大模型基础入门

· 了解GPT

· GPT基本原理

· GPT和传统搜索引擎的比较

· 大模型如何辅助学术研究

2. 提示词使用方法与技巧

· 提示词要素

· 提示词设计技巧

· 常用提示词模板

· 辅助提示词生成

· 控制GPT的输出长度

· 让GPT突破token限制

3. 学术常用GPTs

· GPT Store简介

· 学术常用GPTs

· 定制学术专属GPTs

4. 大模型辅助的信息检索与分析

· 传统信息检索方法与技巧总结

· 利用GPTs实现联网检索文献

· 利用大模型进行内容摘要

· 利用大模型进行文献信息提取

5. 大模型辅助论文撰写、投稿

· 大模型作为论文撰写、投稿的辅助工具

· 学术论文撰写的基本结构和要素

· 大模型辅助研究设计

· 大模型进行论文润色

· 大模型进行论文降重、重复改写和翻译

· 大模型辅助进行论文投稿

6. 大模型辅助的数据清洗与预处理

· 描述性统计分析与可视化

· 数据探索性分析

· 数据清洗

· 标准化与归一化

· 异常值与缺失值处理

· 离散化及编码处理

· 特征选择与生成

第二部分：AI大模型辅助机器学习学术应用（4天）

1. 大模型辅助的机器学习学术应用介绍

· 机器学习基本思想

· 机器学习分类

· 常用机器学习算法

· 机器学习评价标准

· 机器学习算法库介绍

· 大模型的架构与工作原理

· 大模型在机器学习中的优势

· 如何利用大模型辅助机器学习

2. 大模型辅助的机器学习算法与实战

· 基于大模型的机器学习算法推荐

· 基于大模型的机器学习建模

· 大模型辅助特征生成与理解

-         特征生成

-         特征选择

-         特征构造

·  KNN：

-         KNN算法原理

-         KNN用于分类和回归

-         KNN模型的优化与调参

-         利用大模型对knn进行建模

-         利用大模型进行knn代码生成

-         利用大模型对建模结果的详细解释和可视化

-         knn的优缺点分析

-         综合案例应用：中风患者预测

·  决策树：

-         决策树算法原理

-         决策树分类

-         决策树用于分类和回归实现

-         决策树参数优化

-         决策树的可视化

-         利用大模型对决策树进行建模

-         利用大模型进行决策树代码生成

-         决策树的可视化与解释

-         综合案例应用：利用决策树进行保险行业用户画像

·  线性回归与逻辑回归：

-         回归模型基本原理

-         回归模型中的正则化

-         从线性回归到逻辑回归

-         回归模型的实现和参数优化

-         利用大模型对线性回归和逻辑回归进行建模

-         利用大模型进行回归代码生成

-         回归模型的解释

-        综合案例应用：数字化人力资源之员工流失风险预警

·  贝叶斯网络：

-         贝叶斯分类原理

-         朴素贝叶斯

-         贝叶斯模型分类

-         贝叶斯模型的优缺点和局限性

-         利用大模型对贝叶斯进行建模

-         利用大模型进行贝叶斯网络代码生成

-         利用大模型进行文本特征生成

-         贝叶斯模型解释

-         综合案例应用：利用贝叶斯进行新闻分类

·  支持向量机：

-         支持向量机分类原理

-         线性SVM和非线性SVM

-         SVM中的核函数

-         大模型辅助贝叶斯核函数的选择

-         利用大模型进行支持向量机代码生成

-         模型解释

-         综合案例应用：支持向量机人脸识别

·  随机森林与集成学习：

-         决策树与随机森林

-         随机森林原理

-         随机森林的实现与参数调优

-         集成学习

-         随机森林用于特征选择

-         大模型辅助的随机森林建模

-         利用大模型进行集成学习代码生成

-         模型调参和评估

-         综合案例应用：随机森林船员生存预测