88 优惠券
2020年3月1日到期。满 200 元可用
立即使用
立即使用
  • 会议通知
  • 会议日程
  • 会议嘉宾
  • 参会指南
  • 手机下单 手机扫码下单

首页 > 培训课程 > IT/技术培训 > 南京邮电大学人工智能技术(ChatGPT)高级研学班 更新时间:2023-12-25T11:24:38

南京邮电大学人工智能技术(ChatGPT)高级研学班
收藏4人
分享到

南京邮电大学人工智能技术(ChatGPT)高级研学班 已截止报名

课程时间: 2024-01-06 09:00至 2024-01-08 17:30结束

课程地点: 南京  南京邮电大学  南京邮电大学锁金村校区 周边酒店预订

会议规模:50人

主办单位: 南京邮电大学 北京非凡睿诚科技有限公司

行业热销热门关注看了又看 换一换

        会议通知

        会议内容 主办方介绍


        南京邮电大学人工智能技术(ChatGPT)高级研学班

        南京邮电大学人工智能技术(ChatGPT)高级研学班宣传图

        【接通知本班次取消】

        南京邮电大学人工智能技术(ChatGPT)高级研学班

        南京邮电大学是国家“双一流”建设高校和江苏高水平大学高峰计划A类建设高校,其前身是1942年诞生于山东抗日根据地的八路军战邮干训班,是我党、我军早期系统培养通信人才的学校之一。办学81年来,学校为国家输送了各类优秀人才27万余名,很多成为国内外信息产业的领军人物、技术精英和管理骨干,享有“华夏IT英才的摇篮”之誉。学校构建“信息材料、信息器件、信息系统、信息网络、信息应用”五位一体的大信息发展格局,在新一代移动通信、物联网、移动互联网、大数据、云计算、网络空间安全、有机电子与信息显示、集成电路与微组装、智能电网、光通信、智能制造、现代邮政等研究领域处于国内先进水平。2023年,学校获批“国家级全民数字素养与技能培训基地”“江苏省全民数字素养与技能培训基地”“江苏省专业技术人才继续教育基地”,国家专业技术人才知识更新工程承训单位,获批人工智能工程技术人员等9个国家数字技术工程师培育项目培训资质。

        一、人工智能技术(ChatGPT)高级研学班介绍

        随着人工智能技术的迅速发展和广泛应用,自然语言处理技术已成为当今科技领域的热点之一。ChatGPT,全称Chat Generative Pre-trained Transformer,作为一种先进的自然语言处理技术,为人工智能领域带来了革命性的变革。ChatGPT 4 是一种基于深度学习和自然语言处理技术的对话生成模型,它是GPT系列模型的最新版本。GPT系列模型是由OpenAI开发的一种基于神经网络的自然语言处理模型,它能够对文本进行理解和生成,具有极高的语言处理能力和生成能力。ChatGPT4是GPT系列模型的最新版本,它在语言理解和生成、推理和逻辑推导、人机交互、个性化和定制化服务、语言应用等方面都有所提升,成为人工智能技术的重要突破和发展方向。为了满足社会及在校人群对ChatGPT技术的需求,提高大家对人工智能领域的认识和掌握,为此南京邮电大学计划面向各高校老师、研究生、本科生、工程师及社会人群、从业者开展ChatGPT研学班。

        二、研学目标

        1.掌握ChatGPT4.0及科研必备插件的使用方法与技巧

        2.掌握ChatGPT4.0文献综述、论文选题与框架搭建、论文翻译与润色、评审意见回复等方法与技巧

        3.掌握经典机器学习方法(BP神经网络、KNN、朴素贝叶斯、SVM、决策树、随机森林、XGBoost、LightGBM、变量降维与特征选择)的工作原理,及利用ChatGPT4.0自动生成Python代码的具体方法

        4.掌握经典深度学习方法(卷积神经网络、迁移学习、循环神经网络、长短时记忆网络LSTM、YOLO目标检测、自编码器)的工作原理,以及利用ChatGPT4.0自动生成Pytorch代码的具体方法

        5.通过实操培训掌握各种编程技巧

        6.解决学员实际工作中的疑难问题

        7.熟悉人工智能的最新动态及发展趋势

        三、时间地点 

        2024年1月6日—2023年1月8日  线上:腾讯会议直播

        2024年1月5日—2023年1月8日  线下:南京邮电大学锁金村校区(5号报到)

        四、研学方式

        本研学班将采用线上和线下同步进行的教学方式,通过理论+实践、专家讲座等形式,使学员全面掌握ChatGPT的技术与应用。同时,研学班将邀请业内专家和学者进行授课和交流,为学员提供更广阔的学习平台和发展机会。

        五、研学优势

        优势1、每人赠送一个独立使用的虚拟实训账号(一个月有效期),到期后该账号部分学习功能可长期使用,方便大家能够在课中及课后实操练习;优势2、加入ChatGPT 4Plus会员研学群,获得学习共同体的帮助与支持;

        优势3、会议全程录播,提供回放视频、方便课后温习;

        优势4、培训结束后提供终身免费技术的支持以及后期的免费解答辅导;

        优势5、本次研修内容非常注重实践学习,注重实践性和落地性,全程会带着大家进行大量实操练习。

        六、主讲专家

        高校副教授,硕士生导师。主要从事图像处理、机器学习、信号处理与数据挖掘、健康医疗大数据领域的教学与研究工作。主持参与多项相关重点项目研发及基金项目,拥有丰富的科研及工程技术经验、资深的技术底蕴和专业背景。

        时间安排:

        上午9:00-12:00 点         下午14:00 -17:00点

        第一章

        ChatGPT 基础入门

        1 、ChatGPT 概述

        2 、ChatGPT 对话初体验

        3 、GPT-3.5 与 GPT-4 的区别

        4 、ChatGPT  科研必备插件(Data  Interpreter 、Wolfram 、WebPilot 、MixerBox Scholar、 ScholarAI 、Show Me 、AskYourPDF 等)

        5 、GPT Store 简介

        6 、ChatGPT Prompt (提示词)使用技巧(如何更好地向 ChatGPT 提问?常用的 ChatGPT 指 令、为 ChatGPT 设定身份)

        7 、案例演示                                    8、实操练习

        第二章

        融合 ChatGPT4 的文 献检索与综述

        1、文献检索方法与技巧总结

        2、基于 WebPilot 、MixerBox Scholar、ScholarAI 等 ChatGPT 插件检索参考文献

        3、基于 ChatGPT4 的文献总结并撰写综述

        4、案例演示                                           5、实操练习

        第三章

        融合 ChatGPT4 

        Python  BP 神经网

        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 、前向神经网络中的 ChatGPT 提示词库讲解

        6 、案例实践: 融合 ChatGPT4 与 Python 的 BP 神经网络、极限学习机模型代码自动生成 与运行

        7、实操练习

        第四章

        融合 ChatGPT4 

        Python  KNN、贝

        叶斯分类与 SVM

        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: 融合 ChatGPT4 与 Python 的 KNN、贝叶斯分类、SVM 模型代码自动生成 与运行

        7、实操练习

        第五章

        融合 ChatGPT4 

        Python 的决策树、随

        机森林、 XGBoost 

        LightGBM

        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: 融合 ChatGPT4 与 Python 的决策树、随机森林、XGBoost 、LightGBM 模 型代码自动生成与运行

        8.  实操练习

        第六章

        融合 ChatGPT4 

        Python 的变量降维与

        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: 融合 ChatGPT4 与 Python 的变量降维与特征选择代码自动生成与运行

        7、实操练习

        第七章

        融合 ChatGPT4 

        Pytorch 的卷积神经网

        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: 融合 ChatGPT4 与 Pytorch 的卷积神经网络模型代码自动生成与运行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)自定卷积神经网络拓扑结构  

        8、实践操作

        第八章

        融合 ChatGPT4 

        Pytorch 的迁移学习

        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: 融合 ChatGPT4 与 Pytorch 的迁移学习模型代码自动生成与运行

        5、实操练习

        第九章

        融合 ChatGPT4 

        Pytorch  RNN

        LSTM

        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: 融合 ChatGPT4 与 Pytorch 的 RNN 、LSTM 模型代码自动生成与运行

        5、实操练习

        第十章

        融合 ChatGPT4 

        Pytorch  YOLO 

        标检测

        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: 融合 ChatGPT4 与 Pytorch 的 YOLO 模型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

        第十一章

        融合 ChatGPT4 

        Pytorch 的自编码器

        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: 融合 ChatGPT4 与 Pytorch 的 YOLO 模型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

        第十二章

        基于 ChatGPT4 论文

        写作

        1、基于 ChatGPT4 自动生成论文的总体框架

        2、基于 ChatGPT 4 完成论文翻译(中译英、英译中)

        3、基于 ChatGPT4 实现论文语法校正

        4、基于 ChatGPT4 完成段落结构及句子逻辑润色

        5、基于 ChatGPT4 完成论文评审意见的回复

        6 、案例演示 7、实操练习

        第十三章讨论与答疑

        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

        七、收费标准

        统一收费 4200 元/人(含培训费、资料费、证书认证费、指导费、发票费等)费用提供用于报销的正规机打发票及盖有公章的通知文件;住宿可推荐安排,费用自理。

        八、结业证书

        由南京邮电大学颁发:“人工智能技术(ChatGPT)高级研学合格证书”

        九.优惠政策

        一、3 人以上报名每人可优惠 300 元

        二、5 人以上报名(可免费赠送一个名额)

        三、以上优惠政策只可享受其中一种,不可同时享受

         

        查看更多

        会议日程


        即将更新,敬请期待

        会议嘉宾


        即将更新,敬请期待

        参会指南

        会议门票 场馆介绍


        票种名称 价格 原价 票价说明
        普通票 ¥4200 ¥4200 含培训费、资料费、证书认证费、指导费、发票费等

        查看更多

        温馨提示
        酒店与住宿: 为防止极端情况下活动延期或取消,建议“异地客户”与活动家客服确认参会信息后,再安排出行与住宿。
        退款规则: 活动各项资源需提前采购,购票后不支持退款,可以换人参加。

        还有若干场即将举行的 人工智能大会

        猜你喜欢

        部分参会单位

        主办方没有公开参会单位
        活动家_小程序快捷下单

        微信扫一扫
        分享给朋友

        邮件提醒通知

        分享到微信 ×

        打开微信,点击底部的“发现”,
        使用“扫一扫”即可将网页分享至朋友圈。

        录入信息

        请录入信息,方便生成邀请函