第一章

2025大语言模型最新进展与ChatGPT、DeepSeek等大语言模型讲解

1、国内外大语言模型（GPT- 4o、Gemini、Claude、Llama3、文心一言、星火、通义千问、Kimi、智谱清言、DeepSeek等）对比分析

2、ChatGPT概述（GPT-1、GPT-2、GPT-3、GPT-3.5、GPT-4、GPT-4o、o1、o3模型的演变）

3、OpenAI 12天12场直播总结（新特性简介、与ChatGPT各个版本之间的差异对比分析）

4、OpenAI首个智能体（Agent）Operator简介科普

5、OpenAI Deep Research简介

6、GPT-4o with canvas交互式对话界面功能演示（文本编辑：内容润色、修改文本阅读水平、调整文本长度、智能修改建议、选中指定片段进行修改；代码编辑：添加注释、添加程序日志、修复程序Bug、将代码转换为另一种编程语言、代码审查等）

7、ChatGPT Search功能演示（联网查询最新的新闻动态、最新发表的学术论文等）

8、ChatGPT Project功能演示（创建项目文件夹、构建项目知识库、设置项目指令等）

9、ChatGPT对话记录搜索功能演示（查询历史对话记录）

10、ChatGPT对话初体验（提示词输入、语音聊天、上传文档等）

11、ChatGPT科研必备GPT汇总介绍（寻找好用的GPTs模型、提示词优化、生成思维导图、生成PPT、生成视频、制定个性化的学习计划、检索论文、总结论文内容、总结视频内容、撰写论文、论文翻译、论文润色与修改、参考文献格式管理、论文评审、数据分析、生成代码、代码调试等）

12、GPT Store简介与使用

13、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）

14、ChatGPT对话记录保存与管理（ChatGPT对话管家扩展程序的安装与使用演示）

15、Llama3、DeepSeek等开源大语言模型的本地部署与对话

16、Claude大语言模型对话初体验（对话界面主要功能介绍、上传数据文件分析并可视化、文献智能解读、自动生成代码等功能演示）

17、DeepSeek使用初体验（注册与登录、App下载与安装、界面主要功能介绍与演示等）

18、案例演示与实操练习

第二章

大语言模型提示词使用方法与高级技巧

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、DeepSeek与传统大语言模型在提示词撰写上的变与不变

3、常用的ChatGPT提示词模板

4、基于思维链（Chain of Thought, CoT）的ChatGPT提示词优化（让OpenAI o1推理能力变强的诀窍之一）

5、ChatGPT-4o提示词优化（Promptest、Prompt Perfect、PromptPal提示宝等）

6、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）

7、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）

8、保存喜欢的提示词并一键调用

9、ChatGPT-4o提示词逆向工程（破解提示词的常用方法、对别人创建的GPTs提示词进行破解）

10、ChatGPT-4o提示词保护策略以及构建坚不可摧的GPTs

11、实操练习

第三章

ChatGPT-4o和DeepSeek-R1等大语言模型助力日常生活、学习与工作

1、ChatGPT-4o和DeepSeek-R1助力创建精美的思维导图

2、ChatGPT-4o和DeepSeek-R1助力生成流程图、甘特图

3、ChatGPT-4o和DeepSeek-R1助力制作PPT

4、ChatGPT-4o和DeepSeek-R1助力创建视频

5、ChatGPT-4o和DeepSeek-R1助力教师高效备课（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、ChatGPT-4o和DeepSeek-R1助力学生高效学习（利用插件生成个性化学习计划）

7、案例演示与实操练习

第四章

 ChatGPT-4o和DeepSeek-R1等大语言模型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ChatGPT-4o和DeepSeek-R1实现联网检索文献

3、利用ChatGPT-4o和DeepSeek-R1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ChatGPT-4o和DeepSeek-R1总结Youtube视频内容

5、案例演示与实操练习

第五章

ChatGPT-4o和DeepSeek-R1等大语言模型助力论文写作与投稿

1、利用ChatGPT-4o和DeepSeek-R1自动生成论文的总体框架

2、利用ChatGPT-4o和DeepSeek-R1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ChatGPT-4o和DeepSeek-R1实现论文语法校正

4、利用ChatGPT-4o和DeepSeek-R1完成段落结构及句子逻辑润色

5、利用ChatGPT-4o和DeepSeek-R1完成论文评审意见的撰写与回复

6、案例演示与实操练习

第六章

ChatGPT-4o和DeepSeek-R1等大语言模型助力Python编程入门、科学计算、数据预处理及可视化绘图

1、Python环境搭建（ 下载、安装与版本选择）。

2、如何选择Python编辑器？（IDLE、Notepad++、PyCharm、Jupyter…）

3、Python基础（数据类型和变量、list和tuple、条件判断、循环、函数的定义与调用等）

4、第三方模块的安装与使用

5、Numpy模块库（Numpy的安装；ndarray类型属性与数组的创建；数组索引与切片；Numpy常用函数简介与使用）

6、Matplotlib基本图形绘制（线形图、柱状图、饼图、气泡图、直方图、箱线图、散点图等）

7、Pytorch深度学习框架简介（Tensor的创建、基本运算、升降维操作、CPU/GPU转换等）

8、利用ChatGPT-4o和DeepSeek-R1上传本地数据（Excel/CSV表格、txt文本、PDF、图片等）

9、利用ChatGPT-4o和DeepSeek-R1实现描述性统计分析（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）

10、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）

11、融合ChatGPT-4o和DeepSeek-R1与Python的数据预处理代码自动生成与运行

12、利用ChatGPT-4o和DeepSeek-R1自动生成数据统计分析图表

13、利用ChatGPT-4o和DeepSeek-R1实现代码逐行讲解

14、利用ChatGPT-4o和DeepSeek-R1实现代码Bug调试与修改

15、案例演示与实操练习

第七章

ChatGPT-4o和DeepSeek-R1等大语言模型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和DeepSeek-R1提示词库讲解

6、案例实践：利用ChatGPT和DeepSeek-R1实现BP神经网络模型的代码自动生成与运行

7、实操练习

第八章

ChatGPT-4o和DeepSeek-R1等大语言模型助力决策树、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和DeepSeek-R1提示词库讲解

7、案例实践：利用ChatGPT和DeepSeek-R1实现决策树、随机森林、XGBoost、LightGBM模型的代码自动生成与运行

8. 实操练习

第九章

ChatGPT-4o和DeepSeek-R1等大语言模型助力卷积神经网络建模

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等预训练模型

4、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？）

5、利用PyTorch构建卷积神经网络（Convolution层、Batch Normalization层、Pooling层、Dropout层、Flatten层等）

6、卷积神经网络中的ChatGPT和DeepSeek-R1提示词库讲解

7、案例实践：利用ChatGPT和DeepSeek-R1实现卷积神经网络模型的代码自动生成与运行

案例实践-1：CNN预训练模型实现物体识别

案例实践-2：利用卷积神经网络抽取抽象特征

案例实践-3：自定义卷积神经网络拓扑结构

8、实操练习

第十章

ChatGPT-4o和DeepSeek-R1等大语言模型助力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和DeepSeek-R1提示词库讲解

4、案例实践：利用ChatGPT和DeepSeek-R1实现RNN、LSTM模型的代码自动生成与运行

5、实操练习

第十一章

ChatGPT-4o和DeepSeek-R1等大语言模型助力迁移学习建模

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和DeepSeek-R1提示词库讲解

4、案例实践：利用ChatGPT和DeepSeek-R1实现迁移学习模型的代码自动生成与运行

5、实操练习

第十二章

ChatGPT-4o和DeepSeek-R1等大语言模型助力自编码器建模

1、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和DeepSeek-R1提示词库讲解

4、案例实践：利用ChatGPT和DeepSeek-R1实现自编码器模型的代码自动生成与运行

案例实践-1：基于自编码器的噪声去除

案例实践-2：基于自编码器的手写数字特征提取与重构

5、实操练习

第十三章

ChatGPT-4o和DeepSeek-R1等大语言模型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、DeepSeek 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）

3、案例实践：利用GPT和DeepSeek等API实现完整项目开发

案例实践-1：聊天机器人的开发

案例实践-2：利用GPT API和Text Embedding生成文本的特征向量

案例实践-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

4、实操练习

第十四章

课程总结与答疑讨论

1、课程总结与现场答疑

2、相关学习资料分享与拷贝（图书推荐、在线课程推荐等）

备注

学员需自备电脑一台，赠送1个月的ChatGPT-4会员账号，赠送每人1个可以终身独立使用的ChatGPT账号，可以在OpenAI官网使用。给大家提供国内可以科学访问的ChatGPT服务器的渠道，保证所有人都能够在课程中实操课程学习的内容。