在科技飞速发展的时代，遥感数据的精准分析已经成为推动各行业智能决策的关键工具。从无人机监测农田到卫星数据支持气候研究，空天地遥感数据正以前所未有的方式为科研和商业带来深刻变革。然而，对于许多专业人士而言，如何高效地处理、分析和应用遥感数据仍是一个充满挑战的课题。本教程应运而生，致力于为您搭建一条从入门到精通的学习之路，通过领先的AI技术与实战案例帮助您掌握遥感数据处理的核心技能。
在本课程中，通过系统化的模块设计和丰富的实战案例，深入理解和掌握遥感数据的处理与计算。课程不仅涵盖了从零基础入门Python编程、OpenCV视觉处理的基础知识，还将借助ChatGPT智能支持，引导您掌握遥感影像识别和分析的进阶技术。更为重要的是，通过15个经过精心设计的真实案例，深度参与地质监测、城市规划、农业分析、生态评估等不同场景下的遥感应用实践。课程层层递进、结构严谨，帮助您系统性掌握从数据预处理、图像增强、特征提取到机器学习建模的每一个关键环节。
本课程《ChatGPT、Python和OpenCV支持下的空天地遥感数据识别与计算——从0基础到15个案例实战》将带您系统掌握空天地遥感数据分析的全流程，深度融入机器学习、计算机视觉和智能算法的前沿技术。课程涵盖从基础搭建到实战应用，通过遥感数据的获取、处理、分析到模型搭建的完整学习路径。课程特别设计了15个真实案例，免费提供11.5G的机器学习数据，涵盖土壤成分分析、农作物分类、森林火灾检测、水体动态监测等实际应用，并重点探索植被健康、空气污染、城市发展和地质灾害预测等关键领域。针对高校教授和商业用户量身定制，帮助您在科研和产业中快速落地遥感数据分析，实现技术与应用的无缝对接，开启智能遥感的广阔新视野。现通知如下：
培训时间
【现场时间】：2024年12月19日-22日
【现场地点】：西安【19日全天办理报道
、授课三天】
【直播时间】：2024年12月20日-22日【腾讯会议直播】
【培训方式】：直播与现场培训同步进行
举办单位
主办单位
Ai尚研修
协办单位
陕西暗语智能科技有限公司
会议福利
1.每人均可获得1个独立可永久免费使用的ChatGPT账号【官网账号、需要魔法】
2.超级福利赠送1个月ChatGPT4/4o会员账号【此账号国内直接登录、无需魔法】
培训目标
1、从基础到高阶的系统化学习路径：循序渐进，从遥感数据基础知识到复杂的实战案例，适合无基础到中高级用户，帮助您打下扎实的技术基础。
2、15个行业领先的实战案例：涵盖农林牧渔、城市发展、地质灾害监测等关键应用领域，让您亲身体验数据分析如何助力行业革新。
3、先进技术整合的全流程实践：通过Python和OpenCV的结合，打造从数据采集、处理到模型构建的完整流程，赋予您独立完成遥感分析项目的能力。
4、抛弃电脑上全部传统软件：结合ChatGPT智能支持，只用Python和OpenCV实现遥感的全部功能，让您轻松突破技术瓶颈，实现快速上手与高效学习。
5、多源数据综合分析：课程涵盖卫星、无人机和地面各个平台、涵盖多光谱、高光谱、激光多源数据；涵盖线性算法、机器学习、人工智能等层次算法。
学时证书
参加培训的学员可以获得《遥感数据识别与计算技术应用》专业技能培训证书及学时证明，网上可查。此证书可作为个人学习和知识更新、单位在职人员专业技能素质培养及单位人才聘用重要参考依据。
培训内容
联系方式
报名咨询联系人：刘佳（刘老师）
1、2025年国自然基金项目撰写技巧与ChatGPT融合应用培训班
2、ChatGPT深度科研应用、数据分析及机器学习、AI绘图与高效论文撰写
更多课程请查看文末
2025年国自然基金项目撰写技巧
赠送1个月ChatGPT4/4o会员账号【此账号国内直接登录、无需魔法】
ChatGPT深度科研应用
1：无限学：【本课程】后期会议(线上直播免费参与一次，现场免费不限次数，仅限参会本人)
2：赠送1个月ChatGPT 4/4.0会员账号【无需魔法，可以直接登录】。
3：提供全部课程回放，建立助学群，长期辅助交流。
4：参加面向科研场景的ChatGPT提示词工程大赛。
课程安排 | 学习内容 |
第一章 2024大语言模型最新进展与ChatGPT各模型讲解 | 1、2024 AIGC技术最新进展介绍（生成式人工智能的基本概念与原理、文生视频模型OpenAI Sora vs.Google Veo） 2、（实操演练）国内外大语言模型（ChatGPT 4O、Gemini、Claude、Llama3、文心一言、星火、通义千问、Kimi、智谱清言等）对比分析 3、最新加入：（实操演练）OpenAI o1-preview大语言模型功能演示、新特性简介及与ChatGPT-4o差异对比 4、（实操演练）Llama3开源大语言模型的本地部署、对话与微调训练本地数据 5、（实操演练）ChatGPT-4o对话初体验（注册与充值、购买方法） 6、（实操演练）ChatGPT-4o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） 7、（实操演练）GPT Store简介与使用 8、（实操演练）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） 9、（实操演练）ChatGPT-4o对话记录保存与管理 |
1、（实操演练）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、（实操演练）常用的ChatGPT提示词模板 3、最新加入：（实操演练）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） 4、（实操演练）ChatGPT-4o提示词优化（Promptest、Prompt Perfect、PromptPal提示宝等） 5、（实操演练）ChatGPT-4o突破Token限制实现接收或输出万字长文（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） 6、（实操演练）控制ChatGPT-4o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） 7、（实操演练）保存喜欢的ChatGPT-4o提示词并一键调用 8.最新加入：（实操演练）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） 9.最新加入（实操演练）ChatGPT-4o提示词保护策略以及构建坚不可摧的GPTs | |
第三章 ChatGPT4-4o助力日常生活、学习与工作 | 1、（实操演练）ChatGPT-4o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、（实操演练）ChatGPT-4o助力文案撰写与润色修改 3、（实操演练）ChatGPT-4o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、（实操演练）ChatGPT-4o助力大学生求职与就业（撰写简历、模拟面试、职业规划等） 5、（实操演练）ChatGPT-4o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） 6、（实操演练）利用ChatGPT-4o创建精美的思维导图 7、（实操演练）利用ChatGPT-4o生成流程图、甘特图 8、（实操演练）利用ChatGPT-4o制作PPT 9、（实操演练）利用ChatGPT-4o自动创建视频 10、（实操演练）ChatGPT-4o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、（实操演练）ChatGPT-4o辅助学生高效学习（利用GPTs生成专属学习计划） |
第四章 基于ChatGPT-4o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（项目名称、关键词、摘要、立项依据、参考文献、研究目标、研究内容、研究方案、关键科学问题、可行性分析、创新点与特色之处、预期研究成果、工作基础等） 2、（实操演练）利用ChatGPT-4o分析指定领域的热门研究方向 3、（实操演练）利用ChatGPT-4o辅助撰写、润色课题申报书的各部分内容 4、（实操演练）利用ChatGPT-4o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、（实操演练）利用ChatGPT-4o评估指定改进思路新颖性与已发表的类似工作 6、（实操演练）利用ChatGPT-4o进一步细化改进思路，凝练论文的选题与创新点 7、（实操演练）利用ChatGPT-4o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、（实操演练）利用ChatGPT-4o设计完整的实验方案与数据分析流程 9、（实操演练）利用ChatGPT-4o给出论文Discussion部分的切入点和思路 10、案例演示与实操练习 |
第五章 基于ChatGPT-4o信息检索、总结分析、论文写作与投稿、专利idea构思与交底书的撰写 | 1、（实操演练）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、（实操演练）利用ChatGPT-4o实现联网检索文献 3、（实操演练）利用ChatGPT-4o阅读与总结分析学术论文内容（论文主要工作、创新点、局限性与不足、多文档对比分析等） 4、（实操演练）利用ChatGPT-4o解读论文中的系统框图工作原理 5、（实操演练）利用ChatGPT-4o解读论文中的数学公式含义 6、（实操演练）利用ChatGPT-4o解读论文中图表中数据的意义及结论 7、（实操演练）ChatGPT-4o总结Youtube视频内容 8、（实操演练）利用ChatGPT-4o完成学术论文的选题设计与优化 9、（实操演练）利用ChatGPT-4o自动生成论文的总体框架、论文摘要、前言介绍、文献综述、完整长篇论文等 10、（实操演练）利用ChatGPT-4o完成论文翻译（指定翻译角色和翻译领域、提供背景提示） 11、（实操演练）利用ChatGPT-4o实现论文语法校正 12、（实操演练）利用ChatGPT-4o完成段落结构及句子逻辑润色 13、（实操演练）利用ChatGPT-4o完成论文降重 14、（实操演练）利用ChatGPT-4o完成论文参考文献格式的自动转换 15、（实操演练）ChatGPT-4o辅助审稿人完成论文评审意见的撰写 16、（实操演练）ChatGPT-4o辅助投稿人完成论文评审意见的回复 17、（实操演练）ChatGPT-4o文献检索、论文写作必备GPTs总结 18、（实操演练）利用ChatGPT-4o完成发明专利idea的挖掘与构思 19、（实操演练）利用ChatGPT-4o完成发明专利交底书的撰写 20、最新加入：（实操演练）利用ChatGPT-4o with canvas完成人机交互协同修改论文（智能修改建议、篇幅调整、阅读水平等级调整、润色修改等） |
第六章 ChatGPT-4o编程入门、科学计算、数据可视化、数据预处理 【与Python融合】 | 1、（实操演练）Python环境搭建（Python软件下载、安装与版本选择；PyCharm下载、安装；Python之Hello World；第三方模块的安装与使用；Python 2.x与Python 3.x对比） 2、（实操演练）Python基本语法（Python变量命名规则；Python基本数学运算；Python常用变量类型的定义与操作；Python程序注释） 3、（实操演练）Python流程控制（条件判断；for循环；while循环；break和continue） 4、（实操演练）Python函数与对象（函数的定义与调用；函数的参数传递与返回值；变量作用域与全局变量；对象的创建与使用） 5、（实操演练）Matplotlib的安装与图形绘制（设置散点、线条、坐标轴、图例、注解等属性；绘制多图；图的嵌套；折线图、柱状图、饼图、地图等各种图形的绘制） 6、（实操演练）Seaborn、Bokeh、Pyecharts等高级绘图库的安装与使用（动态交互图的绘制、开发大数据可视化页面等） 7、（实操演练）科学计算模块库（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） 8、（实操演练）利用ChatGPT-4o上传本地数据（Excel/CSV表格、txt文本、PDF、图片等） 9、（实操演练）利用ChatGPT-4o实现图像处理（图像缩放、旋转、裁剪、去噪与去模糊） 10、（实操演练）利用ChatGPT-4o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） 11、（实操演练）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） 12、（实操演练）融合ChatGPT-4o与Python的数据预处理代码自动生成与运行 13、（实操演练）利用ChatGPT-4o自动生成数据统计分析图表 14、（实操演练）利用ChatGPT-4o实现代码逐行讲解 15、（实操演练）利用ChatGPT-4o实现代码Bug调试与自动修改 16、案例演示与实操练习 |
第七章 ChatGPT-4o机器学习建模及高级应用 | 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？） 2、（实操演练）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、（实操演练）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、（实操演练）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、（实操演练）BP神经网络中的ChatGPT提示词库讲解 6、（实操演练）利用ChatGPT-4o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（核函数的作用是什么？什么是支持向量？如何解决多分类问题？） 8、决策树的工作原理（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） 9、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”的本质是什么？怎样可视化、解读随机森林的结果？） 10、Bagging与Boosting的区别与联系 11、AdaBoost vs. Gradient Boosting的工作原理 12、（实操演练）常用的GBDT算法框架（XGBoost、LightGBM） 13、（实操演练）决策树、随机森林、XGBoost、LightGBM中的ChatGPT提示词库讲解 14、（实操演练）利用ChatGPT-4o实现决策树、随机森林、XGBoost、LightGBM模型的代码自动生成与运行 15、案例演示与实操练习 |
第八章 ChatGPT-4o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、（实操演练）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？选择、交叉、变异三个算子的作用分别是什么？） 5、（实操演练）PCA、PLS、特征选择、群优化算法的ChatGPT-4o提示词库讲解 6、（实操演练）利用ChatGPT-4o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 |
第九章 ChatGPT-4o实现卷积神经网络建模与代码自动生成 | 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、（实操演练）利用PyTorch构建卷积神经网络（Convolution层、Batch Normalization层、Pooling层、Dropout层、Flatten层等） 5、（实操演练）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、（实操演练）卷积神经网络中的ChatGPT-4o提示词库讲解 7、（实操演练）利用ChatGPT-4o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 8、案例演示与实操练习 |
第十章 ChatGPT-4o迁移学习建模与代码自动生成 | 1、迁移学习算法的基本原理 2、（实操演练）基于深度神经网络模型的迁移学习算法 3、（实操演练）迁移学习中的ChatGPT-4oT提示词库讲解 4、（实操演练）利用ChatGPT-4o实现迁移学习模型的代码自动生成与运行 5、实操练习 |
第十一章 ChatGPT-4o助力RNN、LSTM建模与代码自动生成 | 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、（实操演练）RNN与LSTM中的ChatGPT-4o提示词库讲解 4、（实操演练）利用ChatGPT-4o实现RNN、LSTM模型的代码自动生成与运行 5、案例演示与实操练习 |
第十二章 ChatGPT-4o助力YOLO目标检测建模与代码自动生成 | 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、（实操演练）YOLO模型中的ChatGPT-4o提示词库讲解 4、（实操演练）利用ChatGPT-4o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使用方法介绍）； （3）训练自己的目标检测数据集 5、案例演示与实操练习 |
第十三章 ChatGPT-4o机器学习与深度学习建模的案例实践应用 | 1、（实操演练）利用ChatGPT-4o实现近红外光谱分析模型的建立、代码自动生成与运行 2、（实操演练）利用ChatGPT-4o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、（实操演练）利用ChatGPT-4o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、（实操演练）利用ChatGPT-4o实现大气污染物预测模型的建立、代码自动生成与运行 5、（实操演练）利用ChatGPT-4o实现自然语言处理模型的建立、代码自动生成与运行 6、案例演示与实操练习 |
第十四章 ChatGPT-4o高级绘图技术 | 1、（实操演练）利用ChatGPT-4oDALL.E 3生成图像（下载图像、修改图像） 2、（实操演练）ChatGPT-4oDALL.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） 3、（实操演练）ChatGPT-4oDALL.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） 4、（实操演练）ChatGPT-4oDALL.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、（实操演练）ChatGPT-4oDALL.E 3格子布局与角色一致性的实现 6、（实操演练）ChatGPT-4oDALL.E 3生成动图GIF 7、（实操演练）Midjourney工具使用讲解 8、（实操演练）Stable Diffusion工具使用讲解 9、（实操演练）Runway图片生成动画工具使用讲解 10、案例演示与实操练习 |
第十五章 GPT 4 API接口调用与完整项目开发 | 1、（实操演练）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、（实操演练）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 3、案例演示与实操练习 |
第十六章 面向科研场景的ChatGPT提示词工程大赛【科研创意Prompt挑战】 | 活动背景：为了提升科研人员在科研过程中的提示词撰写能力，特举办ChatGPT培训课程，并在课程中加入【提示词大赛】环节，通过比赛形式激发学员的创意和实践能力。 活动目标：通过【提示词大赛】，提高学员在科研过程中撰写提示词的能力，激发创意与实践结合，为未来的科研工作提供更好的支持和帮助。 参赛对象： 参加本次ChatGPT培训课程的所有科研人员。 赛题内容： 培训课程第一天结束后公布具体赛题，赛题将围绕科研过程中不同环节的提示词撰写。 提交方式：学员需在培训课程第三天晚前提交答案，具体提交方式将在赛题公布时一并说明。 奖项设置：一等奖1名、二等奖2名、三等奖 3名【设置奖项详细见流程说明】 评委评选：由培训导师及特邀评委组成评审团，对所有提交的提示词进行评选。评选标准：提示词的创意、准确性、实用性及与科研主题的契合度。 备注：详细在会议中具体说明。 |
AI赋能R-Meta分析核心技术
赠送1个月ChatGPT4/4o会员账号【此账号国内直接登录、无需魔法】
1、AI大模型助力Meta分析的选题与文献检索1)什么是Meta分析2)Meta分析的选题策略3)精确检索策略，如何检索全、检索准4)文献的管理与清洗，如何制定文献纳入排除标准5)文献数据获取技巧，研究课题探索及科学问题的提出6)文献计量分析CiteSpace、VOSViewer、R bibliometrix及研究热点分析7)AI大模型的发展与底层逻辑8)AI大模型的高级提问框架9)AI大模型助力寻找科学问题
专题二：AI助力Meta分析与R语言数据清洗及统计方法
2、Meta分析的常用软件/R语言基础及统计学基础1)R语言做Meta分析的优势及其《Nature》、《Science》经典案例应用2)AI大模型助力，实现R语言基本操作与数据清洗3)统计学基础和常用统计量计算（sdseCI）、三大检验（T检验、卡方检验和F检验）4)传统统计学与Meta分析的异同5)R语言Meta分析常用包及相关插件讲解
从自编程计算到调用Meta包（meta、metafor、dmetar、esc、metasens、metamisc、meta4diag、gemtc、robvis、netmeta、brms等），全程分析如何进行meta计算、meta诊断、贝叶斯meta、网状meta、亚组分析、meta回归及作图。
专题三：AI+R语言Meta效应值计算与图形绘制
3、AI大模型助力R语言Meta效应值计算1)R语言Meta分析的流程2)各类meta效应值计算、自编程序和调用函数的对比连续资料的lnRR、MD与SMD分类资料的RR和OR3）R语言meta包和metafor包的使用4）如何用R基础包和ggplot2绘制漂亮的森林图
专题四：如何利用AI+R语言Meta分析与回归分析、混合模型构建
4、AI大模型助力R语言Meta分析与混合效应模型（分层模型）构建1)Meta分析的权重计算2)Meta分析中的固定效应、随机效应3)如何对Meta模型进行统计检验和构建嵌套模型、分层模型（混合效应）4)Meta回归和普通回归、混合效应模型的对比及结果分析5)使用Rbase和ggplot2绘制Meta回归图
专题五:AI+R语言Meta诊断分析进阶
5、AI大模型助力R语言Meta诊断进阶1)Meta诊断分析（t2、I2、H2、R2、Q、QE、QM等统计量）2)异质性检验及发表偏移、漏斗图、雷达图、发表偏倚统计检验3)敏感性分析、增一法、留一法、增一法、Gosh图4)风险分析、失安全系数计算5)Meta模型比较和模型的可靠性评价6)Bootstrap重采样方法评估模型的不确定性7)如何使用多种方法对文献中的SD、样本量等缺失值的处理8)AI大模型复现Science最新Meta分析案例
专题六:AI+R语言Meta分析的不确定性及贝叶斯Meta分析
6、AI大模型助力R语言Meta分析的不确定性
1)网状Meta分析
2)贝叶斯理论和蒙特拉罗马尔可夫链MCMC
3)如何使用MCMC优化普通回归模型和Meta模型参数
4)R语言贝叶斯工具Stan、JAGS和brms
5)贝叶斯Meta分析及不确定性分析
专题七:AI+Meta机器学习方法应用
7、AI大模型助力机器学习在Meta分析中的应用
1)机器学习基础以及Meta机器学习的优势
2)Meta加权随机森林（MetaForest）的使用
3)使用Meta机器学习和传统机器学习对文献中的大数据训练与测试
4)如何判断Meta机器学习使用随机效应还是固定效应以及超参数的优化
5)使用Meta机器学习进行驱动因子分析、偏独立分析PDP
专题八:讨论与答疑
1 练习
2 讨论与答疑
InVEST实践及在生态系统服务供需、固碳、城市热岛、论文写作等实际项目中的具体应用 | |
| 2 | 基于生态系统服务（InVEST模型）的人类活动、重大工程生态成效评估、论文写作等具体应用 |
5 | |
6 | |
7 | 遥感云大数据在灾害、水体与湿地领域典型案例实践及GPT模型应用 |
13 | |
32 | |
55 | |
全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 | |
R-Meta分析与【文献计量分析、贝叶斯、机器学习等】多技术融合实践与拓展 | |
基于“SRP模型+”多技术融合在生态环境脆弱性评价模型构建、时空格局演变分析与RSEI 指数的生态质量评价及拓展应用 | |
86 | 基于当量因子法、InVEST、SolVES模型等多技术融合在生态系统服务功能社会价值评估中的应用及论文写作、拓展分析 |
88 | ArcGIS Pro实践技术应用暨基础入门、制图、空间分析、影像分析、三维建模、空间统计分析与建模、python融合、案例应用全流程科研能力提升 |
89 | |
92 | |
93 | WOFOST模型与PCSE模型实践技术应用 |
94 | |
基于R语言机器学习方法在生态经济学领域中的实践技术应用 | |
97 | 基于GIS、RS、VORS模型、CCDM模型、geodetecto、GWR模型集成的生态系统健康的耦合协调分析 |
98 | 成像光谱遥感技术中的AI革命：ChatGPT应用指南 |
体系课程+课件资料及数据代码+导师随行辅导 | |
声明： 本号旨在传播、传递、交流，对相关文章内容观点保持中立态度。涉及内容如有侵权或其他问题，请与本号联系，第一时间做出撤回。
END
Ai尚研修丨专注科研领域
技术推广，人才招聘推荐，科研活动服务
科研技术云导师，Easy Scientific Research
推荐站内搜索：最好用的开发软件、免费开源系统、渗透测试工具云盘下载、最新渗透测试资料、最新黑客工具下载……
还没有评论，来说两句吧...