📚 培训推荐 📚
各企事业单位、高等院校及科研院所：
MATLAB是由美国MathWorks公司推出的一款应用于科学计算和工程仿真的交互式编程软件，它有包罗万象的工具箱和草稿纸式的编程语言，将符号计算、数值分析、矩阵计算、科学数据可视化、数据处理与机器学习、图像处理、信号处理、计算金融学、计算生物学以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案。伴随着人工智能第三次浪潮的兴起与发展，以卷积神经网络为代表的深度学习算法在各行各业都取得了广泛、成功的应用。因此，中促中心（国家事业单位）联合中科软研（北京）科学技术中心（http://www.fzby.org.cn/）特邀请清华大学教授共同举办“MATLAB数据分析、机器学习与深度学习实践应用”培训班，旨在帮助学员掌握人工智能领域经典机器学习算法（BP神经网络、支持向量机、决策树、随机森林、变量降维与特征选择、群优化算法等）和热门深度学习方法（卷积神经网络、迁移学习、RNN与LSTM神经网络、生成式对抗网络、YOLO目标检测、U-Net图像分割、自编码器等）的基本原理及MATLAB编程实现方法。本次培训采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式，抽丝剥茧、深入浅出讲解MATLAB2023a深度学习工具箱的新特性，以及经典人工智能方法在实际应用时需要掌握的经验及技巧。具体事宜如下：
01
组织机构
主办单位：中科软研（北京）科学技术中心、中促中心（国家事业单位）
承办单位：中科软研（北京）科学技术有限公司、北京富卓佰扬科技有限公司、培文兴农（北京）科技有限公司
02
培训目标
通过课程理解并掌握MATLAB软件编程语法，工具箱的使用，并通过实例讲解科学计算及其可视化；并学会使用常见的分析工具分析数据，为科学研究提供更可靠的数据分析能力；掌握人工智能领域经典机器学习算法（BP神经网络、支持向量机、决策树、随机森林、变量降维与特征选择、群优化算法等）和热门深度学习方法（卷积神经网络、迁移学习、RNN与LSTM神经网络、生成式对抗网络、YOLO目标检测、U-Net图像分割、自编码器等）的基本原理及MATLAB编程实现方法；能够使用MATLAB软件解决一些实际的应用项目和科研问题。此次课程限定40人，报名敬请从速。前20人报名可获得往届的培训视频及资料，后期相同课程可以终身免费复训。
03
培训时间及方式
2025年12月12日—12月14日 北京现场+线上直播（培训三天）
注：现场及线上直播同步进行，不方便到现场的学员，可线上参加，名额有限，请尽快与我们联系报名，预留名额。
04
课程大纲
课程章节
|
主要内容
|
第一章
MATLAB 基础编程串讲
|
1、MATLAB 基础操作：包括矩阵操作、逻辑与流程控制、函数与脚本文
件、基本绘图等
2、文件导入：mat、txt、xls、csv、jpg、wav、avi 等格式
3、MATLAB 编程习惯、编程风格与调试技巧
4、向量化编程与内存优化
5、MATLAB 数字图像处理入门（图像的常见格式及读写、图像类型的转换、数字图像的基本运算、数字图像的几何变换、图像去噪与图像复原、图像边缘检测与图像分割）
6、案例讲解：基于手机摄像头的心率计算 7、实操练习
|
第二章
MATLAB 2023a新特性简介
|
1、实时脚本（Live Script）与交互控件（Control）功能介绍与演示
2、批量大数据导入及Datastore类函数功能介绍与演示
3、数据清洗（Data Cleaning）功能介绍与演示
4、实验管理器（Experiment Manager）功能介绍与演示
5、MATLAB Deep Learning Toolbox概览
6、MATLAB Deep Learning Model Hub简介
7、深度网络设计器（Deep Network Designer）功能介绍与演示
8、MATLAB与TensorFlow、PyTorch等深度学习框架协同工作功能介绍与演示
|
第三章
BP 神经网络
|
1、人工智能基本概念辨析（回归拟合问题与分类识别问题；有监督（导
师）学习与无监督（无导师）学习；训练集、验证集与测试集；过拟合
与欠拟合）
2、BP 神经网络的工作原理
3、数据预处理（归一化、异常值剔除、数据扩增技术等）
4、交叉验证与模型参数优化
5、模型评价与指标的选择（回归拟合问题 vs. 分类识别问题）
6、案例讲解：
（1）手写数字识别 （2）人脸朝向识别 （3）回归拟合预测
7、实操练习
|
第四章
支持向量机、决策树与
随机森林
|
1、支持向量机的基本原理（支持向量的本质、核函数的意义）
2、决策树的基本原理（信息熵和信息增益；ID3和 C4.5的区别）
3、随机森林的基本原理（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”提现在哪些地方？）
4、知识扩展：支持向量机、决策树除了建模型之外，还可以帮我们做什么事情？怎样解读随机森林的结果？
5、案例讲解： （1）鸢尾花 Iris 分类识别（SVM、决策树）
（2）基于随机森林的乳腺癌良性/恶性肿瘤智能诊断模型
6、实操练习
|
第五章
变量降维与特征选择
|
1、变量降维(Dimension reduction)与特征选择(Feature selection)
在概念上的区别与联系
2、主成分分析（PCA）的基本原理
3、偏最小二乘法（PLS）的基本原理
4、PCA 与 PLS 的代码实现
5、PCA 的启发：训练集与测试集划分合理性的判断
6、经典特征选择方法
（1）前向选择法与后向选择法
（2）无信息变量消除法
（3）基于二进制遗传算法的特征选择
|
第六章
卷积神经网络
|
1、深度学习与传统机器学习的区别与联系（神经网络的隐含层数越多越
好吗？深度学习与传统机器学习的本质区别是什么？）
2、卷积神经网络的基本原理（什么是卷积核？CNN 的典型拓扑结构是怎
样的？CNN 的权值共享机制是什么？CNN 提取的特征是怎样的？）
3、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet 等经典深度神经
网络的区别与联系
4、预训练模型（Alexnet、Vgg-16/19、GoogLeNet、ResNet 等）的下载
与安装
5、案例讲解：
（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
（4）1D CNN 模型解决回归拟合预测问题
6、实操练习
|
第七章
网络优化与调参技巧
|
1、网络拓扑结构优化
2、优化算法（梯度下降、随机梯度下降、小批量随机梯度下降、动量法、 Adam 等）
3、调参技巧（参数初始化、数据预处理、数据扩增、批量归一化、超参 数优化、网络正则化等）
4、案例讲解：卷积神经网络模型优化 5、实操练习
|
第八章
迁移学习算法
|
1、迁移学习算法的基本原理（为什么需要迁移学习？为什么可以迁移学
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、案例讲解：猫狗大战（Dogs vs. Cats）
4、实操练习
|
第九章
生成式对抗网络（GAN）
|
1、生成式对抗网络 GAN（什么是对抗生成网络？为什么需要对抗生成网
络？对抗生成网络可以帮我们做什么？GAN 给我们带来的启示）
2、GAN 的基本原理及 GAN 进化史
3、案例讲解：GAN 的 MATLAB 代码实现（向日葵花图像的自动生成）
|
第十章
循环神经网络与长短时
记忆神经网络
|
1、循环神经网络（RNN）的基本原理
2、长短时记忆神经网络（LSTM）的基本原理 3、RNN 与 LSTM 的区别与联系
4、案例讲解： （1）时间序列预测 （2）序列-序列分类 5. 实操练习
|
第十一章
基于深度学习的视频分
类案例实战
|
1、基于深度学习的视频分类基本原理
2、读取视频流文件并抽取图像帧
3、利用预训练 CNN 模型提取指定层的特征图
4、自定义构建 LSTM 神经网络模型
5、案例讲解：HMDB51 数据集视频分类 6、实操练习
|
第十二章
目标检测YOLO 模型
|
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
3、从 YOLO v1 到 v5 的进化之路
4、案例讲解：
(1)使用预训练模型实现图像、视频等实时目标检测
(2)训练自己的数据集：新冠疫情佩戴口罩识别
5、实操练习
|
第十三章
U-Net模型
|
1、语义分割（Semantic Segmentation）简介
2、U-Net 模型的基本原理
3、案例讲解：基于U-Net 的多光谱图像语义分割
4、实操练习
|
第十四章
自编码器
|
1、自编码器的组成及基本工作原理
2、自编码器的变种（栈式自编码器、稀疏自编码器、去噪自编码器、卷
积自编码器、掩码自编码器等）及其工作原理
3、案例讲解：基于自编码器的图像分类
4、实操练习
|
第十五章
讨论与答疑
|
1、如何查阅文献资料？（你会使用 Google Scholar、Sci-Hub、
ResearchGate 吗？应该去哪些地方查找与论文配套的数据和代码？）
2、如何提炼与挖掘创新点？（如果在算法层面上难以做出原创性的工作，
如何结合自己的实际问题提炼与挖掘创新点？）
3、相关学习资料分享与拷贝（图书推荐、在线课程推荐等）
4、建立微信群，便于后期的讨论与答疑
|
05
培训专家
中国科学院、清华大学等科研机构的高级专家。主要从事机器学习与数据挖掘、数据可视化和软件开发、系统建模与仿真研究工作，具有丰富的科研经验，熟练掌握如MATLAB、Python、深度学习、PyTorch、Tensorflow、Keras、神经网络、支持向量机、决策树、随机森林等，以及群优化算法，如遗传算法、蚁群算法、蝙蝠算法等，近些年一直在对深度学习核心技术进行研究，主持参与多项相关重点项目研发及基金项目，主编《MATLAB智能算法30个案例分析》、《MATLAB神经网络43个案例分析》等相关著作。已发表多篇高水平的国际学术研究论文。
06
颁发证书
A类：中科软研（北京）科学技术有限公司颁发的课程结业证书；
B类：可获得中小企业合作发展促进中心颁发的《人工智能训练师》职业技能证书，纳入中心数据库，全国通用可查。
C类：可获得国家一级学会颁发的高级《人工智能应用工程师》职业技能证书，该证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。
D类：可获得工业和信息化部所属的党政机关（正局级)颁发的《机器学习算法研发工程师》证书，该证书可证明学员具备熟练应用AI工具的能力，企业招投标、事业单位晋升定级、岗位赋能的重要依据。
07
联系方式
如需具体的培训通知，请联系我们获取。
微信二维码：
1
培训特色及目标
3
培训时间与地点
4
课程内容
课程安排
|
学习内容
|
第一章
2025大语言模型最新进展ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型入门
|
1、2025 大语言模型最新进展介绍
2、国内外大语言模型（ChatGPT、Gemini、Claude、Llama3、Perplexity AI、文心一言、星火、通义千问、Kimi、智谱清言、秘塔AI、DeepSeek等）对比分析
3、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型技术原理解析
4、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型：大模型的自我进化
5、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型使用初体验（注册、App下载与安装、主要功能等）
6、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型的本地化部署、使用及本地知识库的搭建
7、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型服务器繁忙解决办法
8、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型+ Word + Excel + PowerPoint：让你的工作更高效
9、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型思考过程解析：ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型是如何思考的？与传统大语言模型有什么不同？（由“提问-回答”二阶互动进化为“提问-拆解-回答”三阶互动）、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型5是如何拆解问题的？（MECE原则：第一性字面拆解 + 关联问题穷举；揣摩用户的真实意图ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型分析问题执行的13个任务是什么？）
|
第二章
ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型提示词撰写与优化技巧
|
1、大语言模型提示词撰写的基本原则（为ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型设定身份、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、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型及传统大语言模型在提示词撰写上的变与不变
3、常用的ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型提示词模板
4、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型提示词优化技巧
5、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型提示词的保存与管理
6.ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型提示词逆向工程
7、案例演示与实操练习
|
第三章
ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力高效办公及教学改革
|
1、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型创建精美的思维导图
2、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型生成流程图、甘特图
3、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型制作PPT
4、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型自动创建视频
5、将ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型对话记录中的数学公式完美复制到Word文档
5、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型辅助教师高效备课（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）
7、ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型辅助学生高效学习（生成个性化学习计划）
8、案例演示与实操练习
|
第四章
ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力课题申报、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（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、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型分析指定领域的热门研究方向
3、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型辅助撰写、润色课题申报书的各部分内容
4、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型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ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型评估指定改进思路新颖性与已发表的类似工作
6、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型细化改进思路，凝练论文的选题与创新点
7、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型给出具体的算法步骤及Python示例代码框架
8、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型设计完整的实验方案与数据分析流程
9、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型给出论文Discussion部分的切入点和思路
10、案例演示与实操练习
|
第五章
ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力信息检索、文献泛读与精读、论文写作与投稿、专利交底书的撰写
|
1、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现文献检索
2、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型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）
3、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型解读论文中的系统框图工作原理
4、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型解读论文中的数学公式含义
5、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型解读论文中图表中数据的意义及结论
6、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型完成学术论文的选题设计与优化
7、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型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、Cover Letter、Highlights等
8、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型完成论文翻译
9、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现论文语法校正
10、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型完成段落结构及句子逻辑润色
11、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型完成论文降重与AI率降低
12、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型完成论文参考文献格式的自动转换
13、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型辅助审稿人完成论文评审意见的撰写
14、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型辅助投稿人完成论文评审意见的回复
15、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型完成发明专利交底书的撰写
16、案例演示与实操练习
|
第六章
ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力Python编程入门、科学计算、数据可视化与数据预处理
|
1、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、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、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（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、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、Seaborn、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、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、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型上传本地数据（Excel/CSV表格、txt文本、PDF、图片等）
9、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型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-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型与Python的数据预处理代码自动生成
12、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型绘制数据统计分析图表
13、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现代码逐行讲解
14、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现代码Bug调试与自动修改15、案例演示与实操练习
|
第七章
ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力机器学习建模及应用
|
1、BP神经网络的基本原理（人工神经网络的分类有哪些？BP神经网络的结构和训练过程是怎样的？什么是梯度下降法？）
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（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、评价指标选择、样本不平衡等）
5、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现BP神经网络模型的代码自动生成
6、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？）
7、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现SVM模型的代码自动生成
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、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现决策树模型的代码自动生成
10、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？）
11、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现随机森林模型的代码自动生成
12、Bagging与Boosting的区别与联系
13、AdaBoost vs. Gradient Boosting的工作原理
14、常用的GBDT算法框架（XGBoost、LightGBM）
15、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现XGBoost、LightGBM模型的代码自动生成
16、常用的变量降维方法（PCA、PLS）的基本原理
17、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现PCA、PLS的代码自动生成
18、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；正则稀疏优化方法、遗传算法等）
19、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现特征选择算法的代码自动生成
20、案例演示与实操练习
|
第八章
ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型助力深度学习建模及应用
|
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、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现卷积神经网络模型的代码自动生成
7、迁移学习算法的基本原理
8、基于深度神经网络模型的迁移学习算法
9、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现迁移学习模型的代码自动生成
10、循环神经网络RNN的基本工作原理
11、长短时记忆网络LSTM的基本工作原理
12、利用ChatGPT-5、DeepSeeK、Gemini 2.5 Pro、Claude等大语言模型实现RNN、LSTM模型的代码自动生成
13、案例演示与实操练习
|
第九章
大语言模型接口调用与完整项目开发
|
1、DeepSeek API与GPT-5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DeepSeek API与GPT-5实现完整项目开发：聊天机器人的开发
3、案例演示与实操练习
|
第十章
课程总结与答疑讨论
|
1、课程总结（关键知识点回顾）
2、答疑与讨论
3、相关学习资料分享与拷贝
4、建立微信群，便于后期的讨论与答疑
|
5
培训专家
6
颁发证书
A类：中科软研（北京）科学技术有限公司颁发的课程结业证书；
7
联系方式
如需具体的培训通知，请联系我们获取。
📚 课程三：
国家自然科学基金是目前我国各种基金制中评审过程相对最公正合理的一种基金，是否能获得自然科学基金的资助成为评价科研人员科研水平的重要标志之一，已成为各类职称评聘的必备条件。然而国家自然科学基金一向以申请难度高、中标率低著称。让您出师未捷真正原因是什么？客观原因——个人实力、研究经历不足？项目创新性不强？还是缺乏关键研究基础？主观原因——立项依据阐述不充分？有前期基础，但未能找到说服评审专家的核心「创新点」？研究方案有明显的漏洞？研究方法陈旧、落后，研究深度不够？还是标书撰写不规范，存在大量不该出现的「失误」？等等。本次学习班邀请长年工作在科研教学一线，具有丰富实战经验的导师作为主讲，该主讲人主持过多项国家自然科学基金、及其他科研项目。而且是长年担任多类基金评审的专家。该专家曾辅导过众多经验水平不足的科研人员获得国家自然基金、结合大量成功与失败的案例，传授实战技能，着重介绍国家自然基金标书撰写及提高中标率的方法。具体事宜如下：
主办单位：中小企业合作发展促进中心、中科软研（北京）科学技术中心
承办单位：中科软研（北京）科学技术有限公司、北京富卓佰扬科技有限公司、培文兴农（北京）科技有限公司
日期
|
时间
|
内容安排
|
12月27日
（周六）
|
9:00-12:00
|
1、国家自然科学基金课题的评审程序
2、往年申请项目查项
3、申请方向选择
4、评审过程中的关注点及主要评审指标
5、申报前的准备工作
6、课题中标应该具备哪些基本条件
7、如何解读国家自然科学基金项目指南并分析年度趋势
8、如何构思及撰写国家自然科学基金课题申请书(重点)
9、项目题目
10、项目中英文摘要
11、科学问题属性
|
14:00-17:00
|
1、关键词
2、立项依据
3、参考文献
4、项目的研究内容
5、项目的研究目标
6、项目拟解决的关键问题
7、拟采取的研究方案
8、技术路线图
9、可行性分析
10、项目的特色与创新之处
11、年度研究计划及预期研究结果
12、国家自然科学基金课题申请书的范例分析
|
|
12月28日
（周日）
|
9:00-12:00
|
1、如何撰写摘要？
2、如何撰写立项依据？
3、如何撰写国家自然科学基金研究内容，研究目标，关键科学问题，研究方案，技术路线？（重点）
4、如何撰写前期研究基础？
5、如何有效的组织项目参与者人员？
6、如何合理选择代表性研究成果？
7、如何写完成国家自然科学基金项目情况？
8、国家自然科学基金课题申请书的范例分析
9、案例性指出撰写国自然申请书的注意事项
|
14:00-17:00
|
1、如何合理选择基金申报口？
2、国家自然科学基金撰写常见问题分析
3、国家自然科学基金课题申请书的撰写范例分析
4、抽取10份学员的申请书进行评阅及讲解（领域不限）：从题目、摘要、立项依据、参考文献、研究目标、研究内容及拟解决科学问题、研究方案、技术路线、研究基础等角度评价申请书写作质量。各科研专业需要撰写及申请科研基金的高校师生及单位工程师均可参加。
5、课后提供免费解答及后续申请指导意见。
|
A类：可获得中科软研（北京）科学技术有限公司颁发的电子结业证书；
B类：可获得工业和信息化部所属的党政机关：工业和信息化部人才交流中心(正局级)颁发的《数据分析工程师》证书，该证书可证明学员具备熟练应用AI工具的能力，企业招投标、事业单位晋升定级、岗位赋能的重要依据。
微信二维码：
各企事业单位、高等院校及科研院所：
本课程旨在通过全面、系统的学习，使学员掌握Python在科研领域中的应用，特别是如何利用人工智能技术推动科研进展。课程内容涵盖了从基础的Python编程到高级的机器学习和深度学习算法，逐步引导学员掌握科研数据分析、模型设计与训练、以及科研绘图等关键技能。同时，课程特别强调人工智能在科研写作、和数据处理中的实际应用，帮助学员高效完成科研任务。课程通过详细的理论讲解和丰富的课堂动手练习，让学员深入理解和掌握各类人工智能算法的原理与应用方法。课程内容包括Numpy和Matplotlib等科学计算和绘图工具的学习，机器学习算法的应用与优化，以及深度学习算法在图像识别和目标检测中的实际应用。特别设置的案例分析环节，通过介绍各种跟科研相关的实际项目，帮助学员将所学知识应用到具体的科研项目中。此外，课程还介绍了最新的人工智能技术，如YOLOv10目标检测与分割算法和大语言模型在科研中的应用，全面提升学员的科研能力和创新水平。通过本课程的学习，学员不仅能够独立完成SCI论文中的各类数据分析和模型构建任务，还能够在科研过程中有效应用人工智能技术，提高科研效率和成果质量。具体事宜如下：
01
培训特色
1、从最基础入门的操作和概念开始学习逐步提升，有无基础均可报名；
2、针对实际SCI论文和实际人工智能应用项目进行解读分析，详细Python人工智能算法如何应用于SCI论文写作和实际项目应用；
3、课程内容包含大量实际案例操作，深度剖析Python人工智能算法在科研学术和项目应用中的最佳应用；
4、每天都会有专门的课堂实操练习，确保学员掌握实际操作细节；
6、参加一次培训，以后本人可以终身免费参加相同的现场及直播课程，不限次数，学会为止；
02
培训收获
03
培训时间及方式
2025年12月26日—12月28日 北京现场+线上直播（培训三天）
注：现场及线上直播同步进行，不方便到现场的学员，可线上参加，名额有限，请尽快与我们联系报名，预留名额。
04
课程大纲
06
培训专家
中国科学院、清华大学等科研机构的高级专家，人工智能领域一线实战专家，12年人工智能项目开发经验，10年人工智能行业培训经验。喜欢理论与实践相结合的教学风格，课程编排由浅入深，体系清晰完整。主持完成过多项国家及企业重大项目，拥有20项专利，出版人工智能相关书籍3本，曾给学校、医院、企业、气象局等单位完成过多项人工智能相关项目。受邀为中国移动、中国电信、中国银行、华夏银行、太平洋保险、国家电网、中海油、格力电器等包括世界五百强在内的多家高校及企业做人工智能技术企业内训。业内顶尖IT培训平台30万学员好评率99%；
05
颁发证书
A类：中科软研（北京）科学技术有限公司颁发的课程结业证书；
B类：可获得中小企业合作发展促进中心颁发的《人工智能训练师》职业技能证书，纳入中心数据库，全国通用可查。
C类：可获得国家一级学会颁发的高级《人工智能应用工程师》职业技能证书，该证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。
D类：可获得工业和信息化部所属的党政机关（正局级)颁发的《数据分析工程师》证书，该证书可证明学员具备熟练应用AI工具的能力，企业招投标、事业单位晋升定级、岗位赋能的重要依据。
06
联系方式
如需具体的培训通知，请联系我们获取。
微信二维码：
