自人工智能领域取得突破性进展以来，OpenAI推出的ChatGPT系列模型持续引领技术革新——从对话交互到多模态融合，再到构建AI生态的宏伟蓝图，每一次迭代都在重塑各行各业的工作模式。与此同时，中国人工智能领域也迎来重大突破，深度求索（DeepSeek）推出的创新模型凭借其独特架构与超高性价比，在全球AI格局中异军突起，与ChatGPT形成双雄并立之势。在此背景下，为了帮助近红外光谱分析领域的广大科研人员更加熟练地掌握DeepSeek、ChatGPT在近红外光谱数据分析、定性/定量分析模型代码自动生成等方面的强大功能，同时系统学习人工智能（涵盖传统机器学习、深度学习等）的基础理论知识及Python、Pytorch代码实现方法，特举办"最新AI支持下近红外光谱数据分析"高级培训班。本次培训将聚焦DeepSeek、ChatGPT的最新技术进展，深入讲解其在科研工作中的创新应用，涵盖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、自编码器、U-Net等）的基本原理及代码实现。培训采用"理论讲解+案例实战+动手实操+讨论互动"相结合的模式，全面解析DeepSeek、ChatGPT的最新功能特性，以及经典人工智能方法在近红外光谱数据分析与定性/定量建模中的实践技巧与经验分享，助力学员掌握AI赋能科研的关键能力。来自国内科研院校的跨学科专家团队，深耕人工智能（AI）与大数据分析领域十余年，团队长期将AI大语言模型应用于近红外光谱建模、数据解析与科研辅助，成功实现AI驱动的光谱特征自动提取、模型智能优化与实验设计自动化，在近红外光谱AI分析领域拥有丰富的一线实践经验与教学案例积累。1、建立导师助学交流群，长期进行答疑及经验分享，辅助学习及应用。
2、不定期召开线上答疑交流，辅助学习巩固工作实践问题处理交流
3、与项目案例相结合讲解实现方法，对接实际工作应用 ；4、跟学上机操作、独立完成案例操作练习、全程问题跟踪解析；5、专属助学群辅助巩固学习及实际工作应用交流，不定期召开线上答疑； 参加培训的学员可以获得《近红外光谱数据分析》专业技术证书及学时证明，网上可查。此证书可作为学时证明、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。证书查询网址：www.aishangyanxiu.com注：办理证书需提供电子版2寸照片及姓名、身份证号信息，开课前发给会务组人员。第一章、ChatGPT与DeepSeek等大语言模型助力AI编程必备技能详解1、大语言模型提示词（Prompt）撰写技巧（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、Cursor与Trae等AI编程开发环境简介与演示3、利用ChatGPT和DeepSeek上传本地数据（Excel/CSV表格、txt文本、PDF、图片等）4、利用ChatGPT和DeepSeek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）5、利用ChatGPT和DeepSeek实现数据预处理（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）代码自动生成运行6、利用ChatGPT和DeepSeek实现代码逐行讲解7、利用ChatGPT和DeepSeek实现代码Bug调试与修改第二章、Deepseek、ChatGPT助力Python入门基础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、字符串和编码、list和tuple、条件判断、循环、函数的定义与调用等）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）、图形的布局（多个子图绘制、规则与不规则布局绘制、向画布中任意位置添加坐标轴）第三章、Deepseek、ChatGPT助力近红外光谱数据预处理1、近红外光谱数据标准化与归一化（为什么需要标准化与归一化？）6、近红外光谱数据预处理中的Deepseek、ChatGPT提示词模板讲解第四章、Deepseek、ChatGPT助力多元线性回归近红外光谱分析2、岭回归模型（工作原理、岭参数k的选择、用岭回归选择变量）3、LASSO模型（工作原理、特征选择、建模预测、超参数调节）4、Elastic Net模型（工作原理、建模预测、超参数调节）5、多元线性回归、岭回归、LASSO、Elastic Net的Python代码实现6、多元线性回归中的Deepseek、ChatGPT提示词模板讲解第五章、Deepseek、ChatGPT助力BP神经网络近红外光谱分析1、BP神经网络的基本原理（人工智能发展过程经历了哪些曲折？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、训练集和测试集划分？ BP神经网络常用激活函数有哪些？如何查看模型参数？3、BP神经网络参数（隐含层神经元个数、学习率）的优化（交叉验证）4、值得研究的若干问题（欠拟合与过拟合、评价指标的设计、样本不平衡问题等）6、BP神经网络中的Deepseek、ChatGPT提示词模板讲解7、案例演示： 1）近红外光谱回归拟合建模；2）近红外光谱分类识别建模第六章、Deepseek、ChatGPT助力支持向量机（SVM）近红外光谱分析1、SVM的基本原理（什么是经验误差最小和结构误差最小？SVM的本质是解决什么问题？SVM的四种典型结构是什么？核函数的作用是什么？什么是支持向量？）2、SVM扩展知识（如何解决多分类问题？ SVM的启发：样本重要性排序及样本筛选）4、SVM中的Deepseek、ChatGPT提示词模板讲解第七章、Deepseek、ChatGPT助力决策树、随机森林、Adaboost、XGBoost和LightGBM近红外光谱分析1、决策树的基本原理（什么是信息熵和信息增益？ID3和C4.5算法的区别与联系）2、随机森林的基本原理与集成学习框架（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？随机森林的本质是什么？）3、Bagging与Boosting集成策略的区别5、Gradient Boosting Decision Tree (GBDT)模型的基本原理7、决策树、随机森林、Adaboost、XGBoost与LightGBM的Python代码实现8、决策树、随机森林、Adaboost、XGBoost与LightGBM的Deepseek、ChatGPT提示词模板讲解第八章、Deepseek、ChatGPT助力遗传算法近红外光谱分析
1、群优化算法概述
2、遗传算法（Genetic Algorithm）的基本原理（什么是个体和种群？什么是适应度函数？选择、交叉与变异算子的原理与启发式策略）
3、遗传算法的Python代码实现
4、遗传算法中的Deepseek、ChatGPT提示词模板讲解
5、案例演示：基于二进制遗传算法的近红外光谱波长筛选
第九章、Deepseek、ChatGPT助力近红外光谱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（PCA与PLS的区别与联系；PCA除了降维之外，还可以帮助我们做什么？）
3、近红外光谱波长选择算法的基本原理（Filter和Wrapper；前向与后向选择法；区间法；无信息变量消除法等）
4、PCA、PLS、特征选择算法的Python代码实现
5、PCA、PLS、特征选择算法中的Deepseek、ChatGPT提示词模板讲解
6、案例演示：
1）基于L1正则化的近红外光谱波长筛选
2）基于信息熵的近红外光谱波长筛选
3）基于Recursive feature elimination的近红外光谱波长筛选
4）基于Forward-SFS的近红外光谱波长筛选
第十章、Deepseek、ChatGPT助力Pytorch入门基础
1、深度学习框架概述（PyTorch、Tensorflow、Keras等）
2、PyTorch简介（动态计算图与静态计算图机制、PyTorch的优点）
3、PyTorch的安装与环境配置（Pip vs. Conda包管理方式、验证是否安装成功）
4、张量（Tensor）的定义，以及与标量、向量、矩阵的区别与联系）
5、张量（Tensor）的常用属性与方法（dtype、device、requires_grad、cuda等）
6、张量（Tensor）的创建（直接创建、从numpy创建、依据概率分布创建）
7、张量（Tensor）的运算（加法、减法、矩阵乘法、哈达玛积（element wise）、除法、幂、开方、指数与对数、近似、裁剪）
8、张量（Tensor）的索引与切片
9、PyTorch的自动求导（Autograd）机制与计算图的理解
10、PyTorch常用工具包及API简介（torchvision（transforms、datasets、model）、torch.nn、torch.optim、torch.utils（Dataset、DataLoader））
第十一章、Deepseek、ChatGPT助力卷积神经网络近红外光谱分析
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、卷积神经网络参数调试技巧（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？）
4、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
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提示词模板讲解
7、案例演示：
（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)基于一维卷积神经网络的近红外光谱模型建立;
(5)基于二维卷积神经网络的红外图像分类识别模型建立。
第十二章、Deepseek、ChatGPT助力近红外光谱迁移学习
1、迁移学习算法的基本原理（为什么需要迁移学习？为什么可以迁移学习？迁移学习的基本思想是什么？）
2、常用的迁移学习算法简介（基于实例、特征和模型，譬如：TrAdaboost算法）
3、基于卷积神经网络的迁移学习算法
4、迁移学习的Python代码实现
5、案例演示：基于迁移学习的近红外光谱的模型传递（模型移植）
第十三章、Deepseek、ChatGPT助力自编码器近红外光谱分析
1、自编码器（Auto-Encoder的工作原理）
2、常见的自编码器类型简介（降噪自编码器、深度自编码器、掩码自编码器等）
3、自编码器的Python代码实现
4、自编码器中的Deepseek、ChatGPT提示词模板讲解
5、案例演示：
1）基于自编码器的近红外光谱数据预处理
2）基于自编码器的近红外光谱数据降维与有效特征提取
第十四章、Deepseek、ChatGPT助力U-Net多光谱图像语义分割
1、语义分割（Semantic Segmentation）简介
2、U-Net模型的基本原理
3、语义分割、U-Net模型中的Deepseek、ChatGPT提示词模板讲解
4、案例演示：基于U-Net的多光谱图像语义分割
第十五章、Deepseek、ChatGPT助力深度学习模型可解释性与可视化方法
1、什么是模型可解释性？为什么需要对深度学习模型进行解释？
2、常用的可视化方法有哪些（特征图可视化、卷积核可视化、类别激活可视化等）？
3、类激活映射CAM（Class Activation Mapping）、梯度类激活映射GRAD-CAM、局部可解释模型-敏感LIME（Local Interpretable Model-agnostic Explanation）等原理讲解
4、t-SNE的基本概念及使用t-SNE可视化深度学习模型的高维特征
5、深度学习模型可解释性与可视化中的Deepseek、ChatGPT提示词模板讲解
6、案例演示
第十六章、复习与答疑讨论
1、课程复习与总结、资料分享（图书、在线课程资源、源代码等）
2、科研与创新方法总结（如何利用Google Scholar、Sci-Hub、ResearchGate等工具查阅文献资料、配套的数据和代码？如何更好地撰写论文的Discussion部分？）
3、答疑与讨论（大家提前把问题整理好）
【非会员费用】：3680元学生可凭有效证件享受8.5折优惠
【会员费用】：联系课程顾问，依据会员政策领取折扣（最高可享7.5折）【发票可开具】：培训费、会议费、资料费、技术咨询费，配有盖章文件（培训文件、会议文件、技术咨询合同等），用于参会人员报销使用。<在线课程推荐-提供全部资料及回放视频、导师群辅助答疑>添加客服微信宋老师：15383025520领取详细的培训通知| 国自然基金、SCI论文相关课程专栏（即买即看）（点击下方标题查看内容） |
▶十佳精品课程：2025年国自然基金项目撰写技巧与ChatGPT融合应用培训班
▶ 基因家族分析及SCI写作技巧实践技术应用精品课程| ChatGPT应用相关课程专栏（即买即看）（点击下方标题查看内容） |
| 无人机遥感相关课程专栏（即买即看）（点击下方标题查看内容） |
▶ 全网最受欢迎的课程：无人机生态环境监测、图像处理与GIS数据分析综合实践技术应用课程
| Arcgis应用相关课程专栏（即买即看）（点击下方标题查看内容） |
▶ 基于ArcGIS农业面源模拟案例分析专题视频课程| 农业模型、生态模型、作物模型相关课程专栏（即买即看）（点击下方标题查看内容） |
▶最新基于R语言森林生态系统结构、功能与稳定性分析与可视化实践高级应用培训班| 空间分析相关课程专栏（即买即看）（点击下方标题查看内容） |
| 双碳相关课程专栏（即买即看）（点击下方标题查看内容） |
| 光谱遥感、地球科学相关课程专栏（即买即看）（点击下方标题查看内容） |
▶ 全网最受欢迎的课程：基于Python常见地球科学数据（ERA5、雪深、积雪覆盖、海温、植被指数、土地利用）处理| 遥感、生态环境相关课程专栏（即买即看）（点击下方标题查看内容） |
▶ GEE-PIE遥感大数据处理与典型案例实践课程▶ 遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）实践
▶ 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| 水文模型、地质、海洋、地下水、土壤、水土保持等相关课程专栏（即买即看）（点击下方标题查看内容） |
▶ 基于AI+多技术融合在流域生态系统服务评价、水文水生态分析、碳收支、气候变化影响、制图等领域中的实践技术应用▶ 岩土工程渗流问题之有限单元法：理论、模块化编程实现、开源程序手把手实操
▶ 水土保持方案编制暨：补报项目水土保持方案编制方法及案例分析▶ 水土保持方案编制暨：取土场、弃渣场水土保持方案编制方法及案例分析▶ 水土保持方案编制暨：水利工程水土保持方案编制方法及案例分析▶ 水土保持方案编制暨：矿山工程水土保持方案编制方法及案例分析▶ 水土保持方案编制暨：市政工程水土保持方案编制方法及案例分析▶ 水土保持方案编制暨：点型水土保持方案编制方法及案例分析▶ 水土保持方案编制暨：水土保持工程项目监测、验收实践技术方法| 大气科学相关课程专栏（即买即看）（点击下方标题查看内容） |
▶ 十佳精品课程：“AI大语言模型【ChatGPT】+”助力大气科学相关交叉领域实践技术应用
▶ 基于Python星载气溶胶数据处理与反演分析实践技术应用| 人工智能（机器学习、深度学习）课程专栏（即买即看）（点击下方标题查看内容） |
| 结构方程模型、混合效应模型、贝叶斯相关课程专栏（即买即看）（点击下方标题查看内容） |
▶ 结构方程模型【SEM】高阶系列课程暨：最新基于R语言lavaan结构方程模型（SEM）实践技术应用精品课程▶ 结构方程模型【SEM】高阶系列课程暨：结构方程模型（SEM）时间重复测量数据分析▶ 结构方程模型【SEM】高阶系列课程暨：嵌套分层数据及数据分组分析▶ 结构方程模型【SEM】高阶系列课程暨：非线性、非正态、交互作用及分类变量分析▶ 结构方程模型【SEM】高阶系列课程暨：系统发育数据纳入结构方程模型技术▶ 结构方程模型【SEM】高阶系列课程暨：结构方程模型预测问题-直接预测实现| 生物相关课程专栏（即买即看）（点击下方标题查看内容） |
▶ 基因家族分析及SCI写作技巧实践技术应用精品课程▶ 如何利用 shell 进行上万个基因组的批量分析视频课| 其它语言类相关课程专栏（即买即看）（点击下方标题查看内容） |
添加客服微信宋老师：15383025520领取详细的培训通知NO1：平台逐步建立完整的教学方案，深度促进科研交叉技术融合，成为众多课题组及个人实践技术提升首选内容。NO2：Ai尚研修为了更好的发展，特邀30多位专家学者作为顾问专家，为Ai尚研修平台长期发展提供了宝贵的建议及工作指导。NO3：Ai尚研修创建云导师教学模式，最大化促进交叉学科的专业问答及交流，已经建立云导师社群300+，不仅可以学习，还为您身边带来专业的导师。NO4：Ai尚研修建立了长期免费学术讲座：聚焦基础原理、前沿热点技术、庖丁解文、实践技术、成果推广等专题，每月4期左右，已开展完200+期，上平台都可以免费观看前期讲座。NO5：为了深度对接用户需求，依托专家团队，针对技术咨询服务、数据处理合作、软件开发、搭建高性能计算平台等领域开展合作。云导师【点亮科研简学践行、您的随行导师平台】
会员专享
如何成为会员：
1.凡参加Ai尚研修收费课程即为会员；2.充值5000元即可成为会员(费用直接使用、享8折优惠)。
会员特权：
1.参加直播、视频课程费用累积进行折扣，享8折-7.5折 (会员8折，尊享会员7.5折)；2.参与课程组织与报名，推荐者可获得课程5%推荐现金；3.免费享受Ai尚研修会议平台中“会员免费”视频教程；4.长期免费参与针对各领域简学实用公开课（无门槛）；5.免费参与开设的导师面对面线上答疑交流；6.Ai尚研修资源站分享中数据免费下载。
【报名方式】宋鹏：15383025520（微信）
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。
夜雨聆风
