第一章

2025 大语言模型最新进展与DeepSeek 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 Al、文心一言、星火、通义千问、Kimi、智谱清言、秘塔 A、DeepSeck 等)对比分析

3、DeepSeek 技术原理解析

4、从 DeepSeek-V3 到DeepSeek-Rl:大模型的自我进化

5、DeepSeek 使用初体验(注册、App 下载与安装、主要功能等)Deepseck的本地化部署、使用及本地知识库的搭建

6、DeepSeek服务器繁忙解决办法

7、DeepSeek+ Word + Excel+PowerPoint:让你的工作更高效

8、DeepSeek 思考过程解析:DeepSeek是如何思考的?与传统大语言模型有什么

9、不同?(由“提问-回答”二阶互动进化为“提问-拆解-回答”三阶互动)、DeepSeek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;DeepSeek分析问题执行的13个任务是什么?)

第二章

DeepSeek 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 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 DeepSeek 提示词模板

4、Deepseek 提示词优化技巧高频的

5、DeepSeek 提示词的保存与管理

6、DeepSeck提示词逆向工程

7、案例演示与实操练习

第三章

DeepSeek 助力高效办公及教学改革

1、利用 DeepSeek 创建精美的思维导图

2、利用 DeepSeek 生成流程图、甘特图

3、利用 DeepSeek 制作 PPT

4、利用 DeepSeek 自动创建视频

5、将 Deepsec 对话记录中的数学公式完美复制到 Word 文档

6、DeepSeek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、DeepSeek辅助学生高效学习(生成个性化学习计划)

案例演示与实操练习

第四章

Deepseek 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 Deepseek 分析指定领域的热门研究方向

3、利用 Deepseek 辅助撰写、润色课题申报书的各部分内容3、

4、利用 Deepseek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 Deepseek 评估指定改进思路新颖性与己发表的类似工作

6、利用 Deepseek 细化改进思路，凝练论文的选题与创新点

7、利用 Deepseek 给出具体的算法步骤及 Python 示例代码框架

8、利用 Deepseek,设计完整的实验方案与数据分析流程

9、利用 DeepSeek 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

Deepseek 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 Deepseek 实现文献检索

2、利用 Deepseek 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 Deepseek 解读论文中的系统框图工作原理

4、利用 Deepseek 解读论文中的数学公式含义

5、利用 Deepseek 解读论文中图表中数据的意义及结论

6、利用 DeepSeek 完成学术论文的选题设计与优化

7、利用 Deepseek 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 Deepseek 完成论文翻译

9、利用 Deepseek 实现论文语法校正

10、利用 Deepseek 完成段落结构及句子逻辑润色

11、利用 Deepseek 完成论文降重与 AI率降低

12、利用 Deepseek 完成论文参考文献格式的自动转换

13、利用 Deepseek 辅助审稿人完成论文评审意见的撰写

14、利用 Deepseek辅助投稿人完成论文评审意见的回复

15、利用 Deepseek 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

DeepSeek 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;PyCham 下载、安装;Python 之 Hello World;第三方模块的安装与使用;Python 2.x与 Python3.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、seabonm、Eyechats,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 Deepseek 上传本地数据(ExceVCsV 表格、kt 文本、PDF、图片等)

9、利用 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)

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 Deepseek与 Python 的数据预处理代码自动生成

12、利用 Deepseek绘制数据统计分析图表

13、利用 Deepseek 实现代码逐行讲解

14、利用 Deepseek 实现代码 Bug 调试与自动修改

5、案例演示与实操练习

第七章

DeepSeek 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、初始权值和阀值等如何设置?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 Deepseek 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 Deepseek 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?D3 算法和 C4.5 算法的区别与联系)

9、利用 Deepseek 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 Deepseek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.iraclent Boosting的工作原理

14、常用的 GBDT 算法框架(XGBoost、LightGBM)

15、利用 DeepSeek 实现 xGBoost、IightGBM 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 Deepseek 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 Deepseek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

Deepseek 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 Deepseek 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 Deepseek 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 Deepseek 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

DeepSeek API接口调用与完整项目开发

1、Deepseek API接口的调用方法(APIKey 的申请、APIKey接口调用方法与参数说明)

2、利用 DeepSeek API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