DeepSeek vs ChatGPT科研应用实战研修班 9月22日-23日

【课程介绍】
随着人工智能的快速发展，大语言模型（如DeepSeek、GPT-5、Sora、Kimi）在自然语言处理、内容创作和机器翻译等领域展现出强大的应用潜力。这些模型的推理能力正逐步渗透到科研领域，助力研究者在文献综述、研究选题、数据分析、假设检验和论文写作等关键环节优化研究流程，提升科研效率与创新能力。本课程将帮助学员深入理解ChatGPT和DeepSeek在科研中的核心功能及应用对比，结合文献管理、统计分析、数据可视化等科研工具，提高科研任务的执行效率。同时，本次课程新增基于知识推理的实战内容，重点探讨DeepSeek、GPT等大模型在逻辑推理、知识组织、因果分析等方面的潜力。通过实践训练，学员将掌握Python编程、机器学习技术，并学习如何结合数据驱动与知识推理进行跨学科研究，构建更智能、高效的科研范式。

【主讲专家】
清华大学研究员，多个国际杂志的评审专家。主要研究方向为数据分析，统计学习，人工智能等。先后参与国家、省部级课题或获得省部级人才奖励10余项。对Python、SPSS、机器学习、人工智能等有深入的研究经历。发表人工智能及其它领域的国际主流期刊及顶级会议论文30余篇。

【课程内容】

第一讲：绪论与人工智能基础

1. 人工智能思维

2. GPT和DeepSeek核心原理解析

3. DeepSeek vs.GPT 在科研中的应用场景对比

4. 实战1： ChatGPT 操作入门指南

5. 实战2：DeepSeek 本地化安装

第二讲：文献综述探索

1. 文献综述：必要性与重要性

2. 文献综述策略：语义分析与知识图谱

3. 最新的文献整理和解读软件介绍

4. 实战1：ChatGPT文献总结

5. 实战2：DeepSeek 在文献综述中的应用

第三讲：DeepSeek与假设检验

1. 验证假设：方法与重要性

2. 统计思维探讨

3. 假设检验分类

4. 实战1：DeepSeek生成假设检验代码

5. 实战2：用ChatGPT自动分析统计数据

第四讲：DeepSeek与回归分析

1. 回归分析：概念、类型和方法

2. 探讨因果思维

3. 回归分析分类

4. 实战1：DeepSeek生成回归分析代码

5. 实战2：ChatGPT解释结果及生成研究报告

第五讲：DeepSeek, ChatGPT与大数据思维

1. 机器学习：SVM、PCA与K-means

2. 大数据思维探讨

3. 数据爬取及其结构化处理

4. 实战1：ChatGPT机器学习及数据可视化

5. 实战2：DeepSeek 本地化数据分析

第六讲：DeepSeek, ChatGPT与学术写作

1. 叙事技巧：复杂性与必要性

2. 研究创新的维度

3. 常用工具与DeepSeek的反思性写作干预

4. 实战1：DeepSeek 生成论文结构

5. 实战2：ChatGPT 进行论文润色与优化

第七讲：智能体协同与写作实战

1. 智能体：专家意见还是群体智慧？

2. 常用的论文写作智能助手

3. 智能体的角色划分与协同策略

4. 实战1：多智能体协同的论文速描

5. 实战2：结合GPT与DeepSeek的跨学科研究

第八讲：AI认知进化与科研未来

1. 计算思维与科研第五范式探讨

2. 课程总结及人工智能发展趋势

3. 实战1：个性化GPTs的创建

4. 实战2 ：DeepSeek 适配学术应用

5. 智能时代智能治理与人机协同策略