近期专题培训 跨越传统边界：AI赋能下的财务金融研究与论文发表
【授课专家】
陈老师，北邮博导，多个国际杂志的评审专家，100余篇人工智能及其他领域的国际主流期刊及顶级会议论文发表，出版人工智能书籍2部。人工智能领域一线专家，完成多项人工智能企业项目，研发经验丰富，拥有30多项授权国家发明专利。曾给多个企业和高校做过人工智能相关的课程培训。授课风格通俗易懂，深入浅出，大量的实战案例，广受学员好评。
【培训大纲】
| 第一天：科研助手配置与DeepSeek数据处理 | |
| PART 1：DeepSeek基础 | |
| 一、大模型最新进展及介绍 | |
| 1. AI能力矩阵 | |
| 2. 大语言模型的分类 | |
| 3. 2025大语言模型最新进展介绍 | |
| 4. 国内外大语言模型对比分析 | |
| 5. 大语言模型的限制和不足 | |
| 二、Deepseek基本介绍与访问 | |
| 1. Deepseek基本介绍 | 产品定位与模型架构；优势与不足； |
| DeepSeek-V3和DeepSeek-R1 | |
| 2. Deepseek配置与访问 | 网页访问；App访问；API访问 |
| 三、Deepseek提示词使用方法与技巧 | |
| 1. 提示词工程基本概念和要素 | |
| 2. 通用模型提示词设计技巧 | |
| 3. 推理模型与指令模型的提示词策略 | |
| 4. Deepseek提示词模板 | |
| 5. langGPT结构化提示词介绍与应用 | |
| 四、Deepseek助力高效办公 | |
| 1. 大模型输出的导出 | 大模型文本输出形式；文本、公式、表格的导出 |
| 如何将公式导出到word | |
| 2. DeepSeek辅助WPS/OFFICE办公 | DeepSeek如何部署到WPS/OFFICE |
| Deepseek在word制作与优化中的应用 | |
| Deepseek在excel制作与优化中的应用 | |
| 3. 大模型在ppt制作与优化中的应用 | 提纲的生成；ppt的制作 |
| 五、Deepseek辅助图表的生成与制作 | |
| 1. 思维导图 | 思维导图的定义；Deepseek生成思维导图 |
| 2. 流程图 | 流程图的基本概念；流程图的制作 |
| 3. 知识图谱 | 知识图谱基本概念和构成要素 |
| 知识图谱的构建 | |
| 知识图谱的导出与查看 | |
| 4. 其他图表 | 时序图；甘特图；状态图 |
| PART 2：DeepSeek助力数据获取与分析 | |
| 一、DeepSeek助力数据获取 | |
| 1. DS助力网页结构解析和信息提取 | 基于提示词的信息提取；生成代码进行信息提取 |
| 2. 利用Deepseek生成爬虫代码 | 代码的生成；数据的解析 |
| 二、DeepSeek助力数据清洗与预处理 | |
| 1. 数据的解读与理解 | |
| 2. 数据清洗 | |
| 3. 异常值与缺失值处理 | |
| 4. 标准化与归一化 | |
| 5. 离散化及编码处理特征选择和新特征生成 | |
| 三、DeepSeek助力数据可视化与数据分析 | |
| 1. 描述性统计分析与可视化 | |
| 2. 数据分析 | 描述性统计分析；探索性分析；相关性分析；波动性分析；趋势分析；基本统计分析；时间序列分析；机器学习建模分析 |
| PART 3：DeepSeek本地化部署与API调用 | |
| 一、DeepSeek的蒸馏与本地化部署 | |
| 1. Deepseek的蒸馏 | 蒸馏小模型 |
| 模型的本地化部署 | |
| 2. 模型的本地化部署 | Ollama的安装 |
| 模型的下载 | |
| 模型的启动 | |
| 二、DeepSeek本地知识库检索增强 | |
| 1. 什么是RAG? | |
| 2. 为什么要RAG? | |
| 3. RAG的实现流程 | |
| 4. DeepSeek如何实现RAG（基于API调用的RAG；基于本地大模型的RAG；RAG的优化） | |
| 三、DeepSeek科研助手的构建 | |
| 模型配置；提示词的设计；参数调整与优化；科研助手的应用 | |
| 四、基于API调用的Deepseek应用 | |
| 少样本学习；结构化数据提取；内容摘要的提取；内容分类；情感分析 | |
| 第二天：DeepSeek助力论文与学术科研智能体构建 | |
| PART 4：DeepSeek助力论文撰写 | |
| 一、大模型与学术诚信、学术应用 | 1. 大模型可用于 |
| 2. 大模型不可用于 | |
| 二、论文投稿全流程 | 1. 准备阶段 |
| 2. 写作阶段 | |
| 3. 修改和润色阶段 | |
| 4. 提交和发布阶段 | |
| 三、学术论文撰写的基本结构和要素 | 标题；摘要；关键词；引言 |
| 方法；结果；讨论；结论 | |
| 致谢；参考文献；附录(Appendices) | |
| 四、Deepseek助力信息检索与总结 | 1. 传统信息检索方法与技巧总结 |
| 2. 利用大语言模型实现联网检索文献 | |
| 3. 利用大语言模型总结分析文献内容：内容摘要；信息提取；图表、公式的解读 | |
| 4. 批量结构化信息提取与分析 | |
| 五、Deepseek助力学术研究选题和综述 | 1. 选择研究问题的标准 |
| 2. 文献选题和综述前的工作 | |
| >研究团队的调研 | |
| >确定关键词与主题领域 | |
| >文献的搜索 | |
| >文献的理解和总结 | |
| 3. 选题的推荐和优化 | |
| 4. 文献综述的生成 | |
| 六、Deepseek辅助研究设计 | 1. 提供创新性的建议 |
| 2. 数据的获取、解读和理解 | |
| 3. 数据的探索性分析 | |
| 4. 数据的清洗和处理 | |
| 5. 模型的构建 | |
| 6. 解读模型结果与优化 | |
| 七、Deepseek助力论文初稿的生成 | 1. 数据的字段描述和指标的选择 |
| 2. 特征的创造 | |
| 3. 特征选择 | |
| 4. 数据的处理 | |
| 5. 模型的建立 | |
| 6. 模型改进和优化 | |
| 7. 特征重要性的分析 | |
| 8. 讨论与总结 | |
| 八、Deepseek进行论文润色 | 1. 使用大模型润色的注意事项 |
| 2. 使用大模型润色的要点 | |
| >语法和句法的精细校正 | |
| >语句的精炼与优化 | |
| >深度审阅与校对 | |
| >描述性内容的深度丰富 | |
| >专业领域的定制化润色 | |
| >逻辑连贯性的强化 | |
| 九、Deepseek辅助论文语法纠错、语句重组、表达优化 | 1. 语法纠错 |
| 2. 语句重组和表达优化 | |
| 3. 通过大模型辅助对论文进行重述和改写 | |
| 4. 利用大模型完成论文翻译 | |
| 十、大模型辅助同行评议 | 1. 结构和逻辑优化 |
| 2. 论证和清晰度 | |
| 3. 符合期刊要求 | |
| 4. 评估研究创新性 | |
| 5. 评估方法的严谨性 | |
| 6. 评估研究的潜在影响 | |
| 十一、大模型辅助论文投稿 | 1. 论文投稿流程与注意事项 |
| 2. 通过大模型获取期刊投稿建议 | |
| 3. 通过大模型辅助进行论文投稿材料准备 | |
| 4. 优化编辑/审稿人反馈 | |
| PART 5：学术科研智能体构建（2025暑期新增） | |
| 一、基于 Coze的AI Agent 开发实践 | |
| 1. Coze平台定位及适用场景 | |
| 2. 核心组件详解 | 模型引擎（文本 & 多模态） |
| 记忆管理机制（短期 vs 长期） | |
| 知识库与 RAG框架 | |
| 工具调用接口 | |
| ChatUI 交互卡片模块 | |
| 3. 案例实操-构建初版知识文档助手 | 提示工程搭建 |
| 模型选择与能力解读 | |
| 知识库＋RAG配置 | |
| 记忆管理 | |
| 基础工具调用技能 | |
| 4. 案例实操-打造基于意图识别的知识文档助手 | 工作流与对话流构建 |
| 工作流中的节点 | |
| 节点的变量设置 | |
| 流程编排和分支路由构建 | |
| 分支路由的知识检索增强 | |
| 5. 案例实操-论文理解与总结助手 | 单论文理解助手 |
| pdf文件的上传 | |
| 文件文本的获取 | |
| 大模型的解读和信息提取 | |
| 文本的写入 | |
| 批量文件的读取与解读 | |
| 6. 案例实操-知网文献洞察助手 | 知网插件的配置和应用 |
| 信息和论文题目的提取 | |
| 大模型的总结和提炼 | |
| 提取信息的写入 | |
| 二、基于Dify的智能体开发实践 | |
| 1. Dify 平台概述与定位与发展历程 | |
| 2. Dify 产品功能介绍及关键组件 | |
| 3. Dify 部署方式：本地部署 / 云端部署 | |
| 3. 案例实操-智能问答助手 | 知识库管理：数据准备、清洗、索引构建 |
| 节点编排与参数设置 | |
| 节点测试与整体流程调试 | |
| 分类检索型智能文档助手实现 | |
| 4. 案例实操-基于dify的文章理解助手搭建 | 单篇文章助手：文件上传、文本提取；大模型理解与参数设置；输出格式与多轮交互优化 |
| 批量文章助手：批量文件上传与管理；迭代器节点的使用；批量文档提取与批处理输出 | |
| 5. 案例实操-长文生成自动化生成 | 关键词输入与主题定位 |
| 标题与大纲生成 | |
| 正文分段迭代生成与优化 | |
| 结果合并与最终输出 | |
| 6. 案例实操-基于谷歌搜索的论文总结 | 插件与 API 集成（搜索、数据库、第三方服务） |
| MCP 协议与扩展能力 | |
| 流式交互配置（SSE / HTTP） | |
| 基于谷歌搜索的论文助手实现 | |
【报名咨询】本课程支持院系采购及定制，欢迎咨询
刘老师
电话：18600257362
QQ： 3196394371
微信：jgzjwanzi
