-
GPT大语言模型简介:定义、架构及发展历程
-
GPT大语言模型使用入门
2.1账号注册、交互界面
2.2 与GPT大语言模型'面对面'
-
GPT的应用场景介绍:生活助理、数据分析辅助等
-
GPT大语言模型提示词(prompt)
4.1提示词设计原则
4.2提示词类型与应用
4.3提高大语言模型回答质量案例
- GPT与R语言结合开展数据分析辅助展望
二 GPT与R语言基础与作图(ggplot2)
1.GPT辅助安装与配置R和RStudio。
2.GPT辅助学习R中变量、数据类型、函数等
3.GPT辅助开展R语言数据操作:文件读取、数据清洗、筛选等
4.GPT辅助学习R语言程序包和函数用途和用法
5.GPT辅助R语言实现ggplot2作图
5.1 基础作图类型:散点图、箱线图、频率图、提琴图、峰峦图等
5.2 高级作图技巧: 多图组合、排版及生成高质量图(论文发表)
三 GPT与R语言回归模型(lm&glm)
1.一般线性模型和广义线性模型及GPT辅助:基本原理、假设条件及应用情景等
2.一般线性模型(lm)R语言实现
2.1 GPT辅助lm()函数的示例代码、参数和输出结果解释
2.2 GPT辅助一般线性模型构建与评估实例:数据准备、模型拟合、结果解释、作图等。
2.3 GPT辅助模型诊断: 模型可加性、残差正态性、方差异质性、奇异值等。
2.4 GPT辅助开展一般线性模型的模型选择案例:逐步回归
3.广义线性模型(GLM)R语言实现
3.1 GPT辅助glm()函数构建广义回归模型、链接函数、分布族、模型比较。
3.2 GPT辅助开展逻辑斯蒂回归(0,1数据)案例
3.3 GPT辅助开展泊松回归(计数数据)案例:泊松、负二项分布、零膨胀、零截断
四 GPT与混合效应模型(lmm&glmm)
1.混合效应模型简介及GPT辅助:嵌套数据、固定效应、随机效应等基本概念
2.线性混合效应模型(lmm)R语言实现
2.1 GPT辅助lme4包的使用指南
2.2 GPT辅助模型构建案例:模型类型确定(随机截距/随机截距)、模型比较和诊断
2.3 GPT辅助模型结果解读、描述及作图
- 广义线性混合效应模型(glmm) R语言实现
3.1 GPT辅助根据数据特征选择合适的广义线性混合模型误差分布及程序包
3.2 GPT辅助二项分布(0,1)混合效应模型案例:数据检查、模型构建、结果展示
3.3 GPT辅助计数数据混合效应模型案例:泊松、过度离散、零膨胀及零截断
- GPT辅助混合效应模型的模型选择案例(模型average)
五 GPT与多元统计分析(排序、聚类和分组差异检验)
1.多元统计分析技术在生态环境数据分析应用简介及GPT辅助
2.多元统计中的排序技术R语言实现
2.1 GPT辅助非约束排序(PCA、PCoA、NMDS)分析:模型选择、结果解读及作图
2.2 GPT辅助约束排序(RDA、db-RDA)分析:数据筛选、变量选择、结果解读及作图
3.多元统计中的聚类分析R语言实现
3.1 GPT辅助层次聚类(hclust):数据检查、聚类聚类质量评估、结果解读及作图
3.2 GPT辅助非层次聚类(kmeans):数据检查、聚类聚类质量评估、结果解读及作图。
4.多元统计中的分组差异检验R语言实现
4.1 GPT辅助非参数多元方差分析(PERMANOVA)分析案例
4.2 GPT辅助非参数多元方差分析(PERMANOVA)与非约束排序(PCoA)结合案例
六 GPT与结构方程模型(lavaan)
1.结构方程模型(SEM)基本原理及GPT辅助
2.结构方程模型(lavaan)模型构建R语言实现案例
2.1 GPT辅助初始模型构建
2.2 GPT辅助模型调整
2.3 GPT辅助模型评估及结果表达
-
GPT辅助结构方程模型(lavaan)复合变量(composite)分析R语言实现案例
-
GPT辅助结构方程模型(lavaan)潜变量(latent)分析R语言实现案例
七 GPT与生态环境领域数据分析其他高阶方法案例
1.GPT辅助时间、空间及系统发育相关数据回归分析
2.GPT辅助非线性数据(广义可加模型和非线性模型)回归模型分析
3.GPT辅助随机森林(Random Forest)模型在生态环境领域应用
-
GPT辅助贝叶斯回归模型在生态环境领域应用
-
GPT辅助Meta分析在生态环境领域应用