ChatGPT论文助手：论文润色、AI绘图、生成完整长篇论文、生成参考文献、文献综述

最新ChatGPT/GPT4科研实践应用与AI绘图技术及论文高效写作培训班

现场时间：2024年1月11日-15日 【11日全天报到，全程四天教学】

现场地点：云南*昆明

直播时间：2024年1月12日-15日 【腾讯会议】

1赠送ChatGPT Plus会员账号

一：每人均可获得1个独立可永久免费使用的ChatGPT账号。

二：【超级福利】赠送ChatGPT Plus会员账号，ChatGPT Plus会员账号的功能包括：

1.无限制ChatGPT模型使用。   

2.GPT-4模型使用。

3.GPT-4图像分析功能。         

4.GPT-4联网功能。

5.GPT-4高级数据分析功能。     

6.GPT-4高级插件功能。

7.DALLE-3高级AI绘图功能。

三：会议结束后赠送一套完整的视频教程，不限时间长期观看。

四:  参加本次课程后，还可免费参加后期相同 ChatGPT 课程（线上直播参与一次，现场不限次数，仅限本人参加)

五：会议结束助学群不解散，提供长期答疑辅导，交流学习。

六：提供发票及配套报销文件，学时证书。

2

学习目标

1、熟练掌握ChatGPT提示词技巧及各种应用方法，并成为工作中的助手。2、通过案例掌握ChatGPT撰写、修改论文及工作报告，提供写作能力及优化工作3、熟练掌握ChatGPT融合相关插件的应用，完成数据分析、编程以及深度学习等相关科研项目。4、掌握各种AI绘图工具，随意生成各类型性图像。

5、总结会议参加人员关注问题，现场进行辅助指导及交流。

3

课程大纲（二十项专题，干货满满！）

报名方式

详细报名流程，请联系课程负责人杨帆：153-8322-9128（微电）

4

往期回顾及学员反馈

5其它热门课程推荐

【5天】R语言生物群落（生态）数据统计分析与绘图实践技术应用培训班

培训时间：2024年1月13日-14日、20日-22日  线上直播

【五天实践教学、提供全部资料及回放】

注：请提前自备电脑及安装所需软件。

2024年申报国自然项目基金撰写及技巧培训班

培训时间：2024年1月20日-21日  线上直播

【全程两天实践学习、提供全部资料及长期回放】

专题一：国自然项目介绍

1.1项目介绍        

1.2接收情况

1.3受理情况              

1.4近五年资助情况                       

1.5博后项目介绍

专题二：基金的3.撰写技巧（从申请人的角度带你入门）

2.1 科学问题属性的选择与理由-四段式结构

2.2 前期准备工作

2.3 项目撰写

2.3.1 选题、项目立项依据

   2.3.1.1 题目确定：如何设计一个合适的题目

   2.3.1.2 项目的立项依据：四段式结构如何布局

2.3.2 项目的研究内容、研究目标，以及拟解决的关键科学问题

   2.3.2.1 研究内容的四点注意事项          

   2.3.2.2 研究目标的精准定位

   2.3.2.3 关键科学问题的提炼方法

2.3.3 拟采取的研究方案及可行性分析

   2.3.3.1 研究方案：总体的研究方案&细节的技术路线     

   2.3.3.2 可行性分析：三个分析维度

2.3.4 本项目的特色与创新之处：多个角度分析

2.3.5 年度研究计划与预期成果：

   2.3.5.1 研究计划的合理性                  

   2.3.5.2 预期成果的类别

2.3.6 研究基础与工作条件

   2.3.6.1 研究基础-突出与代表作的联系        

   2.3.6.2工作条件-充分展现平台优势

2.3.7 其他注意事项

专题三：基金的专项技巧（从评审专家的角度带你提升）

3.1 了解评审专家的视角         

3.2 最关键的细节-摘要的写法      

3.3 如何挑选的五篇代表作

3.4 手把手带你画技术路线图      

3.5 如何凝练关键科学问题      

3.6 分析一个项目书

3.7 其他备受关注的问题

3.8 最后的自查。

注：请提前自备电脑及安装所需软件。

ChatGPT在地学、GIS、气象、农业、生态、环境等领域中的高级应用培训班 

培训时间：2024年1月21日、27日-28日 线上直播

【全程三天实践学习、提供全部资料及长期回放】

课程安排

学习内容

专题一

开启大模型

1 开启大模型

1) 大模型的发展历程与最新功能

2) 大模型的算法构架与底层逻辑

3) 大模型的强大功能与应用场景

4) 国内外经典大模型（ChatGPT、LLaMA、Gemini、DALL·E、Midjourney、Stable Diffusion、星火大模型、文心一言、千问等）

5) 如何优雅使用大模型

案例1.1：开启不同平台的大模型

案例1.2：GPT不同版本的使用

案例1.3：大模型文件上传和处理

专题二

基于ChatGPT大模型提问框架

2 提问框架（提示词、指令）

1) 专业大模型提示词，助你小白变专家

2) 超实用的通用提示词和提问框架

3) 高级提问技巧

案例2.1：设定角色与投喂规则

案例2.2：行业专家指令合集

案例2.3：角色扮演与不同角度提问

案例2.4：分步提问与上下文关联

案例2.5：经典提问框架练习，提升模型效率

专题三

基于ChatGPT大模型的数据清洗

3 基于ChatGPT的数据清洗

1) R语言和Python基础（勿需学会，能看懂即可）

2) 数据清洗方法（重复值、缺失值处理、异常值检验、标准化、归一化、数据长宽转换，数据分组聚合）

案例3.1：使用大模型指令随机生成数据

案例3.2：使用大模型指令读取数据

案例3.3：使用大模型指令进行数据清洗

案例3.4：使用大模型指令对农业气象数据进行预处理

案例3.5：使用大模型指令对生态数据进行预处理

专题四

基于ChatGPT大模型的统计分析

4基于AI大模型的统计分析

1) 统计假设检验

2) 统计学三大常用检验及其应用场景

3) 方差分析、相关分析、回归分析

4) 混合线性模型

5) Meta分析

案例4.1：使用大模型对生态环境数据进行正态性检验、方差齐性检验

案例4.2：使用大模型进行t检验、F检验和卡方检验

案例4.3：使用大模型指令对生态环境数据进行方差分析、相关分析及回归分析

案例4.4：使用大模型指令构建混合线性模型

案例4.5：使用大模型指令对文献收集数据进行Meta分析

专题五

基于ChatGPT大模型的机器学习

5基于AI大模型的机器/深度学习（无需代码基础即可实现）

1) 机器/深度学习

2) 机器学习监督学习（回归、分类）、非监督学习（降维、聚类）

3) 特征工程、数据分割、目标函数、参数优化、交叉验证、超参数寻优

4) 深度学习算法（神经网络、激活函数、交叉熵、优化器）

5) Pytorch基础

6) 卷积神经网络、长短期记忆网络（LSTM）

案例5.1：使用大模型指令构建回归模型（多元线性回归、随机森林、XGBoost、LightGBM等）

案例5.2：使用大模型指令构建分类模型（支持向量机、XGBoost等）

案例5.3：使用大模型指令构建降维模型

案例5.4：使用大模型指令构建聚类模型

案例5.5：使用大模型指令构建深度学习模型，预测气象数据

案例5.6：使用大模型指令构建深度学习模型，进行图像识别

专题六

基于ChatGPT大模型的科研绘图

6基于AI大模型的科研绘图

1) 使用大模型进行数据可视化

案例6.1：大模型科研绘图指定全集

案例6.2：使用大模型指令绘制柱状图（误差线）、散点图、相关网络图、热图、小提琴图、箱型图、雷达图、环形热图、气泡图、森林图、三元图等各类科研图

案例6.3：使用大模型指令对图形进行修改

专题七

基于ChatGPT大模型的GIS应用

7基于AI大模型的GIS应用

1) 使用大模型进行空间数据处理

2) 使用大模型训练降尺度模型

3) 使用大模型绘制矢量图

4) 使用大模型绘制栅格图

案例7.1：使用大模型绘制全球地图

案例7.2：使用大模型绘制NASA气象数据分布图

案例7.3：使用大模型绘制全球植被类型分布图

案例7.4：使用大模型绘制全球植被生物量图

案例7.5：使用大模型处理遥感数据并绘图

专题八

基于基于ChatGPT大模型的论文助手

8基于AI大模型的论文助手

案例8.1：大模型论文润色指令大全

案例8.2：使用大模型进行论文润色

案例8.3：使用大模型对英文文献进行搜索

案例8.4：使用大模型对英文文献进行问答和辅助阅读

案例8.5：使用大模型提取英文文献关键信息

案例8.6：使用大模型对论文进行摘要重写

案例8.7：使用大模型取一个好的论文标题

案例8.8：使用大模型写论文框架

案例8.9：使用大模型对论文进行翻译

案例8.10：使用大模型对论文进行评论，辅助撰写审稿意见

案例8.11：使用大模型对论文进行降重

案例8.12：使用大模型查找研究热点

案例8.13：使用大模型对你的论文凝练成新闻和微信文案

案例8.14：使用大模型辅助专著、教材、课件的撰写

专题九

基于基于ChatGPT大模型的项目基金助手

9基于AI大模型的项目基金助手

1) 基金申请讲解

2) 基因申请助手

案例9.1：使用大模型进行项目选题

案例9.2：使用大模型进行项目书语言润色

案例9.3：使用大模型进行项目书图表制作

专题十

基于大模型的AI绘图

10基于大模型的AI绘图

GPT、Midjourney、Stable Diffusion生成图片讲解及环境部署

1) AI画图指令介绍

案例10.1：使用大模型进行图像识别

案例10.2：使用大模型生成图像指令合集

案例10.3：使用大模型指令生成概念图

案例10.4：使用大模型指令生成地球氮循环概念图

案例10.5：使用大模型指令生成土壤概念图

案例10.6：使用大模型指令生成病毒、植物、动物细胞结构图

案例10.7：使用大模型指令生成概念图图片素材

注：请提前自备电脑及安装所需软件。

智慧科研与教学改革：ChatGPT4助力Python数据分析与可视化、人工智能建模及论文高效撰写培训班

现场：四川*成都 2024年1月11日-15日【11日全天报到，全程四天教学】

直播：2024年1月12日-15日 【腾讯会议】

课程安排

学习内容

第一章

ChatGPT4基础入门

1、ChatGPT概述（GPT-1、GPT-2、GPT-3、GPT-3.5、GPT-4模型的演变）

2、ChatGPT对话初体验（注册与充值、购买方法）

3、GPT-4与GPT-3.5的区别，以及与国内大语言模型（文心一言、星火等）的区别

4、ChatGPT科研必备插件（Data Interpreter、Wolfram、WebPilot、MixerBox Scholar、ScholarAI、Show Me、AskYourPDF等）

5、定制自己的专属GPTs（制作专属GPTs的两种方式：聊天/配置参数、利用Knowledge上传本地知识库提升专属GPTs性能、利用Actions通过API获取外界信息、专属GPTs的分享）

6、GPT Store简介

7、案例演示与实操练习

第二章

 ChatGPT4 提示词使用方法与技巧

1、ChatGPT Prompt (提示词)使用技巧（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、常用的ChatGPT提示词模板

3、基于模板的ChatGPT提示词优化

4、利用ChatGPT4 及插件优化提示词

5、通过promptperfect.jina.ai优化提示词

6、利用ChatGPT4 及插件生成提示词

7、ChatGPT4突破Token限制实现接收或输出万字长文（什么是Token？Token数与字符数之间的互相换算、五种方法提交超过Token限制的文本、四种方法让ChatGPT的输出突破Token限制）

8、控制ChatGPT的输出长度（使用修饰语、限定回答的范围、通过上下文限定、限定数量等）

9、利用ChatGPT4 及插件保存喜欢的ChatGPT提示词并一键调用

10、案例演示：利用ChatGPT4实现网页版游戏的设计、代码自动生成与运行

11、实操练习

第三章

ChatGPT4助力日常生活、学习与工作

1、ChatGPT4及插件助力中小学生功课辅导（写作文、作文批改、求解数学题、练习英语听说读写、物理计算、化学计算等）

2、ChatGPT4及插件助力文案撰写与润色修改

3、ChatGPT4及插件助力家庭健康管理（化验单结果解读、就诊咨询与初步诊断、常见慢病管理、日常营养膳食建议等）

4、ChatGPT4及插件助力大学生求职与就业（撰写简历、模拟面试、就业指导与职业规划等）

5、ChatGPT4及插件助力商业工作（行业竞品检索与分析、产品创意设计与建议、推广营销策略与方案制定、撰写合同）

6、案例演示与实操练习

第四章

ChatGPT4助力信息检索与总结分析

1、传统信息检索方法与技巧总结（Google Scholar、ResearchGate、Sci-Hub、GitHub、关键词检索+同行检索、文献订阅）

2、利用ChatGPT4 及插件实现联网检索文献

3、利用ChatGPT4及插件总结分析文献内容（三句话摘要、子弹式要点摘要、QA摘要、表格摘要、关键词与关键句提取、页面定位、多文档对比、情感分析）

4、利用ChatGPT4 及插件总结Youtube视频内容

5、案例演示与实操练习

第五章

ChatGPT4助力论文写作与投稿

1、利用ChatGPT4自动生成论文的总体框架

2、利用ChatGPT4完成论文翻译（指定翻译角色和翻译的领域、给一些背景提示）

3、利用ChatGPT4实现论文语法校正

4、利用ChatGPT4完成段落结构及句子逻辑润色

5、利用ChatGPT4完成论文评审意见的撰写与回复

6、案例演示与实操练习

第六章

ChatGPT 4助力教学改革

1、利用ChatGPT4 及插件创建精美的思维导图

2、利用ChatGPT4 及插件生成流程图、甘特图

3、利用ChatGPT4 及插件制作PPT

4、利用ChatGPT4 及插件自动创建视频

5、ChatGPT4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）

6、ChatGPT4辅助学生高效学习（利用插件生成个性化学习计划）

7、案例演示与实操练习

第七章

ChatGPT4助力数据预处理

1、利用ChatGPT4及插件上传本地数据

2、利用ChatGPT4 及插件爬取第三方网站数据

3、利用ChatGPT4 及插件处理PDF文档（添加水印、合并/拆分文档、提取PDF里的表格/图片/关键词信息、总结PDF内容、为PDF生成词云、OCR识别）

4、利用ChatGPT4 及插件实现常见文件格式之间的转换

5、利用ChatGPT4 及插件实现图像处理（图像缩放、旋转、裁剪、去噪与去模糊）

6、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）

7、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）

8、融合ChatGPT 4与Python的数据预处理代码自动生成与运行

9、利用ChatGPT4 及插件（实现数据统计分析与可视化（自动生成统计图表）

10、案例演示与实操练习

第八章

ChatGPT 4助力前向型神经网络建模

1、BP神经网络的基本原理（人工神经网络的分类有哪些？BP神经网络的拓扑结构和训练过程是怎样的？什么是梯度下降法？BP神经网络建模的本质是什么？）

2、BP神经网络的Python代码实现（怎样划分训练集和测试集？为什么需要归一化？归一化是必须的吗？）

3、BP神经网络参数的优化（隐含层神经元个数、学习率、初始权值和阈值等如何设置？什么是交叉验证？）

4、值得研究的若干问题（欠拟合与过拟合、泛化性能评价指标的设计、样本不平衡问题等）

5、前向型神经网络中的ChatGPT提示词库讲解

6、案例实践：利用ChatGPT4 及插件实现BP神经网络、极限学习机模型的代码自动生成与运行

7、实操练习

第九章

ChatGPT 4助力KNN、贝叶斯分类与SVM建模

1、KNN分类模型（KNN算法的核心思想、距离度量方式的选择、K值的选取）

2、朴素贝叶斯分类模型（伯努利朴素贝叶斯BernoulliNB、类朴素贝叶斯CategoricalNB、高斯朴素贝叶斯besfGaussianNB、多项式朴素贝叶斯MultinomialNB、补充朴素贝叶斯ComplementNB）

3、SVM的工作原理（核函数的作用是什么？什么是支持向量？

4、SVM扩展知识（如何解决多分类问题？）

5、KNN、贝叶斯分类与SVM中的ChatGPT提示词库讲解

6、案例实践：利用ChatGPT4及插件实现KNN、贝叶斯分类、SVM模型的代码自动生成与运行

7、实操练习

第十章

ChatGPT 4助力决策树、随机森林、XGBoost与LightGBM建模

1、决策树的工作原理（微软小冰读心术的启示；什么是信息熵和信息增益？ID3算法和C4.5算法的区别与联系）；决策树除了建模型之外，还可以帮我们做什么事情？

2、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”体现在哪些地方？随机森林的本质是什么？怎样可视化、解读随机森林的结果？）

3、Bagging与Boosting的区别与联系

4、AdaBoost vs. Gradient Boosting的工作原理

5、常用的GBDT算法框架（XGBoost、LightGBM）

6、决策树、随机森林、XGBoost、LightGBM中的ChatGPT提示词库讲解

7、案例实践：利用ChatGPT4 及插件实现决策树、随机森林、XGBoost、LightGBM模型的代码自动生成与运行

8. 实操练习

第十一章

ChatGPT 4助力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

3、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；区间法；无信息变量消除法；正则稀疏优化方法等）

4、遗传算法（Genetic Algorithm, GA）的基本原理（以遗传算法为代表的群优化算法的基本思想是什么？粒子群算法、蜻蜓算法、蝙蝠算法、模拟退火算法等与遗传算法的区别与联系）

5、PCA、PLS、特征选择、群优化算法的ChatGPT提示词库讲解

6、案例实践：利用ChatGPT4 及插件实现变量降维与特征选择算法的代码自动生成与运行

7、实操练习

第十二章

ChatGPT 4助力卷积神经网络建模

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、卷积神经网络中的ChatGPT提示词库讲解

7、案例实践：利用ChatGPT4 及插件实现卷积神经网络模型的代码自动生成与运行

（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

8、实操练习

第十三章

ChatGPT 4助力迁移学习建模

1、迁移学习算法的基本原理（为什么需要迁移学习？迁移学习的基本思想是什么？）

2、基于深度神经网络模型的迁移学习算法

3、迁移学习中的ChatGPT提示词库讲解

4、案例实践：利用ChatGPT4及插件实现迁移学习模型的代码自动生成与运行

5、实操练习

第十四章

ChatGPT 4助力生成式对抗网络建模

1、生成式对抗网络GAN（什么是对抗生成网络？为什么需要对抗生成网络？对抗生成网络可以帮我们做什么？GAN给我们带来的启示）

2、GAN的基本原理及GAN进化史

3、生成式对抗网络中的ChatGPT提示词库讲解

4、案例讲解：利用ChatGPT4 及插件实现生成式对抗网络模型的代码自动生成与运行

5、实操练习

第十五章

ChatGPT 4助力RNN、LSTM建模

1、循环神经网络RNN的基本工作原理

2、长短时记忆网络LSTM的基本工作原理

3、RNN与LSTM中的ChatGPT提示词库讲解

4、案例实践：利用ChatGPT4 及插件实现RNN、LSTM模型的代码自动生成与运行

5、实操练习

第十六章

ChatGPT 4助力YOLO目标检测建模

1、什么是目标检测？目标检测与目标识别的区别与联系

2、YOLO模型的工作原理，YOLO模型与传统目标检测算法的区别

3、YOLO模型中的ChatGPT提示词库讲解

4、案例实践：利用ChatGPT4 及插件实现YOLO目标检测模型的代码自动生成与运行

（1）利用预训练好的YOLO模型实现目标检测（图像检测、视频检测、摄像头实时检测）；（2）数据标注演示（LabelImage使用方法介绍）；

（3）训练自己的目标检测数据集

5、实操练习

第十七章

ChatGPT 4助力自编码器建模

1、什么是自编码器（Auto-Encoder, AE）？

2、经典的几种自编码器模型原理介绍（AE、Denoising AE, Masked AE）

3、自编码器模型中的ChatGPT提示词库讲解

4、案例实践：利用ChatGPT4 及插件实现自编码器模型的代码自动生成与运行

（1）基于自编码器的噪声去除；

（2）基于自编码器的手写数字特征提取与重构；

（3）基于掩码自编码器的缺失图像重构

5、实操练习

第十八章

ChatGPT4助力机器学习与深度学习建模的行业应用

1、利用ChatGPT4 及插件实现近红外光谱定性/定量分析模型的建立、代码自动生成与运行

2、利用ChatGPT4 及插件实现生物医学信号（时间序列、图像、视频数据）分类识别与回归拟合模型的建立、代码自动生成与运行

3、利用ChatGPT4 及插件实现遥感图像目标检测、地物分类及语义分割模型的建立、代码自动生成与运行

4、利用ChatGPT4 及插件实现大气污染物预测模型的建立、代码自动生成与运行

5、利用ChatGPT4 及插件实现自然语言处理模型的建立、代码自动生成与运行

6、案例演示与实操练习

第十九章

ChatGPT 4 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）、等方法原理讲解

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ChatGPT提示词库讲解

6、案例实践：利用ChatGPT4 及插件实现深度学习模型可视化的代码自动生成与运行

7、实操练习

第二十章

ChatGPT 4助力AI绘图技术

1、生成式模型简介（生成式对抗网络、变分自编码器、扩散模型等）

2、利用ChatGPT4 DALL.E 3生成图像（下载图像、3种不同分辨率、修改图像）

3、ChatGPT4 DALL.E 3常用的提示词库（广告海报、Logo、3D模型、插画、产品包装、烹饪演示、产品外观设计、UI设计、吉祥物设计等）

4、ChatGPT4 DALL.E 3中的多种视图（正视图、后视图、侧视图、四分之三视图、鸟瞰视图、全景视图、第一人称视角、分割视图、截面视图等）

5、中的多种光效（电致发光、化学发光、生物荧光、极光闪耀、全息光等）

6、ChatGPT4 DALL.E 3格子布局与角色一致性的实现

7、ChatGPT4 DALL.E 3生成动图GIF

8、案例演示与实操练习

第二十一章

GPT 4 API接口调用与完整项目开发

1、GPT模型API接口的调用方法（API Key的申请、API Key接口调用方法与参数说明）

2、案例实践：利用GPT4实现完整项目开发

（1）聊天机器人的开发

（2）利用GPT API和Text Embedding生成文本的特征向量

（3）构建基于多模态（语音、文本、图像）的阿尔茨海默病早期筛查程序

3、实操练习

第二十二章

课程总结与答疑讨论

1、课程总结与现场答疑

2、相关学习资料分享与拷贝（图书推荐、在线课程推荐等）

3、建立微信群，便于后期的讨论与答疑

报名方式

详细咨询报名，请联系课程负责人杨帆：153-8322-9128（微电）

Ai尚研修丨专注科研领域

技术推广，人才招聘推荐，科研活动服务

科研技术云导师，Easy  Scientifc  Researc