本次课程以 OpenClaw为主线，系统讲解配置部署、模型接入、Token 选择、国产模型对比、大模型本地部署、数据云端存储、快速云端数据下载、数据可视化、Vibe Coding、Agent编程工具选型、SKILL 封装、MCP 扩展与多模型论文写作自动化等核心内容。在人工智能快速重塑科研范式的背景下，大语言模型、Agent系统与自动化科研工作流，正在深刻改变文献阅读、代码开发、数据分析、论文写作

课程通过案例驱动的方式，帮助学员解决农业生产中的实际问题，如作物长势监测、胁迫识别、产量预测等，学员将在学习过程中通过解决真实农业问题，提升其解决复杂农业问题的能力。如何有效获取和整合多源遥感数据（卫星影像、无人机数据、地面观测数据等），进行数据预处理（如辐射校正、几何校正、波段筛选等），并构建高效的数据仓库，支持大规模数据存储与查询，确保数据质量和可用性。如何设计合理的实验进行模型验证，分析遥感

如何将机器学习对高维数据的处理能力与计量经济学的因果推断框架有机结合（如双重机器学习DML），如何利用自然语言处理（NLP）技术从政策文本中提取量化指标，以及如何利用可解释人工智能（XAI）打开模型黑箱，已成为当代科研工作者亟需掌握的核心竞争力。9.提高均方误差（MSE，Mean Squared Error），平均绝对误差（MAE，Mean Absolute Error），决定系数（R2，R-sq

以ChatGPT-4o代表AI大语言模型引领了新一波人工智能浪潮，也在自然科学各个过程中提升生产力，本课程通过生物、地球、农业、气象、生态、环境、GIS科学领域中的大量案例，结合数据、文本、图片、代码、语音、视频等不同形式的数据、模式和内容，讲解自然科研的全流程，通过大模型辅助编写Python和R语言代码以及大模型API二次开发等技术对案例进行实现，带领大家快速进入科研新范式。5)主成分分析、LD

针对多光谱数据处理，除了ENVI自带和拓展的功能之外，课程提供一套基于Python开发方法，结合目前主流的机器学习和深度学习方法，介绍多光谱遥感数据的整理、图像分类、多时间序列处理、多传感器协同等方法，基于python实现多光谱数据处理和分析过程。与昂贵、不易获取的高光谱、高空间分辨率卫星数据相比，中等分辨率的多光谱卫星数据可以免费下载获取，例如：landsat数据、哨兵-2号数据、Aster数据

Python是功能强大、免费、开源，实现面向对象的编程语言，在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能，这些优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。为了帮助气象和海洋等地学领域的从业人员更加系统地学习Python在人工智能领域的应用，AI尚研修特举办此次培训班，旨在帮助学员掌握Python实操基础和机器学习与深度

建立input、data_raw、data_processed、scripts、notebooks、outputs、figures、arcgis_project、paper_pack等标准目录，使数据、脚本、结果和论文材料有清晰位置。利用AI对文献标题、摘要、关键词和空间数据字段进行快速整理，识别研究热点、关键词组合、空间现象和潜在研究空白。制作研究区图、空间因子图、研究对象图、指标分布图、空间叠

本课程正是基于这一技术变革与科研深度需求的交汇而设计，以NASA GIBS/EONET真实遥感数据为核心驱动，通过两天全链路实战，完整跑通从数据接入、Leaflet/MapLibre交互地图、ECharts科技大屏与Canvas动效可视化、PostGIS空间数据库、Express后端接口到阿里云公网部署的技术闭环，现场完成八大科研专题系统，帮助每位学员带走一套可上线运行、可替换自有研究区数据、可直

本课程旨在利用前沿的AI Agent技术和Python编程，系统讲解如何通过机器学习（如K-means、SVM、决策树）与深度学习（如CNN、LSTM）模型，进行全球气候变化驱动因素的数据分析与趋势预测。5.1、全球气候变化相关数据集下载与处理（MERRA2气溶胶、MODIS气溶胶、MODIS海冰、MODIS叶绿素、CALIPSO气溶胶、AERONET气溶胶）ChatGPT、Gemini、Deep

5、微调（Fine-Tuning）技术详解（微调的基本原理、微调在大语言模型中的作用、准备一个用于微调的数据集、常见的微调方法，如PEFT、LoRA等、不同任务的微调策略、微调过程中的常见问题与解决方案）3、（实操演练）LangChain的核心组件：Models（模型）、Prompts（提示词）、Indexes（索引）、Chains（链）、Agents（智能体）、Memory（记忆）5、（实操演练