当前科学研究正经历由人工智能驱动的深刻范式变革。随着观测技术精密化、数值模拟复杂化与计算基础设施规模化高校与科研院所的研究者普遍面临三重挑战海量异构数据的清洗分析耗时费力传统方式难以应对数据指数级增长深度学习、Transformer等前沿AI模型架构复杂、调参门槛高对非计算机背景研究者形成障碍从科研灵感到论文产出涉及文献综述、实验设计、数据分析、图表制作等多个环节转化链条漫长。在此背景下本课程旨在为一线研究者提供从Python编程到PyTorch深度学习、从经典机器学习到Transformer与扩散模型、图神经网络前沿的完整技术进阶路径帮助系统掌握AI赋能科研的核心方法论实现从人工编程到智能体自动化的科研能力跃迁。以全栈技能筑基、效率工具赋能、智能体自动化提效为三大支柱构建兼具学术严谨性与工程实用性的培养体系。全栈技能层面从Python高阶编程出发系统介绍XGBoost、LightGBM、随机森林等经典ML算法深入CNN、ResNet、U-Net、自编码器与变分自编码器等DL核心架构并延伸至Transformer注意力机制、GAN、扩散模型、图神经网络等前沿AI技术同时以科学问题为牵引强化SHAP可解释分析、LIME局部解释与因果推断方法确保模型具备科学依据与可解释性。效率革命层面前瞻引入Vibe Coding氛围编程与上下文工程技术通过自然语言与大模型协同编程让AI精准理解领域数据并自动生成分析代码与科研图表告别重复编码效率提升十倍以上。科研自动化层面深度讲解Hermes智能体工作流构建通过Skill架构连接本地数据库与计算环境实现一句话科研需求→自动化数据清洗→多维度归因分析→假设检验→报告生成的端到端流水线。配备9大实战案例覆盖图像光谱分析、时空序列预测、科学归因探索、论文Idea生成等真实场景融合传统统计思想×现代深度学习×大模型自动化三重视角不仅教授算法原理更高效指挥AI完成科研任务打通从算法理解到科研落地的最后一公里。专题一 Python核心编程与Hermes智能体开发环境配置Python核心基础速通1.Anaconda/UV环境管理2.Spyder编辑器的使用3.虚拟环境创建与包管理pip vs conda4.Python基础数据结构:列表字典与元组5.OOP编程基础类与实例、属性与方法继承、多态与抽象基类魔术方法6.Python容器进阶列表推导式与生成器表达式, 字典推导式与集合操作7.Hermes Agent的安装与初步应用案例分析与实践一专题二 经典机器学习全链路数据预处理、集成学习与SVM算法1.类型识别定性定序定距以及定比数据外生与内生变量2.异常值Z-CoreIQR3.缺失值删除填充模型预测MICE方法4.数据不平衡的处理:过采样欠采样与混合策略5.分类分类任务分类任务性能指标召回率AUC6.回归分类与回归的区别损失函数正则化技术7.决策树:分类回归树分裂策略正则化剪枝参数调优8.随机森林装袋树特征随机性袋外估计特征重要性度量9.梯度提升树XGBoost、LightGBM、CatBoost梯度提升树的调优策略10.支持向量机SVM理论基础最大间隔分类器软间隔与硬间隔11.支持向量机核函数及其本质常用核函数支持向量回归12.堆叠集成Stacking与超参数调优案例分析与实践二专题三 大模型数据分析上下文工程、RAG检索增强与智能代码生成1.大模型推理机制深度解析Tokenization、上下文窗口、影响模型表现的参数2.提示词工程的核心Prompt、Completion、System Message三元组架构3.常见大语言模型的性能差异与适配策略语言模型、多模态模型4.数据上下文的三次表达法则元数据、样本与关系5.数据分析角色的精准定义角色光谱、约束输入与输出格式限制6.提示词工程的示例策略7.大语言模型的本地化选择Ollama,vllm,sglang等8.表格数据的上下文压缩分层抽样上下文自动数据画像的提示词9.上下文分块与检索增强生成技术让数据分析更加专业10.数据分析提示词设计描述性统计的提示词假设检验上下文工程时间序列分析上下文工程等等11.数据建模的代码生成与调试案例分析与实践三专题四 可解释机器学习SHAP值分析、LIME与PDP模型诊断技术1.全局变量重要性置换重要性基尼重要性分裂增益重要性2.部分依赖图PDP与个体条件期望3.局部代理模型解释框架代理模型LIME4.SHAP理论基础博弈论基础与夏普利值SHAP解释体系的构建5.高效SHAP的计算基于树模型的计算方法TreeSHAP与模型无关算法KernelSHAP6.特征相关的处理Conditional SHAP与因果SHAP7.交互效应H 统计量与多维可视化案例分析与实践四专题五 PyTorch深度学习框架、张量运算、自动微分与神经网络构建1. Tensor基础与创建张量Tensor vs 数组Arrayvs矩阵Matrix概念辨析及转换2.Pytorh数据类型与张量创建3.张量的基本操作与设备指定4.张量索引与切片的高级技巧5.张量的维度与操作6.计算图与梯度基础7.自动微分与反向传播8.常见Pytorch错误诊断9. nn.Module基类与模型构建10.常见神经网络层线性层、池化层、卷积层与正则化层11.激活函数选择12.损失函数与优化器13.模型保存与加载案例分析与实践五专题六 Vibe Coding氛围编程AI协同开发与人机代码审查氛围编程不用写代码的编程技术1.什么是氛围编程定义适用范围人机分工的模式2.工具链与大语言模型配置与选择策略3.代码库的上下文管理4.编程需求的结构化模板5.代码质量控制幻觉检测人机Code Review6.代码调试与修复策略7.安全策略检查清单案例分析与实践六专题七 深度学习核心架构CNN、自编码器与U-Net图像模型1.多层感知机MLP层间连接深度与宽度权衡图像数据预处理2.激活函数深度比较与选择Sigmoid,Tanh,Relu,ELU,GELU等3.正则化与优化策略Dropout机制批归一化权重矩阵约束4.自编码器AE无监督降维与特征提取编码-解码架构瓶颈层设计5.变分自编码器VAE生成模型变分下界重参数化图像的VAE应用6.卷积神经网络基础局部感知卷积的本质权值共享机制7.卷积层设计要点感受野的计算空洞卷积分组卷积8.CNN架构LeNetAlexNet残差学习,ResNet9.U-Net 架构上采样下采样与跳跃连接U-Net的训练技术10.U-Net扩展多输出物理约束半监督学习与半监督U-Net案例分析与实践七专题八 深度学习进阶Transformer、GAN与扩散模型前沿1.RNN时序展开随时间反向传播梯度消失长期依赖双向RNN2.门控循环单元细胞状态遗忘门输入门输出门3.LSTM与GRU记忆机制对比与选择策略4.注意力机制:自注意力交叉注意力全局与局部注意力5.Transformer多头自注意力残差连接与层归一化位置编码掩码自注意力与因果建模6.Swin Transformer层次视觉与移位窗口7.生成对抗网络GAN极大极小博弈生成器判别器与价值函数8.ConvLSTM、PredRNN SWIN TRANSFORMER等时空预测架构9.扩散模型介绍案例分析与实践八专题九 Hermes智能体科研自动化技能进化、多Agent协作与知识沉淀Hermes Agent从私有化部署到智能体自我进化本地化深度研究助手的构建1.从静态配置到动态进化AI Agent能力获取范式的跃迁2.Hermes Agent运行时架构解析3.自动化编程从任务执行到Python Skills的生成与优化4.子代理的设置Delegate与Profile5.子Agent并行策略任务拆解、隔离执行与结果聚合机制6.知识沉淀的自动化策略Skills版本控制、冲突解决与长期进化路径7.自动本地化科研助手的典型应用场景案例分析与实践九专题十 图神经网络速览当关系成为数据的主角从表格到图的表示升级1.为什么需要图从表格到图什么是表格数据没有的关系表达社交网络、分子结构、交通路网、知识图谱、论文引用网络2.图的cnn基本元素节点边邻接矩阵3.图的核心任务节点分类链接预测图分类4.消息传递收集消息聚合更新变换5.图卷积网络GCN与图表示学习GraphSAGE6.PyTorch Geometric的应用案例分析与实践十