1、授课老师简介

叶梓，上海交通大学计算机专业博士毕业，高级工程师。主研方向：数据挖掘、机器学习、人工智能。历任国内知名上市IT企业的AI技术总监、资深技术专家，市级行业大数据平台技术负责人。

长期负责城市信息化智能平台的建设工作，开展行业数据的智能化应用研发工作，牵头多个省级、市级行业智能化信息系统的建设，主持设计并搭建多个省级、市级行业大数据平台。参与国家级人工智能课题，牵头上海市级人工智能示范应用课题研究。

带领团队在相关行业领域研发多款人工智能创新产品，成功落地多项大数据、人工智能前沿项目，其中信息化智能平台项目曾荣获：“上海市信息技术优秀应用成果奖”。带领团队在参加国际NLP算法大赛，获得Top1%的成绩。参与国家级、省级大数据技术标准的制定，曾获省部级以上的科技创新一等奖。

2、项目经历

上海市城市信息化人工智能项目 项目负责人

• 研发智能服务系统，包括：元宇宙与虚拟数字人、基于人工智能的内容生成（AIGC）、基于NLP技术的对话系统、基于深度学习的图像识别系统、基于智能推理的行业推荐系统。

  相关工作：

  作为项目总负责，负责项目管理、产品研发、系统分析、技术指导、算法指导等。

  上海市城市智能信息化工程 总工程师

  • 采用大数据技术，建设市级信息平台，完成试点单位接入并采集居民相关信息，实现市级平台档案等服务，并实现所有单位的全面接入。
  • 为解决超量数据的存储与计算的问题，搭建了存储全市数据的云计算平台，并在其上进行了基于大数据的分析和挖掘工作。

    相关工作：

    作为总工程师，负责技术管理、系统分析、云平台数据存储设计、数据分析与挖掘指导、开发指导。

    上海市城市信息化领域智能联网工程 技术经理

    • 建设内容包括：接入单位的联网；智能卡的实现；城市信息化智能平台的升级；科研平台的扩展与升级；建立决策支持系统；评估体系的展示设计；短信平台的实现；违规操作的提醒；协同智能服务平台的实现等。

      相关工作：

      作为技术经理负责总体架构设计、接口设计、大数据平台设计、AI技术指导等。

      3. 主攻方向

      具有扎实的数据挖掘、机器学习、深度学习等人工智能理论基础；了解AIGC等技术前沿动态。

      精通机器学习、深度学习的理论、模型、算法、调优等；精通算法设计；

      熟悉深度学习在自然语言处理、计算机视觉两大核心领域的实用技巧；

      15年以上的程序开发经验，熟悉常用程序开发架构，独立完成多个产品级软件的设计与开发。

      3. 提纲：

      智能医疗技术与ChatGPT临床应用三日深度培训

      第一天：人工智能基础与Python编程入门

      • 上午：
        • 人工智能在医疗领域的应用概述
        • Python编程基础
          • 环境搭建、数据类型、流程控制
            • 1、Python环境搭建
            • 2、Python数据类型
            • 3、Python流程控制
            • 4、Python函数的应用
            • 5、Python面向对象编程 
            • 6、Python文件读写和目录操作
            • 7、Python异常处理
            • 8、Python包和模块
          • 实际案例：Python在医学数据分析中的应用
        • Python医学图像处理基础
          • PyDicom库的安装和基本用法
          • MRI、DR、CT等影像的读取、解析、显示
          • 实际案例：读取各种Dicom格式的影像
      • 下午：
        • 深度学习PyTorch框架入门
          • 深度学习的基本概念，通用架构
            • 1、深度学习的基本概念
            • 2、深度学习的通用构架
            • 3、PyTorch的选型和安装 
          • 梯度下降优化算法
            • 1、损失函数
            • 2、梯度下降优化算法
            • 3、模型的保存和加载
          • 实际案例：使用PyTorch进行医学图像分类
          • 图像分类算法（判断是否病变）
            • 1、AlexNet
            • 2、VggNet
            • 3、ResNet
            • 4、EfficientNet
            • 实际案例：深度学习在肺结节分类中的应用

        第二天：深度学习与医学影像分析

        • 上午：
          • 深度学习智能影像诊断算法
            • 目标检测算法（检测病变区域）
              • RCNN系列目标检测算法
                • RCNN
                • Fast RCNN
                • Faster RCNN
              • YOLO系列目标检测算法
                • YOLO v5
                • YOLO v8
              • 实际案例：目标检测在血常规分析中的应用
              • 实际案例：YOLO在病变检测中的应用
        • 下午：
          • 图像分割算法（分割病变区域）
            • DeepLab系列语义分割算法
              • DeepLab v1/v2
              • CRF
              • DeepLab v3/v3+
            • 医疗生物领域专用的U-Net分割网络
              • “U型弯”结构
              • 保护“边缘”的措施
              • 损失函数
            • 实际案例：U-Net在前列腺肿瘤分割中的应用
            • 实际案例：通过U-Net分割细胞
          • 影像智能诊断项目实战
            • CT智能诊断实战案例
            • MRI智能诊断实战案例

          第三天：ChatGPT与医疗大模型应用

          • 上午：
            • ChatGPT等大模型在临床科研中的应用
              • 快速获取医学知识
              • 临床实践研究
                • 辅助生成出院小结
                • 个性化医疗服务
              • 辅助论文编写
              • 实际案例：ChatGPT在医疗咨询中的应用
            • 项目实战：使用llama-factory微调大模型
              • 安装部署
              • 支持的大模型种类
              • 数据集准备
              • 微调策略（PEFT：LoRA, QLoRA等）
          • 下午：
            • 大模型助力SCI论文写作及润色
              • 医学文献梳理
              • 论文降重与润色
              • 实际案例：AI在医学论文写作中的应用
            • 项目实战：构建自己的医疗大模型智能问诊平台
              • 技术架构、硬件环境
              • 私有化医疗知识库准备
              • 向量数据库的选择和使用
              • LangChain框架的使用
              • 系统搭建与互动问答