勋章
我关注的人
粉丝
技术能力
暂时未有相关云产品技术能力~
聚焦「 数据科学 | 深度学习 | 生命科学 | Python | 机器学习 」等前沿交叉学科，定期分享理论教程与应用实践等。
-
发表了文章 2023-03-18
Python 异步: 在非阻塞子进程中运行命令（19）
Python 异步: 在非阻塞子进程中运行命令（19）
-
发表了文章 2023-03-17
层次聚类算法
层次聚类算法
-
发表了文章 2023-03-16
ChIP-seq 分析：Consensus Peaks（14）
ChIP-seq 分析：Consensus Peaks（14）
-
发表了文章 2023-03-15
Python 异步: 异步推导式（18）
Python 异步: 异步推导式（18）
-
发表了文章 2023-03-12
ChIP-seq 分析：TF 结合和表观遗传状态（13）
ChIP-seq 分析：TF 结合和表观遗传状态（13）
-
发表了文章 2023-03-12
降维算法: 奇异值分解SVD
降维算法: 奇异值分解SVD
-
发表了文章 2023-03-12
Python 异步: 异步上下文管理器（17）
Python 异步: 异步上下文管理器（17）
-
发表了文章 2023-03-11
ChIP-seq 分析：GO 功能测试与 Motifs 分析（12）
ChIP-seq 分析：GO 功能测试与 Motifs 分析（12）
-
发表了文章 2023-03-08
机器学习算法: Logistic 回归 详解
机器学习算法: Logistic 回归 详解
-
发表了文章 2023-03-07
ChIP-seq 分析：基因集富集（11）
转录因子或表观遗传标记可能作用于按共同生物学特征（共享生物学功能、RNAseq 实验中的共同调控等）分组的特定基因组。
-
发表了文章 2023-03-06
Python 异步: 异步迭代器（15）
迭代是 Python 中的基本操作。我们可以迭代列表、字符串和所有其他结构。
-
发表了文章 2023-03-05
学术论文插图要求简介
学术论文插图要求简介
-
发表了文章 2023-03-04
Transformer 模型：入门详解（1）
动动发财的小手，点个赞吧！
-
发表了文章 2023-03-03
ChIP-seq 分析：数据与Peak 基因注释（10）
今天，我们将继续回顾我们在上一次中研究的 Myc ChIPseq。这包括用于 MEL 和 Ch12 细胞系的 Myc ChIPseq。
-
发表了文章 2023-03-02
Python 异步: 在 Asyncio 中运行阻塞任务（14）
阻塞任务是阻止当前线程继续进行的任务。
-
发表了文章 2023-03-02
机器学习: 可视化反卷积操作
转置卷积操作的详细分解
-
发表了文章 2023-03-01
297个机器学习彩图知识点（15）
297个机器学习彩图知识点（15）
-
发表了文章 2023-03-01
ChIP-seq 分析：Peak 注释与可视化（9）
到目前为止，我们一直在处理对应于转录因子结合的 ChIPseq 峰。顾名思义，转录因子可以影响其靶基因的表达。
-
发表了文章 2023-02-27
Python 异步: 保护任务免于取消（13）
Asyncio 任务可以通过调用它们的 cancel() 方法来取消。我们可以通过将任务包装在对 asyncio.shield() 的调用中来保护任务不被取消。
-
发表了文章 2023-02-27
ICA简介：独立成分分析
您是否曾经遇到过这样一种情况：您试图分析一个复杂且高度相关的数据集，却对信息量感到不知所措？这就是独立成分分析 (ICA) 的用武之地。ICA 是数据分析领域的一项强大技术，可让您分离和识别多元数据集中的底层独立来源。
-
发表了文章 2023-02-26
ChIP-seq 分析：Call Peak（8）
ChIP-seq 分析：Call Peak（8）
-
发表了文章 2023-02-25
构建系统发育树简述
构建系统发育树简述
-
发表了文章 2023-02-25
系统发育树初步剖析
1. 什么是系统发育树 2. 如何看系统发育树并确定哪些物种最相关
-
发表了文章 2023-02-25
循序渐进的机器学习：文本分类器
在 Python 中构建监督机器学习文本分类器的指导指南和流程图
-
发表了文章 2023-02-25
ChIP-seq 分析：文库的复杂性和丰富性（7）
ChIPseq 中的一个潜在噪声源是 ChIPseq 库在 PCR 步骤中的过度放大。这可能会导致大量重复读取，从而混淆峰值调用。
-
发表了文章 2023-02-24
Python 异步: 等待有时间限制的协程（12）
我们可以使用 asyncio.wait_for() 函数等待 asyncio 任务或协程超时完成。如果在任务完成之前超时已过，任务将被取消。
-
发表了文章 2023-02-24
297个机器学习彩图知识点（13）
本系列将持续更新20个机器学习的知识点，欢迎关注。
-
发表了文章 2023-02-23
Python 异步: 等待任务集合（11）
我们可以通过 asyncio.wait() 函数等待异步任务完成。可以等待不同的条件，例如所有任务完成、第一个任务完成以及第一个任务因异常而失败。
-
发表了文章 2023-02-22
机器学习算法： AdaBoost 详解
集成学习（Ensemble learning）就是将若干个弱分类器通过一定的策略组合之后产生一个强分类器。
-
发表了文章 2023-02-21
ChIP-seq 分析：评估片段长度与处理（6）
ChIP-seq 分析：评估片段长度与处理（6）
-
发表了文章 2023-02-20
297个机器学习彩图知识点（12）
本系列将持续更新20个机器学习的知识点，欢迎关注。
-
发表了文章 2023-02-19
Python 异步: 同时运行多个协程（10）
asyncio 的一个好处是我们可以同时运行许多协程。这些协同程序可以在一个组中创建并存储，然后同时一起执行。这可以使用 asyncio.gather() 函数来实现。
-
发表了文章 2023-02-19
提高CV模型训练性能的 9 个技巧
提高CV模型训练性能的 9 个技巧
-
发表了文章 2023-02-19
机器学习经典算法：决策树
决策树（Decision Tree）是有监督学习中的一种算法，并且是一种基本的分类与回归的方法。决策树有两种：分类树和回归树。
-
发表了文章 2023-02-19
利用mAP评估目标检测模型
之前我们详细研究了混淆矩阵、模型准确性、精确度和召回率。我们也使用 `Scikit-learn` 库来计算这些指标。现在我们将扩展讨论以了解如何使用精度和召回率来计算 `mAP`。
-
发表了文章 2023-02-19
数据分析：5个数据相关性指标
相似性度量是许多数据分析和机器学习任务中的重要工具，使我们能够比较和评估不同数据片段之间的相似性。有许多不同的指标可用，每个指标各有利弊，适用于不同的数据类型和任务。
-
发表了文章 2023-02-19
模型性能分析：ROC 分析和 AUC
模型性能分析：ROC 分析和 AUC
-
发表了文章 2023-02-19
类别不平衡
类别不平衡是一个常见问题，其中数据集中示例的分布是倾斜的或有偏差的。
-
发表了文章 2023-02-19
9个Python 内置装饰器: 显著优化代码
装饰器是应用“Python 之禅”哲学的最佳 Python 特性。装饰器可以帮助您编写更少、更简单的代码来实现复杂的逻辑并在任何地方重用它。
-
发表了文章 2023-02-19
机器学习: Label vs. One Hot Encoder
机器学习: Label vs. One Hot Encoder
-
发表了文章 2023-02-19
深度学习中的潜在空间
深度学习中的潜在空间
-
发表了文章 2023-02-19
机器学习模型集成管理介绍
机器学习模型集成管理介绍
-
发表了文章 2023-02-19
机器（深度）学习中的 Dropout
机器（深度）学习中的 Dropout
-
发表了文章 2023-02-19
Python异步: 什么是异步编程？ （1）
异步编程是一种不会阻塞的编程范式。相反，请求和函数调用会在未来某个时间以某种方式在后台发出和执行。这使调用者有时间执行其他活动，并在结果可用或调用者感兴趣时稍后处理发出的调用的结果。
-
发表了文章 2023-02-19
Python异步: 什么是异步？ （2）
广义上，asyncio 是指使用协程在 Python 中实现异步编程的能力。
-
发表了文章 2023-02-19
Python异步: 什么时候使用异步？（3）
从广义上讲，Asyncio 是新的、流行的、讨论广泛的和令人兴奋的。然而，对于何时应该在项目中采用它存在很多困惑。
-
发表了文章 2023-02-19
Python 异步: 协程（4）
Python 提供一流的协程，具有“coroutine”类型和新的表达式，如“async def”和“await”。它提供了用于运行协程和开发异步程序的“asyncio”模块。
-
发表了文章 2023-02-19
Python异步: 定义、创建和运行协程（5）
我们可以在我们的 Python 程序中定义协程，就像定义新的子例程（函数）一样。一旦定义，协程函数可用于创建协程对象。“asyncio”模块提供了在事件循环中运行协程对象的工具，事件循环是协程的运行时。
-
发表了文章 2023-02-19
Python 异步: 什么是事件循环 ？（6）
asyncio 程序的核心是事件循环。在本节中，我们将花点时间看一下 asyncio 事件循环。
-
发表了文章 2023-02-19
Python 异步: 创建和运行异步任务（7）
您可以从 asyncio 程序中的协程创建任务对象。任务提供独立调度和运行的协程的句柄，并允许查询、取消任务，以及稍后检索结果和异常。异步事件循环管理任务。因此，所有协程都成为事件循环中的任务并作为任务进行管理。
-
发表了文章
2024-12-17
使用 pyenv 来管理多个 Python 版本(2)
-
发表了文章
2024-12-16
R中单细胞RNA-seq分析教程 (6)
-
发表了文章
2024-12-15
非编码RNA并非 “垃圾”
-
发表了文章
2024-12-12
pyenv 管理多个 Python 版本(1)
-
发表了文章
2024-12-11
R中单细胞RNA-seq分析教程 (5)
-
发表了文章
2024-12-11
RNA-seq 差异分析的细节详解 (5)
-
发表了文章
2024-12-09
21个Python脚本自动执行日常任务（2）
-
发表了文章
2024-12-08
R中单细胞RNA-seq分析教程 (4)
-
发表了文章
2024-12-06
Linux 10 个“who”命令示例
-
发表了文章
2024-12-05
RNA-seq 差异分析的点点滴滴（4）
-
发表了文章
2024-12-04
21个Python脚本自动执行日常任务（1）
-
发表了文章
2024-12-03
11 个必备 Docker 工具
-
发表了文章
2024-11-30
localhost 和 127.0.0.1 的区别
-
发表了文章
2024-11-29
R中单细胞RNA-seq数据分析教程 (3)
-
发表了文章
2024-11-28
RNA-seq 差异分析的点点滴滴（3）
-
发表了文章
2024-11-27
数据分析的 10 个最佳 Python 库
-
发表了文章
2024-11-26
Linux 如何更改默认 Shell
-
发表了文章
2024-11-25
R 语言 必备 十大资源
-
发表了文章
2024-11-24
解码语言：命名实体识别（NER）技术
-
发表了文章
2024-11-23
R中单细胞RNA-seq数据分析教程 (2)
-
回答了问题
2023-03-12
开发者视角下，什么是优秀的产品经理？
作为开发者，我认为一个优秀的产品经理应该具备以下特点： 清晰的愿景和目标：优秀的产品经理应该有清晰的产品愿景和明确的目标，能够将产品的愿景和目标传达给整个团队，确保大家都在同一个方向上努力。 精准的需求分析和管理：产品经理需要深入了解用户需求，并将这些需求转化为明确的产品需求和特性，为开发团队提供明确的工作目标，同时能够有效地管理需求变更和优先级。 灵活的沟通和协作能力：产品经理需要能够与开发团队、设计团队、运营团队等不同团队进行有效的沟通和协作，理解他们的需求和限制，寻求最佳的解决方案，推动产品的不断优化和进化。 对技术的理解和掌握：虽然产品经理并不需要成为技术专家，但是他们需要对技术有一定的了解和掌握，能够理解开发过程中的技术挑战和限制，与开发团队进行有效的沟通和协作。 数据驱动和用户导向：优秀的产品经理需要善于使用数据来指导决策，能够将用户的反馈和数据分析结合起来，为产品的改进提供有效的方向和支持。 敏锐的市场和行业洞察力：优秀的产品经理需要紧跟市场和行业的变化，了解竞争对手和用户的需求，为产品的创新和进化提供指导和支持。 综上所述，一个优秀的产品经理应该具备清晰的愿景和目标、精准的需求分析和管理、灵活的沟通和协作能力、对技术的理解和掌握、数据驱动和用户导向、敏锐的市场和行业洞察力等特点。赞2 踩0 评论0 -
回答了问题
2023-03-04
ChatGPT给国内外科技公司带来了怎样的机遇和威胁？
机遇： 提高效率： ChatGPT 可以在短时间内快速回答大量用户的问题，从而提高客户服务的效率。 增强用户体验： ChatGPT 可以为用户提供更加个性化的服务，通过语义理解技术，快速识别用户需求，从而增强用户体验。 降低人力成本： ChatGPT 可以替代部分人力工作，从而降低公司的人力成本，提高效率和利润。 创造新产品和服务： ChatGPT 可以作为一种基础技术，为公司带来创造新产品和服务的机会，从而扩大公司的市场份额。 威胁： 挑战人类智慧： ChatGPT 可以模拟人类智慧，从而对人类智慧提出挑战。一些人担心 ChatGPT 可能会威胁到人类的智能优势。 安全问题： ChatGPT 可能会被用来进行网络攻击、网络欺诈和其他不良行为，从而对网络安全造成威胁。 数据隐私： ChatGPT 可能会获取用户的个人信息和数据，从而对用户的隐私造成威胁。 社会影响： ChatGPT 可能会对社会产生不利影响，例如造成失业、减少人类之间的交流等。赞0 踩0 评论0