Hans Fangohr作者林亦霖校对王菁 编辑顾宇华翻译

我们为你精选了一份Jupyter/IPython笔记本集合 !(附大量资源链接)-下篇

本文介绍了一些有趣的Jupyter/IPython笔记本。

5. 关于用笔记本本身做各种事情的其他主题

在Blogger中使用IPython发博客,也可以在博客文章中找到,完整的报告在这里。作者:Fernando Perez。

在Blogger中使用IPython发博客

https://nbviewer.jupyter.org/github/fperez/blog/blob/master/120907-Blogging%20with%20the%20IPython%20Notebook.ipynb

博客文章

http://blog.fperez.org/2012/09/blogging-with-ipython-notebook.html

完整的报告

https://github.com/fperez/blog

在Octopress中使用IPython发博客,由Jake van der Plas 撰写,并作为博客文章提供。Jake的其他笔记本包含了许多使用科学Python堆栈进行有趣工作的好例子。

在Octopress中使用IPython发博客

https://nbviewer.jupyter.org/github/jakevdp/jakevdp.github.com/blob/master/downloads/notebooks/nb_in_octopress.ipynb

Jake的其他笔记本

https://github.com/jakevdp/jakevdp.github.com/tree/master/downloads/notebooks

在Nikola中使用IPython进行发博客,也可以在DamiánAvila的博客文章中找到。

笔记本的自定义CSS控件,这是Matthias Bussonnier 的博客报告的一部分。

笔记本的自定义CSS控件

https://nbviewer.jupyter.org/github/Carreau/posts/blob/master/Blog1.ipynb

IPython显示连接:帮助显示各种来源的视觉输出的工具,@ deeplook的要点。

IPython显示连接:帮助显示各种来源的视觉输出的工具

https://nbviewer.jupyter.org/gist/deeplook/5162445

由Min RK 提供的导入IPython笔记本作为模块。

导入IPython笔记本作为模块

https://nbviewer.jupyter.org/gist/minrk/6011986

6. 可复现的学术出版物

本节包含已在同行评审文献或预印本网站(如ArXiv)上发表的学术论文,其中包括一个或多个笔记本,这些笔记本能够(即使只是部分)使读者可以复制出版物的结果。如果您在此处包含出版物,请链接到期刊文章以及提供nbviewer笔记本链接(以及与该论文相关的任何其他相关资源)。

1. 通过LIGO合作发现引力波。该页面来自LIGO开放科学中心,包含多个笔记本,用于处理与不同事件相对应的各种数据集; 这个合集让你可以立即运行代码。关于GW150914事件的更多细节以及原始的主要物理评论快报文章“观察二进制黑洞合并中的引力波”。

通过LIGO合作发现引力波

https://www.gw-openscience.org/tutorials/

观察二进制黑洞合并中的引力波

https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.116.061102

2. 使用基于Multi-Omics的工作流程表征工程大肠杆菌中的菌株变异,作者:Brunk等。

使用基于Multi-Omics的工作流程表征工程大肠杆菌中的菌株变异

https://www.cell.com/cell-systems/fulltext/S2405-4712(16)30112-0

3. 使用机器学习方法预测日冕物质抛射(天体物理学杂志,2016)由Monica Bobr和Stathis Ilonidis撰写。重现所有结果的IPython笔记本已永久存放在斯坦福数字存储库中。

使用机器学习方法预测日冕物质抛射

https://iopscience.iop.org/article/10.3847/0004-637X/821/2/127/meta

4. Alyssa Goodman等人的未来论文。(Authorea Preprint,2017)。本文通过演示解释和展示了学术上的“论文”如何能够变成持久丰富的科学话语记录,丰富了深层数据和代码链接,交互式数字,音频,视频和评论。它包括一个交互式的d3.js可视化,并有一个天文数据图,其中有一个IPYthon笔记本。

未来论文

https://www.authorea.com/users/23/articles/8762-the-paper-of-the-future?commit=d4033594de841d252b3220927b39de4314d26409

5. 回复“的季风降雨和温度的宇宙射线变化的影响”:假阳性的太阳地球研究领域由Benjamin Laken提供,2015年发表的文章将出现在JASTP。该IPython的笔记本再现了全面分析和与文章中完全相同的数据,可在Github 找到:figshare。

回复“的季风降雨和温度的宇宙射线变化的影响”:假阳性的太阳地球研究领域

https://arxiv.org/abs/1502.00505

6. 一个开放的RNA-Seq的数据分析管道教程,从最近的寨卡病毒的研究再处理数据的例子,由Zichen Wang and Avi Ma'ayan撰写。(F1000Research 2016,5:1574)。使用IPython笔记本在寨卡病毒感染后使用人细胞的公共基因表达数据来执行所提出的RNA-Seq管道。计算管道也是版本控制的,Docker化在这里可用。

一个开放的RNA-Seq的数据分析管道教程,从最近的寨卡病毒的研究再处理数据的例子

https://f1000research.com/articles/5-1574/v1

这里

https://github.com/MaayanLab/Zika-RNAseq-Pipeline

7. 改善Fisher的几何模型的概率:概率方法,由Yoav Ram and Lilach Hadany提供。(理论人口生物学,2014年)。允许图形再现的IPython笔记本被发表做为补充文件。

改善Fisher的几何模型的概率:概率方法

https://www.sciencedirect.com/science/article/pii/S0040580914000811?via%3Dihub

补充文件

https://www.royalsocietypublishing.org/rspb/19/rspb.2014.1025.DC1

8. 应力诱导的诱变和复杂的适应,作者:Yoav Ram和Lilach Hadany(Proceedings B,2014)。允许数字再现的IPython笔记本被存放为补充文件。

应力诱导的诱变和复杂的适应

https://royalsocietypublishing.org/doi/full/10.1098/rspb.2014.1025

9. J. Soelter等人撰写的使用正则化非负矩阵分解法自动分割小鼠嗅球中的气味图。(Neuroimage 2014,Open Access)。该笔记本允许从论文中再现大多数数字,并提供更深入的数据视图。完整的代码库也已经推出。

使用正则化非负矩阵分解法自动分割小鼠嗅球中的气味图

https://www.sciencedirect.com/science/article/pii/S1053811914003103

完整的代码库

https://github.com/jansoe/FUImaging/tree/Neuroimage2014

10. 头颈癌的多层基因组分析将TP53突变与3p损失联系起来,由A.Gross等人提出(Nature Genetics 2014)。该笔记本的全部合集以复制结果。

头颈癌的多层基因组分析将TP53突变与3p损失联系起来,由A.Gross等人提出(Nature Genetics 2014)

https://www.nature.com/articles/ng.3051

该笔记本的全部合集以复制结果

https://mp.weixin.qq.com/cgi-bin/appmsg?t=media/appmsg_edit&action=edit&type=10&appmsgid=100011380&isMul=1&token=231318955&lang=zh_CN#guide-to-running

11. Vázquez-Baeza等人将狗和人类炎症性肠病取决于重叠而明显的生态失调网络(自然微生物学2016)。该笔记本电脑的全部合集以重现结果。

Vázquez-Baeza等人将狗和人类炎症性肠病取决于重叠而明显的生态失调网络(自然微生物学2016)

https://www.nature.com/articles/nmicrobiol2016177

该笔记本电脑的全部合集以重现结果

https://github.com/ElDeveloper/dogs

12. powerlaw:用于分析重尾分布的Python包,由J. Alstott等人提出。手稿,ArXiv链接和项目存储库中的示例笔记本。

powerlaw:用于分析重尾分布的Python

https://code.google.com/archive/p/powerlaw/

项目存储库

https://github.com/jeffalstott/powerlaw

13. 支持云的允许提供快速,可重复的生物学见解的协作工具由B. Ragan-Kelley等人撰写。在主要的笔记本中,将相关的笔记本的完整合集并附有亚马逊AMI的信息以重现全文。

14. 一种用于计算归一化霰弹枪测序数据的无参考算法,由CT Brown等人提出。完整的笔记本,ArXiv链接和项目存储库。

完整的笔记本

https://nbviewer.jupyter.org/github/ged-lab/2012-paper-diginorm/blob/master/notebook/diginorm.ipynb

ArXiv链接

https://arxiv.org/abs/1203.4802

项目存储库

https://github.com/dib-lab/2012-paper-diginorm

15. 本地组的在宇宙环境运动学由J.E. Forero-Romero 等人撰写。全部笔记本以及所有数据可在GitHub库中找到。

本地组的在宇宙环境运动学

https://arxiv.org/abs/1303.2690

16. 海洋变暖威胁海洋生物,科学美国人的一篇文章,以笔记本为主要情节。由来自MarinExplore的Roberto de Almeida撰写。

海洋变暖威胁海洋生物

https://www.scientificamerican.com/article/warming-ocean-threatens-sea-life/

17. 由Wu,García,Hauert和Traulsen 撰写的推断进化游戏中的弱选择。PLOS Comp Bio论文和Fighare链接。

推断进化游戏中的弱选择

https://nbviewer.jupyter.org/github/juliangarcia/ews/blob/master/notebook.ipynb

PLOS Comp Bio论文

https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1003381

Fighare链接

https://figshare.com/articles/Extrapolating_weak_selection_in_evolutionary_games_source_code/814470

18.使用神经网络估计红移分布。一个CFHTLenS的应用程序,由Christopher Bonnett 撰写(提交给MNRAS)。

使用神经网络估计红移分布

https://nbviewer.jupyter.org/urls/bitbucket.org/christopher_bonnett/nn_notebook/raw/5e69b55193a229cb2076a2f18e43b45c56e317e0/T-800.ipynb

19. 由Jean-Luc R. Stevens,Judith S. Law,Jan Antolik和James A. Bednar撰写的 在初级视觉皮层中定位图的稳定,稳健和自适应开发机制。Journal of Neuroscience,33:15747-15766,2013。[Notebook1](https://ioam.github.io/topographica/_static/gcal_notebook.html),Notebook2。

在初级视觉皮层中定位图的稳定,稳健和自适应开发机制

http://www.jneurosci.org/content/33/40/15747

Notebook2

https://ioam.github.io/topographica/_static/stevens_jn13_notebook.html

20.加速随机基准,Christopher Granade, Christopher Ferrie and D. G. Cory撰写。新物理期刊17013042(2015),arXiv,GitHub repo。

加速随机基准

https://nbviewer.jupyter.org/github/cgranade/accelerated-randomized-benchmarking/blob/master/src/model_testing.ipynb

arXiv

https://arxiv.org/abs/1404.5275

GitHub repo

https://github.com/cgranade/accelerated-randomized-benchmarking

21. Tao Ding和Patrick D. Schloss撰写的人体微生物群落类型的动态和联系。笔记本复现的结果。

人体微生物群落类型的动态和联系

https://www.nature.com/articles/nature13178

笔记本复现的结果

https://nbviewer.jupyter.org/gist/pschloss/9815766/notebook.ipynb

22. Sylvester,Z.,Pirmez,C.,Cantelli,A。,Jobe,ZR 撰写的,海底通道弯曲度随纬度和坡度变化的变化。

海底通道弯曲度随纬度和坡度变化的变化

https://nbviewer.jupyter.org/gist/zsylvester/6040d0015b9b907bc788

23. 任务上下文的正顶表示支持M.L.的目标导向认知的灵活控制,由M.L. Waskom, D. Kumaran, A.M. Gordon, J. Rissman, & A.D. Wagner撰写。Github存储库 | 主笔记本

任务上下文的正顶表示支持M.L.的目标导向认知的灵活控制

http://www.jneurosci.org/content/34/32/10743.short

Github存储库

https://github.com/WagnerLabPapers/Waskom_JNeurosci_2014

主笔记本

https://nbviewer.jupyter.org/github/WagnerLabPapers/Waskom_JNeurosci_2014/blob/master/Behavioral_and_Decoding_Analyses.ipynb

24. pyparty:使用Python进行直观粒子处理,Adam Hughes 的笔记来生成已发布的数据 | 另外,查看pyparty教程笔记本。

pyparty:使用Python进行直观粒子处理

https://openresearchsoftware.metajnl.com/articles/10.5334/jors.bh/

生成已发布的数据

https://nbviewer.jupyter.org/github/hugadams/pyparty/blob/master/examples/Notebooks/JORS_data.ipynb?create=1

pyparty教程笔记本

https://github.com/hugadams/pyparty

25. 在进化的牡蛎中表明家族特异性DNA甲基化模式,Claire E. Olson,Steven B. Roberts doi:http://dx.doi.org/10.1101/012831。笔记本在论文中生成的结果。

在进化的牡蛎中表明家族特异性DNA甲基化模式

https://www.biorxiv.org/content/10.1101/012831v1

笔记本在论文中生成的结果

https://nbviewer.jupyter.org/github/che625/olson-ms-nb/blob/master/BiGo_dev.ipynb

26. 并行前缀多态性许可证并行化,演示和证明,Jiahao Chen and Alan Edelman, HPTCDL'14. 网站与笔记

网站

http://jiahao.github.io/parallel-prefix/

笔记

https://github.com/jiahao/ijulia-notebooks/blob/master/2014-08-06-parallel-prefix.ipynb

27. 转录组测序揭示了在SF3B1突变的癌症中进行隐蔽3'剪接位点选择的潜在机制,由Christopher DeBoever等人撰写。有几个笔记本可以复制结果并制作数字。

转录组测序揭示了在SF3B1突变的癌症中进行隐蔽3'剪接位点选择的潜在机制

https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1004105

28. 用于表征生物传感器的纳米颗粒单层的工作流程:真实和人工SEM图像的机器学习,由Adam Hughes,Zhaowen Liu,Maryam Raftari,Mark. EReeves撰写。笔记本在表1中链接在文本中。

用于表征生物传感器的纳米颗粒单层的工作流程:真实和人工SEM图像的机器学习

https://peerj.com/preprints/671/

29. AtomPy:天体物理应用的开放式原子数据管理环境,由C. Mendoza, J. Boswell, D. Ajoku, M. Bautista撰写。

AtomPy:天体物理应用的开放式原子数据管理环境

https://www.mdpi.com/2218-2004/2/2/123

30. 四维小行星可视化,选自科学美国人(作者:Jake VanderPlas)。

四维小行星可视化

https://blogs.scientificamerican.com/sa-visual/visualizing-4-dimensional-asteroids1/

31. 理解与宏基因组组装的微生物群落的挑战和机遇,附有IPython的笔记本教程,由Adina Howe and Patrick Chain撰写。

理解与宏基因组组装的微生物群落的挑战和机遇

https://www.frontiersin.org/articles/10.3389/fmicb.2015.00678/full

32. 剪切线极低的结构(2016)由Sergeev,DE,Renfrew,IA,Spengler,T.和Dorling,SR QJR Meteorol撰写。SOC。DOI:10.1002 / qj.2911。附笔记本生成已发布的数字。

剪切线极低的结构

https://rmets.onlinelibrary.wiley.com/doi/full/10.1002/qj.2911

附笔记本生成已发布的数字

https://github.com/dennissergeev/structure-of-a-shear-line-polar-low-notebooks

33. 检测非线性基因型 - 表型图中的高阶上位作用由Zachary R. Sailer和Michael J. Harms于2017年3月发表于Genetics。所有数据都可以通过这个Github报告中的笔记本复制。

检测非线性基因型 - 表型图中的高阶上位作用

http://www.genetics.org/content/205/3/1079

Github报告

https://github.com/harmslab/notebooks-nonlinear-high-order-epistasis

34. Stuart Geiger 对2017年GitHub开源调查的总结分析。2017年6月在SocArXiv预印本.doi:10.17605 / OSF.IO / ENRQ5。论文来自使用nbconvert转换为LaTeX的笔记本。笔记本和材料在:OSF,GitHub,nbviewer

Stuart Geiger 对2017年GitHub开源调查的总结分析

https://osf.io/preprints/socarxiv/qps53/

OSF

https://osf.io/enrq5/

GitHub

https://github.com/staeiou/github-survey-analysis

nbviewer

https://nbviewer.jupyter.org/github/staeiou/github-survey-analysis/blob/master/github-survey-descriptive-stats.ipynb

35. 怪异SDSS星系:结果来自异常值检测算法,由D. Baron and D. Poznanski撰写。以复现的笔记本。

怪异SDSS星系:结果来自异常值检测算法

https://arxiv.org/abs/1611.07526

以复现的笔记本

https://github.com/dalya/WeirdestGalaxies

36. Clustergrammer,一种用于高维生物数据的基于网络的热图可视化和分析工具,由Nicolas Fernandez等人提出。笔记本:图3,图4,图5

Clustergrammer,一种用于高维生物数据的基于网络的热图可视化和分析工具

https://www.nature.com/articles/sdata2017151

图3

https://nbviewer.jupyter.org/github/MaayanLab/CST_Lung_Cancer_Viz/blob/master/notebooks/CST_Data_Viz.ipynb

图4

https://nbviewer.jupyter.org/github/MaayanLab/Cytof_Plasma_PMA/blob/master/notebooks/Compare_Cell-Type_Distribution_PMA_Treatment.ipynb

图5

https://nbviewer.jupyter.org/github/MaayanLab/CCLE_Clustergrammer/blob/master/notebooks/Clustergrammer_CCLE_Notebook.ipynb

37. 社会学:两个英国出生队列中一般认知能力社会阶级不平等的调查。2017年12月在SocArXiv预印本.doi:10.17605 / OSF.IO / SZXDM。笔记本和材料在:OSF,GitHub,nbviewer。

社会学:两个英国出生队列中一般认知能力社会阶级不平等的调查。

https://osf.io/preprints/socarxiv/szxdm/

38. Fischer等人于2016年11月推出的用于自身非经典光的片上架构, Quant-ph ArXiV预印本。一个用于所有的计算支持的笔记本包含在提交的arXiv。

用于自身非经典光的片上架构

https://arxiv.org/abs/1611.01566

39. 用于目标搜索来自脉冲星的连续引力波的嵌套采样代码,gr-qc ArXiV preprint,2017年5月,由Pitkin等人提出。在GitHub上提供支持笔记本和源代码的完整报告。

用于目标搜索来自脉冲星的连续引力波的嵌套采样代码

https://arxiv.org/abs/1705.08978

40. HyperTools:用于可视化和操作高维数据的Python工具箱,由Heusser等人提供的stat.OT ArXiV预印本。可以使用伴随笔记本的repo,链接到库本身HyperTools。

HyperTools:用于可视化和操作高维数据的Python工具箱

https://arxiv.org/abs/1701.08290

41. 非正弦β振荡反映帕金森氏病的皮质病理生理学, Cole等人的Journal of Neuroscience。带有所有必要数据的笔记本的报告可用于重现所有数据。

非正弦β振荡反映帕金森氏病的皮质病理生理学

http://www.jneurosci.org/content/37/18/4830

42. Cole&Voytek在bioRxiv中对神经振荡进行逐周期分析。带有所有必要数据的笔记本的报告可用于重现所有数据。此repo还链接到相关的有用库,neurodsp,其中包含教程的笔记本。

Cole&Voytek在bioRxiv中对神经振荡进行逐周期分析

https://www.biorxiv.org/content/10.1101/302000v1

笔记本

https://github.com/voytekresearch/Cole_2018_cyclebycycle

7. 数据为主的新闻

数据新闻开放的必要,Brian Keegan。

数据新闻开放的必要

https://nbviewer.jupyter.org/github/brianckeegan/Bechdel/blob/master/Bechdel_test.ipynb

圣路易斯县的隔离分析,文章的分析弗格森地区比你可能猜到的更加分离,由Jeremy Singer-Vine撰写。

圣路易斯县的隔离分析

https://github.com/BuzzFeedNews/2014-08-st-louis-county-segregation

摘自魁北克省的论文,由Jean-Hugues Roy 撰写(法文)。

摘自魁北克省的论文

https://github.com/jhroy/theses/blob/master/theses.ipynb

8. 异想天开的笔记本

使用Matplotlib创建的XKCD样式图。这是博客文章的讨论版本。由Jake van der Plas提供。

使用Matplotlib创建的XKCD样式图

https://nbviewer.jupyter.org/url/jakevdp.github.com/downloads/notebooks/XKCD_plots.ipynb

梵高的星夜与ipythonblocks,Matt Davis的ipythonblocks的一部分。这是一个与IPython笔记本一起使用的教学工具,它提供了理解编程概念的可视元素。

梵高的星夜与ipythonblocks

https://nbviewer.jupyter.org/github/jiffyclub/ipythonblocks/blob/master/demos/starry_night_to_text.ipynb

康威的生命游戏。有趣的使用卷积运算来计算游戏板的下一个状态,而不是明显找到邻居并过滤下一个状态的板。

康威的生命游戏

https://nbviewer.jupyter.org/gist/jiffyclub/3778422

pynguins。使用jupyter notebook,python和numpy解决棋盘游戏“Penguins on Ice”。

pynguins

https://nbviewer.jupyter.org/gist/denfromufa/9a5e1fdeaf611dc60ea8

“人物情节”,用matplotlib生成的数字。

“人物情节”

https://nbviewer.jupyter.org/gist/theandygross/4544012

显示转换器迷你教程,也可以在博客文章中找到。你想直接从IPython笔记本制作静态html / css幻灯片吗?好的,现在你可以用揭示转换器(nbconvert)来做。由DamiánAvila 演示。

个人IPython体重笔记本。根据预后和动机特征描绘您的体重减轻。

个人IPython体重笔记本

https://nbviewer.jupyter.org/gist/anixdorf/9769238

IPython NB中的流双摆模拟。

https://nbviewer.jupyter.org/github/plotly/python-user-guide/blob/master/s7_streaming/s7_streaming.ipynb

Porque Charles Xavier debe cambiar是一个关于脑的一项研究,由MarGiménez和Angela Rivera在Marvel漫画世界中进行数据和性别研究。

Porque Charles Xavier debe cambiar是一个关于脑的一项研究

https://nbviewer.jupyter.org/github/mshopper/aurora/blob/master/Aurora.ipynb

功能几何:解构MC Escher woodcut 平方限制,由Shashi Gowda设计的IJulia笔记本。

功能几何:解构MC Escher woodcut 平方限制

https://nbviewer.jupyter.org/github/shashi/ijulia-notebooks/blob/master/funcgeo/Functional%20Geometry.ipynb

使用Jupyter Noteboook解决物理难题。

https://notebooks.azure.com/null/projects/null/html/Snake%20Puzzle%20Solver.ipynb

9. 广泛使用的IPython视频

当然,您可能尝试的第一件事是搜索关于IPython的视频(Youtube上的最后一次计数是1900左右)但是有其他应用程序的演示使用了IPython的强大功能,但在描述中未提及。以下所示:

关于如何学习Python的视频,将IPython作为学习的首选平台!

视频

https://www.youtube.com/watch?v=Nc16qeGBtMU

该视频显示了在scikit-learn项目中使用的IPython

该视频

https://www.youtube.com/watch?v=4ONBVNm3isI

他没有展示使用过的IPython,但在整个视频中他的IPython标签清晰可见:规划和抚育花园:幼儿期的未来Python教育

规划和抚育花园:幼儿期的未来Python教育

https://www.youtube.com/watch?v=op61s-QHryk

Wes McKinney关于Python和数据分析的演讲以及他的Python for Data Analysis一书中提到了IPython

Wes McKinney关于Python和数据分析的演讲

https://www.youtube.com/watch?v=qbYYamU42Sw&feature=youtu.be&t=5m9s

Python for Data Analysis

http://shop.oreilly.com/product/0636920023784.do

该视频显示了在蒙特利尔Python聚会上使用的Plotly和IPython。

该视频

https://www.youtube.com/watch?v=zG8FYPFU9n4

10. 通过笔记本访问和编程IBM量子计算

Github笔记本示例(向下滚动)说明如何使用Qiskit并访问IBMQ量子计算机。

Github

https://github.com/Qiskit/qiskit-tutorials/blob/master/index.ipynb

原文标题:

A gallery of interesting Jupyter Notebooks

原文链接:

https://github.com/jupyter/jupyter/wiki/A-gallery-of-interesting-Jupyter-Notebooks

THU数据派
THU数据派

THU数据派"基于清华,放眼世界",以扎实的理工功底闯荡“数据江湖”。发布全球大数据资讯,定期组织线下活动,分享前沿产业动态。了解清华大数据,敬请关注姐妹号“数据派THU”。

理论数据分析机器学习IPythonJupyter
相关数据
亚马逊机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

Julia技术

Julia 是MIT设计的一个面向科学计算的高性能动态高级程序设计语言,项目大约于2009年中开始,2018年8月JuliaCon2018 发布会上发布Julia 1.0。据介绍,Julia 目前下载量已经达到了 200 万次,且 Julia 社区开发了超过 1900 多个扩展包。这些扩展包包含各种各样的数学库、数学运算工具和用于通用计算的库。除此之外,Julia 语言还可以轻松使用 Python、R、C/C++ 和 Java 中的库,这极大地扩展了 Julia 语言的使用范围。

基准技术

一种简单的模型或启发法,用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

假阳性技术

假阳性是指模型因为种种原因把不应该分类成特定情况的人/物错误地分类到了该分类的情况。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

非负矩阵分解技术

数据管理技术

数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程,其目的在于充分有效地发挥数据的作用。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

正则化技术

当模型的复杂度增大时,训练误差会逐渐减小并趋向于0;而测试误差会先减小,达到最小值后又增大。当选择的模型复杂度过大时,过拟合现象就会发生。这样,在学习时就要防止过拟合。进行最优模型的选择,即选择复杂度适当的模型,以达到使测试误差最小的学习目的。

Jupyter技术

Jupyter Notebook(此前被称为 IPython notebook)是一个交互式笔记本,支持运行 40 多种编程语言。 Jupyter Notebook 的本质是一个 Web 应用程序,便于创建和共享文学化程序文档,支持实时代码,数学方程,可视化和 markdown。 用途包括:数据清理和转换,数值模拟,统计建模,机器学习等等 。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

量子计算技术

量子计算结合了过去半个世纪以来两个最大的技术变革:信息技术和量子力学。如果我们使用量子力学的规则替换二进制逻辑来计算,某些难以攻克的计算任务将得到解决。追求通用量子计算机的一个重要目标是确定当前经典计算机无法承载的最小复杂度的计算任务。该交叉点被称为「量子霸权」边界,是在通向更强大和有用的计算技术的关键一步。

暂无评论
暂无评论~