- 2024 年
- 11 月
- 10 月
- 9 月
- 8 月
- 7 月
- 6 月
- 5 月
- 4 月
- 3 月
- 2 月
- 1 月
- 2023 年
- 12 月
- NEJM医学前沿23年4季度文章集锦
- 镇静药物
- 肺部并发症 PPC
- 古麻今醉23年4季度文章集锦
- GLUE 通用语言理解评估
- 光流 Optical Flow
- Perceiver IO_一种适用于通用输入输出的多模态架构
- 上下文无关语法 CFG
- 语言模型的物理学 1：含深层逻辑的语法树
- 特征选择
- 语言模型的物理学 3.1：知识存储和提取
- HATR：基于分层自适应时间关系网络的股票预测
- MFN：纳入专家投资信号的多视图融合网络
- Python 管理版本和包
- 0.《快思慢想》简介
- FAST：基于分层学习的股票预期利润排名
- MSSPM：联合学习细粒度事件抽取与股票预测
- 2005–2020年中国地区癌症与死亡率数据分析
- CBMM 2023 专题讨论：AI 时代的智能研究
- 论文期刊_医药生物领域
- Streamlit-Extras 第三方组件
- Bilibili 评论-查理芒格经典演讲总结
- 11 月
- 辛辣食品摄入量与部分胃肠道癌症的风险负相关
- SWE-BENCH：2294 个 GitHub 真实问题
- GAIA：466个精心设计的问题和答案
- 互联网广告_名词解释
- 《深度学习500问》总结
- 12_19《深度学习500问》训练部署
- 8_11《深度学习500问》网络进阶
- 4_7《深度学习500问》神经网络
- 1_3《深度学习500问》基础篇
- 龙猫法则：训练计算最优的大语言模型
- 向量数据库
- 7.《Docker 从入门到实践》其他技巧与补充
- 6.《Docker 从入门到实践》安全与底层实现
- 大语言模型幻觉问题调研
- 主板入门
- 5.《Docker 从入门到实践》Docker 拓展项目
- 4.《Docker 从入门到实践》数据挂载与网络配置
- QuickAdd 个人使用总结
- Git进阶技巧
- 中药与马兜铃酸
- 3.《Docker 从入门到实践》容器与仓库
- Docker 镜像优化
- 2.《Docker 从入门到实践》镜像与Dockerfile
- Python 常用技巧
- 1.《Docker 从入门到实践》基本概念
- 《Docker从入门到实践》总结
- 10 月
- 9 月
- 8 月
- 7 月
- 6 月
- 5 月
- 4 月
- 3 月
- Optuna-超参优化
- 8.《Python数据分析》数据的联接、合并与重塑
- TPE：基于贝叶斯的超参优化算法
- 核密度估计
- 贝叶斯优化
- 7.《Python数据分析》数据清洗和准备
- 6.《Python数据分析》数据加载与存储
- 5.《Python数据分析》pandas入门
- 4.《Python数据分析》numpy基础：数组和向量计算
- 3.《Python数据分析》Python数据结构、函数和文件
- 2.《Python数据分析》Python基础、IPython与Jupyter
- 1.《Python数据分析》准备工作
- 开源大模型及衍生工具汇总
- 乌巴·巴特勒（Oobah Butler）
- 20230321配置CUDA和cuDNN
- 高斯过程回归
- hyperopt-超参优化
- 字符编码基础
- 排版作图网站分享
- 建站记录2023
- PyCaret-低代码机器学习
- TableOne-统计检验一体化
- jekyll 快速入门
- 中介效应分析
- 古麻今醉23年1季度文章集锦
- 一次性密码算法
- 围手术期管理中心贫血指南对麻醉科医师的启示
- 2 月
- 1 月
- 12 月
- 2022 年
- 12 月
- 11 月
- 10 月
- 9 月
- 8 月
- 7 月
- 6 月
- 5 月
- 4 月
- 3 月
- 2 月
- 1 月
- 2021 年
- 12 月
- 针对时序数据挖掘的新方法-Shapelets
- 基于趋势特征表示的shapelet分类方法
- 医药类数据资源
- 列奥纳多·达·芬奇
- 4.《动手学深度学习》多层感知机
- 基于电子病历的嵌入式个性临床特征表示
- 3.《动手学深度学习》线性神经网络
- Python 优质模块汇总
- Bilibili-不配做寿光的农村人
- Bilibili-山西大同的资源诅咒
- 企业协作wiki类项目
- 知识整合类资源汇总
- 模块导入耗时分析
- 2.《动手学深度学习》预备知识
- 20211212 B站音乐大赏（第三弹）
- 1.《动手学深度学习》前言
- NLP 类数据资源
- 20211204 B站音乐大赏（第二弹）
- MIT18.01单变量微积分-课程总结
- 35.多变量微积分-期末复习
- 34.泰勒级数
- 11 月
- AutoML项目
- 33.无穷级数和收敛判定
- 32.反常积分
- 31.不定型与洛必达法则
- 30.第四次复习
- 29.极坐标和极坐标下的面积
- 28.参数方程、弧长、表面积
- 自动调参
- Python 操作数据库工具总结
- 常见分词项目汇总
- 趣味 AI 类工具网站
- 27.分部积分
- 20211121B站音乐大赏
- 20211120环球影城一日游
- 26.部分分式
- 基于可解释性针对脓毒症幸存者二次ICU病死率的风险因子探索
- 25.反向变量替换与配方
- Kettle快速入门
- 综合性数据资源
- 24.三角函数积分与三角替换
- Minio基本介绍
- AmazonS3基本介绍
- Git常用技巧
- Git快速入门
- 23.多变量微积分-第三次复习
- 人体部位组成
- 2.ElasticSearch基础操作
- 1.ElasticSearch基本概念
- 22.数值积分
- 常用医学用语
- 常用医学指标
- 10 月
- Syncthing介绍与入门
- Docker 常用技巧
- 书籍列表
- 论文列表
- 建站记录2021
- 编写高质量代码改善 Python 程序的 91 个建议-总结
- 8.《Python高质量代码的91个建议》性能剖析与优化
- 7.使用工具辅助开发
- 6.《Python高质量代码的91个建议》内部机制
- 5.设计模式
- 4.《Python高质量代码的91个建议》库
- 3.基础语法
- 2.《Python高质量代码的91个建议》编程惯用法
- 1.《Python高质量代码的91个建议》引论
- 2.面试需要的基础知识
- 1.面试的流程
- 21.功、平均值、概率
- 20.圆盘法与壳层法求体积
- 19.定积分的应用（对数与几何）
- 18.微积分第二基本定理
- 域名备案
- 17.微积分第一基本定理
- 16.定积分
- 15.微分方程和变量分离法
- 14.无穷小量和不定积分
- 13.中值定理及不等式
- 12.牛顿迭代法及应用
- 11.相关变率
- 10.最值问题
- 9.曲线构图
- 特征工程-知识树
- 8.线性近似和二阶近似
- 7.单变量微积分-第一次复习
- 6.指数和对数的导数
- 5.隐函数微积分和逆函数求导
- 9 月
- 4.链式法则及高阶导数
- 信息论基础
- 随机森林-知识树
- 3.求导公式和三角函数
- 2.极限和连续
- 1.导数和变化率
- 基于角色标注的中国人名自动识别研究
- 蒙特卡洛法
- 模拟退火法
- 遗传算法
- Wechaty基本入门（老版）
- Anaconda基础知识
- Jupyter-知识树
- Jupyter出题（第一期60个）0920
- anaconda-知识树
- 社会工程-目录总览
- 高级机器学习-目录总览
- Erebus-目录总览
- 强类型与弱类型
- 线性代数基础
- 损失函数
- 特征工程
- 基础神经元
- word2vec 系列
- 集成算法
- 树算法族
- 回归算法族
- 梯度下降法族
- 坐标轴下降法
- 支持向量机
- 最小二乘法
- 最小角回归
- 金融常见理论
- 量化投资指标
- 基金的分类
- 股票交易术语
- MATLAB进阶
- MATLAB常用绘图
- MATLAB基础
- MATLAB常用函数
- skleran数据集
- seaborn快速入门
- Python 读取xml文件
- 统计分析总结
- 数据分析评价指标
- 时间序列分析
- 数据处理技巧
- 维度灾难
- Docker 快速上手
- 课程列表
- 经济与环境关系测度
- 第一代V-ger回顾
- Leo Breiman
- 基于Excel的数据分析和可视化-课程总结
- 贝叶斯算法
- 粒子群算法
- CodeSheep的浏览器收藏夹
- 机器学习和高频交易实战记录
- PicGo配置手册
- 统计建模的两种文化
- PicGo快速上手
- PicGo高级技巧
- PicGo简单介绍
- 二维码美化经验分享
- OpenCV介绍与入门
- 局部线性嵌入
- Obsidian-常用插件总览
- MarkDown语法
- Obsidian-第三方教程
- MySQL 基本使用
- 基于Excel的数据分析和可视化05
- LaTex快速入门
- Jupyter 基础知识
- 基于Excel的数据分析和可视化04
- 基于Excel的数据分析和可视化03
- 基于Excel的数据分析和可视化02
- 基于Excel的数据分析和可视化01
- 8.《机器学习与神经网络》循环神经网络RNN(二)
- 7.《机器学习与神经网络》循环神经网络RNN(一)
- 6.《机器学习与神经网络》模型优化：如何加快学习
- 5.《机器学习与神经网络》用神经网络进行物体识别
- 4.《机器学习与神经网络》词的向量表达
- 3.《机器学习与神经网络》反向传播过程
- 2.《机器学习与神经网络》感知器的学习过程
- 8 月
- 7 月
- 3 月
- 12 月
文章归档