财务报表-养老金（CSC计算和股权激励）
一.CSC计算
1.final salary
2.annual payment of pension=final salary*%*N
3.PV of retirement/lump sum received at retirement=PV[sum annual payment of pensions]
4.annual unit credit=PV of retirement/N
5.每期CS
人工智能
【WGCNA学习笔记】两次相关性分析
纸上得来终觉浅，绝知此事要躬行
学习要明确输入输出，多举例子，多找到应用场景，多进行检索练习——费曼学习法
之前总感觉WGCNA已经学习的差不多了，已经能够实际使用了，结果时间一长，就会把这个技能给生疏了，所以，记录下学习的过程，有助于自己的认识深入。
学习金字塔
WGCNA的两次相关性分析
第一次相关性分析
WGCNA第一次实际上是把众多的基因进行了一个归类，将具有
clickhouse-HDFS
参考文档
前言
在hdfs格式ck能解析的情况下，比如CSV,TSV等，可以在ck中建立一个映射表。读取hdfs中的数据，使用ck来分析。需要注意的是如果uri路径中包括了Globs模糊匹配符号，那么说明ck只是映射hdfs中的文件，是只读的。如果写入会
1分钟极速生成简历表单，AI与Flash Table实战让你领先一步
前言过去，开发和业务人员在制作复杂表单时，常常遇到流程繁琐、效率低下等问题。传统开发方式不仅耗时，还容易出现数据整合和交互设计的难题。现在有一个热门了低代码平台Flash Table，它简化了表单开发流程，让用户可以更快地创建和管理复杂表单，提高了整体效率。现在，开发者处理数据和交互问题变得更加轻松
数据迁移工具DataX入门
一、DataX是什么
DataX是阿里巴巴开源的离线数据同步工具，实现了包括主流RDBMS数据库、NoSQL、大数据计算系统在内的多种异构数据源之间高效进行数据同步的功能。
二、为什么要使用DataX
DataX设计理念
为了解决异构数据源的同步问题，DataX将复杂的网状同步链路优化成了星型数据链路，由DataX作为中间传输载体来负责连接各种数据源，以此来降低整个异构数据源同步链路的
图神经网络：GAT图注意力网络原理和源码解读（tensorflow）
标签：图神经网络，图注意力网络，注意力机制，GAT，tensorflow
本文内容分为三块：
GAT原理扫盲
GAT源码阅读（tensorflow）
GAT源码链路分析
GAT的GraphSAGE策略实现分析
原理初步理解
（1）从GNN，GCN到GAT
先看个哔哩哔哩视频理解一下，链接地址GAT原理视频链接
GNN学习的是邻居节点聚合到中心的方式，传统的GNN对于邻居节点采用求和/求平均的
hdWGCNA：单细胞WGCNA分析方法
WGCNA原理和分析流程
单细胞WGCNA分析方法+随机森林
0. 数据准备
输入数据集的要求：已经进行了如下分析的Seurat对象
导入演示数据
#官方演示数据集
wget
seurat_obj <- readRDS('Zhou_2020.rds')
深度学习&PyTorch 之 DNN-回归
前面文章讲了PyTorch的基本原理，本篇正式用PyTorch来进行深度学习的实现。
一、基本流程
PyTorch建模的基本流程如下：
graph LR
A[数据导入] --> B[数据拆分]
B[数据拆分] --> C[Tensor转换]
C[Tensor转换] --> D[数据重构]
D[数据重构] --> E[模型定义]
E[模型定义] --> F[模型训练]
《二次函数y=aⅹ^2的图象和性质》教学反思
每年教学二次函数y=αx^2的图象和性质时，以前每次都按教材的顺序，首先，用描点法画y=ax^2的图象，介绍开口方向、对称轴、顶点坐标，最低点等。其次，分别在同一个平面直角系中画函数y=(1/2)x^2、y=2x^2、y=x^2的图像再从开口方向、顶点坐标、对称轴、增减性、最值等五个方面归纳它们的性质，第三，再画y=(-1/2)x^2、y=-2x^2、y=-x^2的图象，然后又从这五个方面进行归纳
