跟着Nature学作图:R语言ggplot2频率分布直方图和散点图添加误差线 论文 A saturated map of common genetic variants associated with human height s41586-022-05275-y.pdf 代码没有公开,但是作图数据基本都公开了,争取把每个图都重复一遍 今天的推文重复论文中的extend 人工智能 2025年05月10日 158 点赞 0 评论 17726 浏览
一文读懂 AI 2022年11月30日,OpenAI发布了ChatGPT,2023年3月15日,GPT-4引发全球轰动,让世界上很多人认识了ai这个词。如今已过去快两年半,AI产品层出不穷,如GPT-4、DeepSeek、Cursor、自动驾驶等,但很多人仍对AI知之甚少,尤其是“NLP”࿰ 人工智能 2025年04月22日 80 点赞 0 评论 17744 浏览
k8s集群StatefulSets的Pod优雅调度问题思考 1.聊聊什么是StatefulSet的分区滚动更新吧?什么场景可以使用分区更新?什么情况分区更新会失效? 先说一下StatefulSet的更新策略 StatefulSet的.spec.updateStrategy 字段可以配置和禁用掉自动滚动更新 Pod 的容器、标签、资源请求或限制、以及注解。 spec.updateStrategy 有两个允许的值:RollingUpdate和OnDelet 人工智能 2025年05月02日 190 点赞 0 评论 17755 浏览
重构实时离线一体化数仓,Apache Doris 在思必驰的应用实践 作者:赵伟,思必驰大数据高级研发,10年大数据开发和设计经验,负责大数据平台基础技术和OLAP分析技术开发。社区贡献:Doris-spark-connector 的实时读写和优化。 业务背景 思必驰是国内专业的对话式人工智能平台公司,拥有全链路的智能语音语言技术,致力于成为全链路智能语音及语言交互的平台型企业,自主研发了新一代人机交互平台 DUI 和人工智能芯片 TH1520,为车联网、IoT 人工智能 2025年05月12日 36 点赞 0 评论 17763 浏览
iMAP: 单细胞数据整合工具天花板 说在前面 Immugent在前段时间的一篇推文中:SciBet:一个软件解决单细胞注释所有烦恼介绍了张泽民老师课题组开发的单细胞注释软件:SciBet。本次,生信宝库继续推出精品,介绍一下同样是张泽民老师在2021年开发出的对单细胞数据集进行整合的软件:iMAP。 相应的文章发表在Genome Biology杂志上,篇名为“iMAP: integration of multiple single- 人工智能 2025年06月18日 70 点赞 0 评论 17785 浏览
Apache Doris——简介 1.概述 Apache Doris 是一个基于MPP架构的高性能实时分析 OLAP 引擎,以其极快的速度和易用性而闻名。 它只需要亚秒的响应时间即可在海量数据下返回查询结果,并且不仅可以支持高并发点查询场景,还可以支持高吞吐量复杂分析场景。 Apache Doris是一个现代化的MPP分析型数据库产品。仅需亚秒级响应时间即可获得查询结果,有效地支持实时数据分析。Apache Dori 人工智能 2025年05月01日 167 点赞 0 评论 17818 浏览
基于 Ollama DeepSeek、Dify RAG 和 Fay 框架的高考咨询 AI 交互系统项目方案 基于 Ollama DeepSeek、Dify RAG 和 Fay 框架的高考咨询 AI 交互系统 一、项目概述 本项目旨在构建一个智能化的高考咨询助手,结合 AI 大模型、知识增强(RAG)和 3D 数字人交互,为用户提供智能高考问答、志愿填报建议、政策解读等功能。系统的核心架构如下: AI 处理层:基于 人工智能 2025年05月10日 179 点赞 0 评论 17826 浏览
R绘图配色总结 日常瞎掰 一图胜千言,说明了其作为一种展现形式在呈现数据结果时的重要性。虽说图的本质是用来展示结果,其最主要的功能是以简单的形式说明数据中蕴含的意义,但有时候好看的外表也是一种加分项,例如图型的布局,颜色搭配等。好的颜色搭配不仅看起来赏心悦目,更重要的作用应该是能增加数据中的辨识度,给人一目了然的感觉,而不是晕倒在五彩斑斓的迷离中。虽然俺也不善于颜色搭配,但这并不妨碍咱站在巨人的肩膀上来为图增 人工智能 2025年05月01日 191 点赞 0 评论 17928 浏览
「碎语杂记」有些东西,可能不是那样 昨天,闲聊,谈到了数学问题,说得更具体一些,是概率问题。 最简单的抛硬币问题。 正面朝上和反面朝上的概率应该是一样的,各占50%。 抛两次硬币,应该有三种结果,两次全是正面朝上,两次全是反面朝上,正面反面各占一次,概率分别是25%、25%和50%。 于是,有些同志以为,如果第一次是反面朝上,那么第二次正面朝上的概率就应该比反面朝上的概率大。 其实不是那回事儿。 每一次抛硬币,正面朝上 人工智能 2025年05月25日 162 点赞 0 评论 18181 浏览