推荐语: 推荐一个小工具 jsonlines. python 中 json 包已经可以覆盖大部分场景,但是如果文件很大/读写多个同文件不同 json 可以尝试 jsonlines
推荐人: 任焱
链接: https://jsonlines.readthedocs.io/en/latest/
推荐语: 看到一个旅行地图,很有意思的呈现方式(眼前一亮)不妨点开一下感受一下新的记录方式,代码开源,自己做类似总结也可以参考一下。
推荐人: 任焱
链接: https://georgios.quarto.pub/a-visual-journey-through-world-exhibitions/
推荐语: 在复杂的多源数据统计模型中,常见的结构假设有分组结构、低秩结构等。当存在不满足上述结构的异常个体时,如何得到模型的稳健估计?本文采用了多任务学习的方法,利用个体之间的相似性,设计出一套自适应的稳健学习方法,能够应对上述存在于复杂实际数据中的异常值问题。
推荐人: 任怡萌
doi:: 10.1214/23-AOS2319
推荐语: 这篇文章简要介绍了如何使用 R 中的 {reactable} 包来创建交互式和视觉上吸引人的表格,提供了自定义列、添加摘要和美化表格的分步示例,非常适合需要提升数据展示效果的用户。
推荐人: 王祎帆
链接: https://albert-rapp.de/posts/28_reactable_intro/28_reactable_intro.html
推荐语: Posit 公司最近发布 Positron release,Positron 的定位是下一代数据科学IDE,支持 R/Python,基于 VSCode 定制开发,安装后开箱即用 R 和 Python、以及 Jupyter Notebook。
推荐人: 宋文轩
链接: https://github.com/posit-dev/positron, BV1ebhWeFEQk(我翻译的一个安装和使用视频)
推荐语: 在 meta 分析中,常常出现需要均值和标准差来计算总效应、而文献只给出了最大最小值、两个四分位数和中位数的情况,此时可以通过${a, q_1, m, q_2, b}$这 5 个统计量来估计均值和标准差。Shi et al. (2020) 和 Luo et al. (2018)的文章总结了 3 种情形下的对均值和标准差的估计并给出了在${a, q_1, m, q_2, b}$情况下的最优估计。
推荐人: 宋文轩
链接: https://pubmed.ncbi.nlm.nih.gov/32562361/, https://pubmed.ncbi.nlm.nih.gov/27683581/, https://www.math.hkbu.edu.hk/~tongt/papers/median2mean.html
推荐语: 一个很不错的网站,里面有大量modern深度学习方法的代码实现,并且附带非常详细的讲解(中英文都有),包括Transformer,LoRA,Diffusion,GAN,GNN,RL等等。界面也非常漂亮,GitHub获得54k Stars,墙裂推荐
推荐人: 王子翀
链接: https://nn.labml.ai/index.html, https://github.com/labmlai/annotated_deep_learning_paper_implementations
推荐语: 统计学如何在大模型时代有所作为,是统计学界最关注的话题之一。Stanford的Emmanuel Candès在ASA SLDS给了一个有趣的talk,题为Statistical methods for assessing the factual accuracy of large language models, 在油管有录屏。
推荐人: 陈格平
链接: https://youtu.be/fsgyllS43KY?si=3cAGiaSrvXxPdzyw
推荐语: 看到一篇总结物理和机器学习相关算法的文章,比较综述,蛮有意思的
推荐人: 王子翀
链接: https://mp.weixin.qq.com/s/2mu4_c--CggMzPI_JsRF4g
推荐语: 一个有趣的算法包surreal,可以把你的图片(二维格点形式)加密藏进数据集,然后从线性回归的残差图中恢复出来。
推荐人: 孔令仁
链接: https://r-pkg.thecoatlessprofessor.com/surreal/
推荐语: 奇怪的模因(meme)meme增加了!memery包提供了把R语言图表与meme图结合的功能,让你可以用meme图引人注意,为数据呈现增加趣味。
推荐人: 孔令仁
链接: https://leonawicz.github.io/memery/
推荐语: 一个vscode插件(comment-formula),可以在代码的注释中直接显示latex,非常方便。对于一些公式不多的情况很方便,直接原地显示,如果公式比较多的话还是jupyter叭,这个插件对大型公式、多行情况支持稍差,需要鼠标移动到公式上才能preview
推荐人: 王子翀
link: https://marketplace.visualstudio.com/items?itemName=howcasperwhat.comment-formula
推荐语: 一篇很全的diffusion综述,里面的数学推导也非常详细,想入坑diffusion的是不错的选择
推荐人: 王子翀
链接: https://arxiv.org/pdf/2208.11970
推荐语: nala是一个基于python的apt前端,相比于apt更加容易理解和操作,而且支持并行下载包,还有自动识别Debian/Ubuntu的能力,值得一试。
推荐人: 孔令仁
发表/查看评论