PANDA

生物医学大数据 - 蛋白质定量 现今肽段定量效率存在巨大差异。比如相同质量蛋白质，但是肽段和蛋白信号不均一，在物理条件一致时，仅有 70% 的重复率，并且当重复次数变多时， overlapping 在变少。 无标定量法 方法一是针对二级色谱的谱图计数，即统计二级色谱的数量，数量越多则蛋白丰度越高，但相同丰度蛋白也有不同的二级色谱数，所以算法目的是减少噪音。 方法二是针对一级色谱的离子流色谱峰 XIC ，即每个肽段的离子流色谱峰，可以取同一个肽段不同时间点上的信号强度，连接成峰，通过求该曲线的曲线下面积获取曲线信息，通过采集同一个肽段的所有信息利用交叉搜索策略，相互比对后填补丢失量： 在交叉搜索策略中，使用 RT 对对齐，分别是全局比对和局部比对，最后为了克服系统误差而进行归一化处理，比如 max 归一化是指将一组数据中的最大值定为 1 ，每组都是同样标准。可以基于谱图数据库找到该二级色谱对应的序列，也可以统一过一级图谱的特征搜索 AMT 数据库。 基因组与蛋白质在实验技术上的差异，基因组测序重复性好，但是蛋白质质谱实验可重复性低。 脚本串接 software 无标定量软件，常用的 XIC 无标定量软件有 : LFQuant 可以对谱图数据进行多级过滤，保留时间对齐和有较好的准确性评估和重复性评估 谱图计数速度快但是精度低和动态范围小，而 XIC 主要采用搜库能省时且准确

（转载作者请注明出处） 废话不多说，直接上货.... 思想和方法才是灵魂 前期提要： Python | Pandas 快速处理文本数据 2020年数据分析必知必会（八）：使用pandas查询数据和统计分析的应用（短小但强大） 2020年数据分析必知必会（七）：pandas入门与数据结构基础 Pandas 是强大的开源数据分析和处理工具，建立在Python编程语言的基础上。 在本文中，我将展示有关 Pandas DataFrame的 相关技巧，以使得某些编程小白在实践的时候更容易一些。 由于这段时间以来， COVID-19 Data 库API出 现链接或者可能 屏蔽的情况 ，因此建议在GitHub手动下载数据集 开 本文分析的数据集为2020/07/10的数据集： https://github.com/CSSEGISandData/COVID-19/blob/master/csse_covid_19_data/csse_covid_19_daily_reports/07-10-2020.csv 1、pandas测试打印数据 使用 分组函数groupby reset_index重置index sum内部求和 源码如下： 打印csv文件中的所有数据： 打印指定的分组数据内容 打印指定分组数据 2、输出数据行列 输出csv文件中的列 输出其中的元素 输出csv文件数据的第一行

定义 二分图是图论的一种特殊模型. 若 $G=<V, E>$ 是一个无向图, 如果顶点V可分割为两个不相交的子集 $(X, Y)$, 且图中的每条边 $(i, j)$均满足$i \ in X, j \in Y$, 则称图$G$为一个二分图。 二分图判定 无向图 $G=<V, E>$ 为二分图的充要条件是G的所有回路的长度均为偶数。 反证法/染色法易证 一些概念 记一般图 $G=(V,E)$. 匹配: 在图G的一个子图M中，M的边集E中任意两条边都不依附于同一个顶点, 则称M是一个匹配. 匹配点: 匹配边上的点 匹配数: 匹配 $M$ 的边集 $E$ 的大小 对于一个匹配$M=(V', E')$, $2|E'| = |V'|$ 极大匹配(Maximal Matching): 指匹配 $M$无法通过增加未匹配的边的方式来增加匹配的边数. 最大匹配(Maximum Matching): 所有极大匹配当中边数最大的一个匹配. 完美匹配(完备匹配)：一个图中所有的顶点都是匹配点的匹配, 即 $2|M| = |V|$. 完美匹配一定是最大匹配, 但并非每个图都存在完美匹配. 最优匹配(带权最大匹配): 在带有权值边的图中，匹配边上的权值和最大的匹配. 二分图中, 一般X和Y集合顶点个数相同, 最优匹配也是一个完备匹配. 如果个数不相等, 可以通过补点加0边来转化. 一般使用KM算法解决该问题.

选自medium 作者： Jesus Rodriguez 机器之心编译 编辑：Panda Facebook 提出了一种可高效训练包含数十亿节点和数万亿边的图模型的框架 BigGraph 并开源了其 PyTorch 实现。 本文将解读它的创新之处，解析它能从大规模图网络高效提取知识的原因。 图（graph）是机器学习应用中最基本的数据结构之一。具体来说，图嵌入方法是一种无监督学习方法，可使用本地图结构来学习节点的表征。社交媒体预测、物联网模式检测或药物序列建模等主流场景中的训练数据可以很自然地表征为图结构。其中每一种场景都可以轻松得到具有数十亿相连节点的图。图结构非常丰富且具有与生俱来的导向能力，因此非常适合机器学习模型。尽管如此，图结构却非常复杂，难以进行大规模扩展应用。也因此，现代深度学习框架对大规模图数据结构的支持仍非常有限。 Facebook 推出过一个框架 PyTorch BigGraph：https://github.com/facebookresearch/PyTorch-BigGraph，它能更快更轻松地为 PyTorch 模型中的超大图结构生成图嵌入。 某种程度上讲，图结构可视为有标注训练数据集的一种替代，因为节点之间的连接可用于推理特定的关系。这种方法遵照无监督图嵌入方法的模式，它可以学习图中每个节点的向量表征，其具体做法是优化节点对的嵌入

了解 完整课程详情 可扫描下方二维码添加顾问老师，备注 【 P anda】 即可咨询 更有盐趣内部学员专属人工智能、计算机视觉讲座回放及参考书资料包现免费领取~ 盐趣计算机方向导师团队由 卡耐基梅隆大学CS教授V.G.与南加州大学CS教授V.A. 领衔，包括近300位博士、博后研究员、教授、科学家等，全部来自英国牛津大学、剑桥大学，美国卡耐基梅隆大学、南加州大学、斯坦福大学、耶鲁大学等世界顶尖院校，囊括 计算机科学、计算机工程、数据科学、机器学习、人工智能、计算机视觉、机器人 等多个热门专业和细分方向，实力雄厚。 部分盐趣计算机方向学员论文录用函 顶会、EI、SCOPUS等（滑动查看更多） 此外，我们还为读者送出了专属福利： 免费1对1科研规划咨询 ，有学术论文、背景提升、升学规划方面的疑问，都可以找他们解决。无论你未来的升学计划如何，希望你都能好好把握寒假这个 弯道超车 的机会！ 长按识别海报中的二维码 添加盐趣学术顾问微信预约 添加微信时请备注： P anda 了解更多课程请咨询学术顾问 本文分享自微信公众号 - GiantPandaCV（BBuf233）。 如有侵权，请联系 support@oschina.cn 删除。 本文参与“ OSC源创计划 ”，欢迎正在阅读的你也加入，一起分享。 来源： oschina 链接： https://my.oschina.net/u

LTTS 凭借创新性医疗和智慧园区解决方案 Chest rAI™ 及 i-BEMS 而获得 “ 产品 ” 类别大奖 印度班加罗尔--(美国商业资讯)--全球领先的工程服务单一业务公司L&T Technology Services Limited (BSE: 540115, NSE: LTTS)宣布，其两款数字化解决方案获得了2021年度“产品”类别BIG创新大奖(BIG Innovation Awards)，该奖由美国商业情报集团(Business Intelligence Group)颁发。 LTTS凭借旗下两款创新性产品而获奖——LTTS基于AI的胸部X光分析系统 Chest rAI™ 以及LTTS的专有楼宇自动化框架 i-BEMS 。Chest rAI™可协助放射科医生提升诊断效率和准确性，而i-BEMS可作为企业物联网(IoT)解决方案，将园区内所有操作统一到单一系统中。 当前全球放射科医生严重短缺，导致诊断过程缓慢，患者不得不等待更长时间才能得到诊断结果。LTTS的AI辅助解决方案能快速发现X光图像中的异常、做出标注并自动生成报告，从而帮助放射科医生提升工作效率。数百万人将从LTTS的产品中受益，其也因此获得了巨大声誉。 LTTS可提供符合当下“新常态”场景的产品，并推出了一个新的i-BEMS Shield模块，旨在打造更安全的工作环境，也因此备受各方赞誉。i

讲师介绍： Panda 老师 前豆瓣运维工程师。经历了运维工程师到运维研发工程师的转变。 现就职创业公司，引入豆瓣的运维平台思想，完成新公司的自动化运维平台的开发和建设。对运维工程师转运维研发的困惑和痛点深有感触，乐于分享自己转型中的五味杂陈，51Reboot 金牌讲师。 分享主题： 中小企业自动化运维平台建设之路 内容： 1、谈谈中小企业运维工作中的痛点 2、通过开发运维平台如何解决痛点 3、以发布系统为核心，开发周边子系统，最终形成一套相互关联的系统 发布系统 1：什么是发布系统 按照指定的规范流程，将开发环境下的代码，配置文件，数据等推送到线上服务器的系统。 2：发布系统三要素 配置文件（nginx, apache） 数据（db......） 代码（重点介绍代码的推送） 3：发布系统的前提条件 标准化——线上服务器配置，路径，服务等需要统一标准 规范化——所有项目在整个发布流程都按照统一的规范执行 4：发布系统常用的三个环境 测试环境——开发人员自己测试的环境 仿真环境（或灰度）——定版代码，线上真实环境 线上环境——对外提供服务的环境 用户权限管理系统 资产管理系统 任务管理系统 代码发布系统 工单系统 公开课时间：今晚（5.10）九点 腾讯课堂直播链接：https://ke.qq.com/course/298272?tuin=1d644a5 来源： oschina 链接：

Android_开机动画 平台： 全志A64 源码： Android 7.1 　Linux 3.1 全志开机动画： 1. bootanimation.zip内容和制作 2. 原生Android系统中好像没有bootanimation.zip, 可以把bootanimation.zip文件放到设备system/media目录下（需要root权限）。 放到此目录下后，开机会自动加载该文件里的图片，作为动画。 3. bootanimation.zip 文件内容： —— part0 part1 part2 .... xxx.png <文件夹是png格式图片，也就是“动画”了> —— desc.txt ： 720 450 30 <第一行 720 450 30 前面两个数据代表像素,即:720 * 450;第三位代表每秒播放多少帧，即每秒播放30张图片> c 1 30 part0 <第二行第一个字母 “c”不知道什么玩意儿,固定以他为开头, 第二个数字“3”或者“0”，代表重复播放多少次，"3”即播放3次，但是“0”则代表无限循环播放，(应该是直到代码里面设置的动画时间耗完为止) 第三个数字“0”代标的是前后两帧之间间隔时间/帧数（比如每秒播放10帧，如果这个数字设为10，则延迟1秒了，待确认 第四个参数，这就是上文说到的和文件夹名称对应的了，如果是folder～则文件夹名称也是这个，我的5

ASP.NET MVC的错误处理应考虑到这几个方面：模型绑定期间发生的错误，未能路由到指定操作，针对控制器的错误处理。使用配置文件可以帮助我们处理异常，但是不够灵活和全面；使用HandleErrorAttribute 、 自定义错误过滤器或重写控制器 OnException方法只能解决针对控制器的错误，无法解决模型绑定期间发生的错误，也无法处理404错误，即使将错误过滤器注册为全局过滤器也是如此。有时候需要多种方法配合使用。 在捕获错误的地方，可以将有用的信息记录下来，便于我们查出引起问题的原因和纠正错误。 1启用自定义错误 使用这种方式一定要注意将 defaultRedirect 设置为指定的错误页面，防止黑客探测各种错误情形进而发现系统的额漏洞。 <system.web> <customErrors mode= " On " defaultRedirect= " /error/error2 " > <error statusCode= " 404 " redirect= " /error/error1 " /> </customErrors> <!--其他配置--> </system.web> Mode:处理模式，有三种处理模式 On,启用自定义处理功能，当错误发生时显示自定义错误页 Off,关闭自定义错误处理功能，当错误发生时显示默认的错误页。 RemoteOnly，

基础环境： 在linux安装mysql 检查远程的虚拟机是否可以ping通过 　　查看虚拟机IP为192.168.38.128 　　 　　cmd窗口ping 192.168.38.128,出现如下界面说明是可以的　　 　　 检查虚拟机mysql的端口号是否对外开通 　　比如我们能用xshell等远程工具连接虚拟机上的linux，是因为开放了22端口 　　查看mysql的端口，在mysql命令行模式下执行以下命令就可以查看,查到的结果是3306 　show variables like '%port%'; 　　 　　查看虚拟机的3306端口是否开放 　　cmd下执行telnet 192.168.38.128 3306 　　无法执行，别方，这是因为Windows telnet默认是关闭的 　　 　　按照红框提示开启telnet 　　 　　重新打开cmd窗口执行命令，结果是无法连接，这是因为虚拟机上的3306并没有对外开放，可以用22的试下效果就知道了 　　 开通虚拟机的3306端口　　 　　查看虚拟机防火墙的状态 service iptables status 　　可以看到目前只有22端口对外开放 　　 　　编辑防火墙文件打开3306端口 vim /etc/sysconfig/iptables 　　模仿22端口开放命令添加如图所示的一行即表示对外开放3306端口