腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
生物信息云
旨在传播生物医学科研实验技能和生物信息学基础知识及应用技巧
专栏作者
举报
252
文章
1070385
阅读量
400
订阅数
订阅专栏
申请加入专栏
全部文章(252)
数据库(72)
sql(67)
https(38)
编程算法(35)
网络安全(33)
数据分析(33)
r 语言(19)
腾讯云开发者社区(18)
python(15)
http(14)
数据(14)
go(13)
硬件开发(10)
linux(9)
可视化(9)
na(8)
html(6)
视频(6)
数据处理(5)
数据结构(5)
min(5)
对象(5)
函数(5)
教程(5)
机器学习(4)
ide(4)
神经网络(4)
深度学习(4)
人工智能(4)
线性回归(4)
file(4)
pdb(4)
系统(4)
bash(3)
json(3)
express(3)
存储(3)
tcp/ip(3)
cell(3)
count(3)
data(3)
ggplot2(3)
line(3)
pdf(3)
云服务器(2)
对象存储(2)
java(2)
node.js(2)
打包(2)
git(2)
github(2)
centos(2)
文件存储(2)
腾讯云测试服务(2)
网站(2)
企业(2)
开源(2)
缓存(2)
正则表达式(2)
面向对象编程(2)
大数据(2)
windows(2)
adt(2)
barcode(2)
bi(2)
grid(2)
matrix(2)
partial(2)
path(2)
python3(2)
sample(2)
工具(2)
开发(2)
软件(2)
网络(2)
原理(2)
云硬盘(1)
数据挖掘(1)
php(1)
perl(1)
javascript(1)
xml(1)
css(1)
jquery(1)
android(1)
access(1)
搜索引擎(1)
windows server(1)
apache(1)
bash 指令(1)
黑石物理服务器(1)
日志服务(1)
腾讯专有云 PaaS 平台(1)
图像处理(1)
医疗(1)
xslt & xpath(1)
云联网(1)
ssh(1)
gui(1)
ftp(1)
grep(1)
ntp(1)
anaconda(1)
数据可视化(1)
虚拟化(1)
聚类算法(1)
flink(1)
学习方法(1)
数据集成(1)
alpha(1)
anova(1)
apply(1)
atom(1)
background(1)
bit(1)
calculation(1)
com(1)
conda(1)
cycle(1)
database(1)
db(1)
display(1)
download(1)
drawing(1)
dt(1)
element(1)
expect(1)
expression(1)
fs(1)
geo(1)
glsl(1)
image(1)
import(1)
interface(1)
lambda(1)
lattice(1)
launch(1)
limit(1)
list(1)
map(1)
marker(1)
math(1)
methods(1)
normalization(1)
null(1)
object(1)
panel(1)
paste(1)
perfect(1)
plot(1)
point(1)
product(1)
ps(1)
rank(1)
response(1)
sequence(1)
set(1)
show(1)
size(1)
slide(1)
snapshot(1)
sse(1)
surface(1)
tar(1)
text(1)
tfs(1)
time(1)
tm(1)
tools(1)
umi(1)
url(1)
using(1)
version(1)
vi(1)
web(1)
变量(1)
测试(1)
程序(1)
基础(1)
集合(1)
模型(1)
配置(1)
软件开发(1)
事件(1)
搜索(1)
算法(1)
统计(1)
芯片(1)
字符串(1)
搜索文章
搜索
搜索
关闭
生信入门第1课
机器学习
神经网络
深度学习
人工智能
数据分析
我写公众号的最初目的就是督促自己学习,分享一些教程,和专门搞生信的大佬们比起来,自己也就是菜鸟一枚,公众号更新也比较佛系,也不做推广,你能自行关注到,完全靠缘分。我就是分享一些生信基础的生信分析技能,以满足大家在科研工作中的生信需求。说实话,大家需要给你自己以定位,自己做纯生信的还是只是借助生信为大家在湿实验中提供思路,或者文章中添加一些生信内容。如果你是做纯生信,那也是分档次和研究方向的,如果只是分析别人的数据,比如预后模型这种,属于比较低端的水平。有的做开发,比如开发一个R包或者一些其他生信分析工具,又或者是建数据库,这些属于开发类。另外,这个也和研究领域有很大关系,植物的,人的,微生物的,是有区别的,当然,很多基础工具都差不多,但需要相关的知识背景。我自己主要是做药,癌症,所以我会的技能主要和自己研究方向相关的,我也不是什么都掌握,因为我觉得,具备基础知识储备后,自己用到什么就去现学现卖,而不是一下子学会很多东西等着以后用,我个人认为这是效率极其低下的。
DoubleHelix
2022-06-13
783
0
Cell:机器学习将如何改变生物医学
机器学习
神经网络
深度学习
人工智能
学习方法
这篇文章探讨了机器学习在改进诊断和治疗方面的应用。概述了机器学习如何改变生物医学的三个广泛领域:临床诊断、精确治疗和健康监测,目标是通过一系列疾病和正常的衰老过程保持健康。对于每个领域,都会讨论成功的机器学习应用的早期实例,以及机器学习的机会和挑战。当这些挑战得到满足时,机器学习将带来一个严谨的、基于结果的医学的未来,检测、诊断和治疗策略将不断适应个体和环境的差异。
DoubleHelix
2020-04-21
994
0
R语言数据分析与挖掘(第八章):判别分析(3)——费歇尔(Fisher)判别分析
机器学习
神经网络
深度学习
人工智能
编程算法
我们之前介绍了判别分析中,因为判别准则的不同,可分为多种判别分析法。常用的有费歇尔(Fisher)判别分析、贝叶斯(Bayes)判别分析和距离判别分析。在上2篇文章中(判别分析——距离判别法和贝叶斯(Bayes)判别分析)介绍了距离判别分析和贝叶斯判别,本文将介绍贝费歇尔(Fisher)判别分析。
DoubleHelix
2019-12-13
7.9K
0
R语言数据分析与挖掘(第八章):判别分析(2)——贝叶斯(Bayes)判别分析
机器学习
神经网络
深度学习
人工智能
Bayes判别,它是基于Bayes准则的判别方法,判别指标为定量资料,它的判别规则和最大似然判别、Bayes公式判别相似,都是根据概率大小进行判别,要求各类近似服从多元正态分布。
DoubleHelix
2019-12-13
6.9K
0
没有更多了
社区活动
RAG七天入门训练营
鹅厂大牛手把手带你上手实战
立即学习
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档