前期大量的MRI研究已经表明,精神分裂患者很多脑区的局部灰质体积(regional grey matter volume)出现异常变化,但是这些研究的结果似乎并不一致。而这种结果的不一致性是否是由于采用不同的工具包进行分析而导致的呢?近期,有研究者在《Brain Imaging and Behavior》杂志上发表研究论文,对精神分裂患者Voxel-based morphometry (VBM)结果的不一致性是否是由于所用工具包不同而导致的这个问题进行了研究。笔者在这里对这篇文章进行简单解读,希望大家对不同的工具包对VBM计算结果的影响有一定的认识。
Rose最近发现一个在线的3D大脑建模网站。亲测感觉还挺有意思,而且还可以自己添加相关信息。
单细胞数据通常是从多次实验中得来。不同平台的数据、同一平台的不同时期的数据、同一个样品不同试剂的数据、同一个样品不同时间的数据、同一个样本不同设备的数据等都会产生批次效应。批次效应会导致不同条件下的差异,而这种差异与生物学和技术差异无关。如果批次效应广泛存在,就可能会忽略重要的生物学变化。所以,需要找到一种有效的方法去除批次效应。
网络游戏障碍(Internet Gaming Disorder, IGD),也就是所谓的网络游戏成瘾,在行为学上表现为长期沉迷网络游戏。在世界卫生组织(WHO)最近发布的第11版《国际疾病分类》(ICD-11)中,IGD被定义为一种游戏行为模式(“数字游戏”或“视频游戏”),成瘾者对游戏的控制受损,即游戏比其他兴趣和日常活动具有更高的优先级。此外,患有IGD的人往往会表现出前额叶皮层功能和认知控制的受损。之前很多研究采用EEG来探索IGD的神经生理标志物,但是大部分研究都是采用静息态EEG进行研究。比如,Choi等研究发现[1],与健康被试相比,患有IGD者所有脑区的beta频段功率有所降低,而额叶区域gamma频段功率显著增高。但是IGC患者在任务状态下,特别是在玩游戏状态下的IGD患者的EEG特征目前研究的相对比较少。因此,来自韩国的研究团队近期在Frontiers in neuroscience杂志发表题目为《Diminished Frontal Theta Activity During Gaming in Young Adults With Internet Gaming Disorder》的研究论文,对IGD患者在玩他们所喜欢游戏的过程中采集EEG信号,分析了被试不同频段功率的变化及其与行为学数据的关系。本文在这里对该项研究进行解读,希望对大家有所帮助。
笔者比较关注精神疾病脑功能网络的变化特征,因此,最近都在看相关的文献。本次,笔者就给大家分享一篇相关的论文,该论文发表于《Schizophrenia Research》杂志,题目为“Functional brain networks in treatment-resistant schizophrenia”。该研究论文主要结合静息态fMRI和图论来研究难治性精神分裂症的脑功能网络异常变化特征。这里,笔者对这篇论文做简单的剖析,希望对做相关研究的朋友有所帮助。
目前,很多的研究似乎已经表明,精神分裂症(schizophrenia, SZ)的症状并不是单单某一个脑区出现了异常,而是由于不同脑区的功能连接或者说是信息交流出现了故障。之前的研究者采用ERP技术对SZ患者在听觉Oddball任务中的ERP成分进行了较为系统的研究,发现SZ患者表现出显著的P300异常。但是,在听觉Oddball任务中SZ患者的皮层或溯源空间上的脑功能连接网络的特性及其与患者临床症状评分之间关系目前研究的比较少。来自韩国的研究团队曾在《Schizophrenia Research》杂志发表研究论文,对上述问题进行了系统研究。因此,笔者在这里对该项研究进行解读和剖析,希望对大家有帮助和启示。
来自科罗拉多大学、海法大学的Pavel Goldstein、Simone G. Shamay-Tsoory等人在PNAS发文,研究了“握手镇痛”的神经机制。他们以情侣作为被试,以是否握手和是否施加疼痛刺激作为实验条件,同步采集了双人的脑电信号,最终发现:在疼痛刺激下,触摸使情侣的脑间连接增强;脑间连接与疼痛缓解、同理心精度存在相关。 关键字:触摸 疼痛 同理心 脑电 Hyperscanning 不久之前,关于触觉的研究还主要集中在刺激触觉感受器产生的知觉效应。直到最近,一些研究开始关注触觉的社交价值。例如
脑成像研究表明,首发精神分裂患者(First-episode schizophrenia, FES)表现出广泛的脑结构和功能的异常变化,尤其是在前额叶和颞叶脑区。但是,这些前人的研究结果对于临床诊断FES似乎价值并不大。这主要是由于这些研究往往只能得到组水平上的具有统计学差异的脑区,而不能实现个体水平上的分类。而结合如支持向量机SVM的机器学习技术,可以克服上述传统分析方法存在的问题。大脑表面积(surface area)和皮层厚度(cortical thickness)是结构MRI研究中常用的两种指标,其对大脑结构异常变化具有较高的灵敏度。因此,大脑表面积和皮层厚度也成为精神分裂研究中受到极大关注的两种结构指标。尽管也有一些研究者采用机器学习技术+皮层厚度/功能连接的方法对FES进行分类,但是这些研究要么样本量太小,这使得机器学习训练得到的模型泛化能力较弱,要么采用多中心的大样本数据,但是多中心数据和被试往往不能很好地控制。因此,把机器学习技术应用于单一中心的大样本的FES脑影像数据,得到的分类结果似乎更加可靠。这里,笔者解读一篇发表于国际著名杂志《Schizophrenia Research》,题目为《Support vector machine-based classification of first episodedrug-naïve schizophrenia patients and healthy controls using structural MRI》的研究论文。该研究在单中心获取326名被试(FES和健康对照组各163名)的高分辨率结构MRI数据,并提取每个被试的大脑表面积和皮层厚度作为SVM的分类特征,获得了较高的FES分类准确度。
但实验数据可不会说谎,研究团队的西蒙妮(Simone Shamay-Tsoory)教授表示:
胃能够产生酸和酶,帮助食物消化和杀死微生物,并调节食物到小肠的运输,胃也通过其内分泌细胞远程工作,发送远端信号来帮助协调饥饿/饱腹感和钙稳态。它由来自3个胚胎胚层的细胞组成,包括外胚层来源的肠神经细胞,中胚层来源的平滑肌细胞和间充质细胞,以及内胚层来源的胃腔上皮细胞[1,6]。单细胞技术可以从单个细胞水平上解析每个细胞的状态,在构建胃组织细胞图谱、揭示胃癌的发生发展机制和瘤内/瘤间的异质性,以及胃癌靶向/免疫治疗靶点和标志物的发现等方面起着重要的作用。本期推文将为大家介绍胃粘膜上皮细胞组成及单细胞测序技术在胃部研究中的相关进展。
【导读】ICML 2018昨天公布了会议接受论文,各家组织机构和研究大牛们在Twitter上纷纷报喜,放出接受论文,恭喜!有Google Brain、DeepMind、Facebook、微软和各大高校
Anna Andreeva / 2nd year student, BA profile ‘Animation and Illustration’,
本教程为脑机学习者Rose发表于公众号:脑机接口社区(微信号:Brain_Computer),QQ交流群:903290195
具有阳性家族史的精神分裂症被称为家族性精神分裂症(familial-schizophrenia, PFS),家族性精神分裂症被认为是更多由遗传因素引起的,而具有阴性家族史的精神分裂被称为散发性精神分裂症(sporadic -schizophrenia, PSS),散发性精神分裂症被认为是更多由环境因素引起的。前人的研究表明,家族性精神分裂症和散发性精神分裂症临床症状存在一定差异[1, 2];此外,结构磁共振研究表明,与健康对照组和散发性精神分裂症患者相比,家族性精神分裂症患者具有更低的丘脑灰质密度[3]。但是,两种精神分裂症脑功能网络是否存在差异呢?本文主要根据参考文献[4]整理而成,文献[4]采用静息态磁共振技术,主要对家族性精神分裂症和散发性精神分裂症患者的脑功能网络及其拓扑结构进行了研究,以揭示两者之间的脑功能差异。笔者在这里对这篇文章的分析方法和结果进行剖析,希望各位朋友从中有所启发,对大家的研究有所帮助。
社交焦虑症(SAD)是最常见的精神疾病之一,其通常伴随有精神共病症,严重的社交功能障碍,以及持续的情绪、认知和行为障碍。SAD的特点是焦虑加剧,对负面社会刺激的警惕性增加以及倾向于感知社会威胁。尽管近期的神经影像研究已经表明,与SAD相关的情绪和认知障碍与局部某些脑区功能和大脑区域之间的功能连接异常相关,但是目前对于SAD内在功能网络的拓扑结构是否异常却知之甚少。北京师范大学的贺永老师团队曾在NeuroImage杂志发表题目为《Network Analysis Reveals Disrupted Functional Brain Circuitry in Drug-Naive Social Anxiety Disorder》,采用静息态fMRI技术,对上述问题进行了系统研究。本文对该研究进行解读,希望对大家的研究有所帮助。
1.Brain Stimulation杂志:经颅直流电刺激(tDCS)可以调控人的创造性
文章标题:《Single cell transcriptional and chromatin accessibility profiling redefine cellular heterogeneity in the adult human kidney》
导读 人脑在静息状态下,可以利用功能连接将其划分为一些经典大尺度功能网络。这些网络分管不同的认知功能,例如,一个极为重要的网络——默认网络(DMN)主要参与人的内在导向认知活动,像是记忆、社交思维以及奖赏机制。在之前基于平均后的群组水平数据的研究中,尽管参与了多重认知活动,默认网络仍被划分为一个网络整体。这令人不禁遐想,默认网络是否存在稳定的负责不同单一认知功能的子网络呢?这篇于近期发表在《PNAS》的文章 ”Default-mode network streams for coupling to language and control systems” 不同之前研究的方法,其利用多次重复采集的个体水平静息态数据,来探究这一问题。本文即对该研究进行解读。
几周前,我们的Florian Douetteau (FD)对Olivier Grisel(OG)进行了一次访谈,正好我得到这个机会去旁听。Olivier是scikit-learn机器学习库的主要贡献者,因此他们两个详细地讨论了Olivier的工作和其它技术的发展。这是采访的第一部分。 Olivier Grisel 和 scikit-learn FD:Olivier,你作为scikit-learn的主要贡献者已经有一段时间了。你可以告诉我们一些关于你的贡献么? OG:大概是2010年,我就开始做scikit-
几周前,我们的Florian Douetteau (FD)对Olivier Grisel(OG)进行了一次访谈,正好我得到这个机会去旁听。Olivier是scikit-learn机器学习库的主要贡献者
---- 新智元报道 编辑:LRS 【新智元导读】深度学习十年来取得辉煌成就,但其计算、学习效率仍比人类的大脑弱很多。为了突破瓶颈,Meta AI宣布开启一项长期研究计划,以自然语言为切口,比较AI模型和大脑的异同。 近几年,随着大规模预训练语言模型的横空出世,让人类终于有了处理、生成、理解自然语言的能力。 虽然模型已经在部分NLP任务上超越了人类的性能,但要说AI在学习、理解语言的能力和效率已经超越了人类,还为时过早。 拿一个最简单的词「orange」来说,即便是小孩子也能通过几个简单的例子就能
将神经活动映射到相应的行为是神经科学家开发脑机接口(BMI)的一个主要目标: BMI可以读取和解释大脑活动,并将指令传输到计算机或机器。
最近的技术进步使低成本和高度便携的大脑传感器得以发展,如内置预放大电路的干电极,可以在实验室之外测量认知活动。这项技术为在复杂的现实生活情况下(如操作飞机)监测“大脑工作”开辟了前景广阔的前景。然而,有必要在真实的操作条件下对这些传感器进行基准测试。
2016 年盖洛普民意测验(Gallup poll)调查发现,在美国,大多数学校希望开始教授编程,且 66% 的美国基础教育(简称 K-12 教育)学校的校长认为,非计算机专业的学生也应该考虑学习计算机科学。
机器之心报道 编辑:泽南、小舟 MIT、约翰霍普金斯大学的研究人员发现,思考编程并不像组织语言,但也不靠纯粹的逻辑。这是因为我们通常是在成年之后才开始学代码? 很多时候,我们认为优秀的程序员需要拥有以数学为中心的思想,而编程时大脑的活跃区域与解决数学问题时所用的区域相同。又有些时候,我们会觉得编程语言之所以为语言,是因为编程时大脑的基础神经机制和语言处理区域相同,也可能是大脑的一部分用于逻辑推理或「执行控制」的问题解决机制。 然而最近来自麻省理工学院(MIT)、约翰霍普金斯大学(JHU)的一些研究告诉我
请你尝试阅读下图中每个字代表的颜色(也即其本身的词义),是不是觉得比较简单?接下来,请再尝试着读一读下图每个字的字体的颜色(注意:不是阅读词义)。在此过程中你有没有这样的感受:总是不自觉地忽视字体的颜色而去阅读词义,需要集中注意力才能正确读出字体的颜色,而且感觉读得特别费劲。
近日,中科院自动化所神经计算与脑机交互团队(NeuBCI)设计了基于表征相似性分析的联合训练框架,实现了神经网络模型和人类大脑情绪表征的对齐,增强了模型的类脑特性并提升了模型情绪感知能力。相关研究成果以Improved Video Emotion Recognition with Alignment of CNN and Human Brain Representations为题发表于情感计算领域权威期刊IEEE Transactions on Affective Computing。相关代码和数据集已经开源。
原文:http://www.dataiku.com/blog/2015/09/28/interview-grisel-part1.html 译文:http://www.csdn.net/article/2015-10-11/2825882 (编译/刘帝伟 审校/朱正贵、赵屹华 责编/周建丁) 译者简介:刘帝伟,中南大学软件学院在读研究生,关注机器学习、数据挖掘及生物信息领域。 Olivier Grisel(OG)本人在InriaParietal工作,主要研发scikit-learn,使用Python语言编
心理/精神疲劳(Mental Fatigue)是一种常见的由长时间持续的认知活动所产生的心理生理状态。虽然精神疲劳的表现和不利影响已为人们所熟知,但其在大脑多区域之间的连通性(Connectivity)机理尚未得到充分研究。这对于阐明精神疲劳的机制具有重要意义。然而,常用的基于EEG的连通分析方法无法摆脱强噪声的干扰问题。本文提出了一种基于叠加降噪自编码器的自适应特征提取模型。对提取的特征进行了信噪比分析。与主成分分析相比,该方法能显著提高信号的信噪比,抑制噪声干扰。该方法已应用于心理疲劳连通性(Mental Fatigue Connectivity)分析。研究人员分析了在清醒(Awake)、疲劳(Fatigue)和睡眠剥夺/不足(Sleep Deprivation)条件下,额叶(Frontal)、运动(Motor)、顶叶(Parietal)和视觉(Visual)区域之间的因果连接,并揭示了不同条件之间的连接模式。清醒条件下与睡眠剥夺条件下的连接方向相反。此外,在疲劳状态下,从前区(Anterior Areas)到后区(Posterior Areas)、从后区到前区存在复杂的双向连接关系。这些结果表明,在这三种条件下,大脑会表现不同的活动模式。该研究为EEG分析提供了一种有效的方法。连接性的分析有助于揭示心理/精神疲劳的潜在机制。
失眠 (Insomnia, ID) 是最常见的睡眠障碍;然而,ID症状的发病机制尚未完全了解。采用多因素的观点,并将ID视为一种涉及区域间神经元协调的情况,将有助于理解ID的病理生理学。功能连接 (Functional connectivity, FC) 可能有助于阐明ID症状的潜在功能过程和神经相关性。尽管越来越多的研究评估FC异常,但对ID病理生理学的见解仍然是零碎的。本文旨在寻找静息态下失眠的FC变化的经验证据。共涉及1052名ID参与者的31项研究符合本综述的纳入标准。结果表明,ID症状与主要静息态网络半球内和半球间相互作用受损相关。总的来说,证据支持这样一种假设,即失眠的特征是大脑功能连接的组织 (organization) 紊乱,导致睡眠、认知、情绪和记忆下降。然而,被综述的研究之间存在广泛的方法学异质性,以及本系统综述提出的研究方案和统计方法的局限性,使得很难提供一个单一的ID病理生理学框架。这一领域的未来研究应该引导共享和严格的搜索设计 (search designs),以确保ID病理生理学的可靠研究证据。本文发表在Sleep Medicine Reviews杂志。
目的:颅内脑电图(iEEG)指导癫痫手术的有效性取决于iEEG电极的植入位置。该决定是通过非侵入性记录方式(例如头皮脑电图)得出的。因此作者提出了一个框架,以询问头皮脑电图和确定癫痫的侧化,以帮助电极植入。
PaddleNLP基于ERNIR3.0文本分类以中医疗搜索检索词意图分类(KUAKE-QIC)为例【多分类(单标签)】
文本分类任务是自然语言处理中最常见的任务,文本分类任务简单来说就是对给定的一个句子或一段文本使用文本分类器进行分类。文本分类任务广泛应用于长短文本分类、情感分析、新闻分类、事件类别分类、政务数据分类、商品信息分类、商品类目预测、文章分类、论文类别分类、专利分类、案件描述分类、罪名分类、意图分类、论文专利分类、邮件自动标签、评论正负识别、药物反应分类、对话分类、税种识别、来电信息自动分类、投诉分类、广告检测、敏感违法内容检测、内容安全检测、舆情分析、话题标记等各类日常或专业领域中。
研究目的:利用EEG研究PTSD患者睡眠期间异常的大脑活动,确定其睡眠期间稳定的EEG特征。
NLP专栏简介:数据增强、智能标注、意图识别算法|多分类算法、文本信息抽取、多模态信息抽取、可解释性分析、性能调优、模型压缩算法等
脑机接口(BCI),是一种通过检测中枢神经系统活动并将其转化为人工输出,来替代、修复、增强、补充或者改善中枢神经系统的正常输出,从而改变中枢神经系统与内外环境之间的交互作用的技术。脑机接口技术通过置于头皮或颅内的电极等传感器采集脑神经活动信号,经过信号处理、特征提取、模式识别等过程,可获知人的控制意图、认知或心理状态、神经系统疾病状态等信息,为运动、语言等功能残缺的患者提供新的控制、交流通道或康复手段,也可为健康人群提供更多信息输出通道。随着脑电信号采集技术与信号处理技术的发展成熟,脑机接口技术已逐渐走入临床应用,在诸如中风、注意力缺陷等脑损伤或其他神经系统疾病患者的临床康复中表现出色,为高位截瘫、肌萎缩性侧索硬化症等运动功能障碍患者提供新的运动功能替代方案,为情绪、疲劳、意识状态等的检测和识别提供客观指标。
环境和人类的发展息息相关,环境的恶化给人类带来的不仅仅是表面看起来的危机,生存在环境问题严重的人群中可能也被潜在的影响甚至于改变其发展轨迹。儿童在幼年阶段尤其容易受到此类问题的困扰,但环境变化如何具体作用于我们人体目前还不清楚,因此,有大量研究在对类似问题进行研究(比如中国雾霾问题的大规模研究)。阅读障碍是一种目前仍旧不清楚其病理成因的语言障碍之一,其中,遗传因素可以解释60%的阅读障碍患者的障碍成因。有研究者指出暴露于神经性毒物,包括多溴二苯醚(PBDEs,一种神经毒物,被大量用作印制板基材覆铜箔层压板与半固化片的阻燃剂,被混合在树脂中,有毒,味道类似桉树气),可能是该问题研究中容易被忽视的危险因素(如果儿童在出生前就长期保留此类毒物浓度较大的环境中,其遗传因素可能受到影响)。为此,来自哥伦比亚大学的研究者使用静息态功能性磁共振成像(rs-fMRI)检查了5岁儿童社区样本(N=33)中产前PBDE浓度与阅读相关网络(RN)功能连接的相关性。产妇血清中的多溴二苯醚(ΣPBDE)含量测定在12.2 (Mean)+2.8(SD)妊娠周进行。结果发现,这些5岁儿童在产前接触到的ΣPBDE浓度越高,其阅读网络的全局效率就越低,而ΣPBDE浓度与DMN网络则不相关,这说明了ΣPBDE浓度的影响是具有特异性的。本研究发表在环境与健康类著名杂志Environment International上。
神经和行为研究表明,婴儿在出生后第一年接触语言时,甚至在他们会说第一个单词之前,这种接触就会影响大脑的神经回路。但我们对婴儿非凡的语言能力和经验在形成神经回路中的作用的神经结构仍旧了解不多,今天我们带来一篇2010年关于婴儿语言习得和神经回路研究的重要review,尽管已经过去10年,这篇文献中提到的观点和重要研究仍旧值得我们仔细回顾。
来自美国德州VISN 17 Center of Excellence的Evan M. Gordon等人在Neuron期刊上发文,主要介绍了其提供的MSC数据集,以及针对数据集的研究。数据集包括来自十个样本的5个小时的RSFC数据,6个小时的任务态fMRI,以及结构 MRI。文章认为,原有的fMRI研究主要侧重于分析组间数据,其掩盖了个体fMRI静息态功能连接RSFC和任务态激活的细节信息。研究认为在全脑fMRI研究中增加单个被试fMRI数据量可以显著提高结果的可靠性和特异性,并提出了一种通过长时间采样细致展
博主前几天读到了一篇文献(Deep Learning for EEG-Based Preference Classification in Neuromarketing ),甚是震撼,觉得这篇文献简直是教科书级别的论文,特别适合小白入门脑机接口领域。文献对神经营销相关的知识整理得比较到位,虽然还说不上100%全面和完整,但也给人很好的概念和框架。实在忍不住把论文打印下来做了手写版笔记,并整理发一篇论文解读。
单细胞的多组对照设计(例如正常组与给药组)可以为细胞类型水平比较提供以往Bulk RNA-seq分析所不能达到的精度。对此一般有两种进阶分析思路:
视觉工作记忆功能的实现是多个脑区协作的结果,大量研究证明前额叶皮层 (prefrontal cortex, PFC) 和后顶叶皮层 (posterior parietal cortex, PPC)与视觉工作记忆功能的实现密切相关。
在过去的几年里,伴随着智能手机的迅速普及和推广,人们对过度使用智能手机的潜在不利影响越来越感到担忧,特别是对身心健康的潜在不利影响。最近,“智能手机成瘾”(SPA,smartphone addiction)一词被引入,用来描述与智能手机相关的成瘾行为及其相关的身体和心理障碍。
来自耶鲁大学医学院的JoyHirsch等人在NeuroImage杂志上发文,他们使用两台近红外设备同步采集了双人目光接触时的脑活动信号,数据分析表明目光接触时双人脑内/脑间存在同步,该过程涉及了左前额、颞-顶叶等脑区。 关键字:超扫描 近红外 目光接触 岛津 今天和大家分享的是一篇耶鲁大学医学院的研究人员发表在NeuroImage上的双人近红外研究。人类的目光接触是社交线索和沟通的主要来源。尽管这种人际互动具有生物学意义,我们对其基本的神经过程尚不清楚。这一知识空白在一定程度上反映了传统的神经影像学方法的
这篇文章综述由世界著名的脑成像专家Marcus E.Raichle教授撰写,Raichle 教授来自圣路易斯华盛顿大学(Washington University in St Louis),他和他的研究团队在PET及fMRI研究中做出来了巨大的贡献,作为一个脑功能及脑网络研究工作者,非常有必要了解Raichle教授及他的团队所在做的工作:请你猛戳以下链接—https://sites.wustl.edu/nillabs/people/marcus-e-raichle/,认真的了解一下Raichle教授在脑功能及网络研究中所做出的巨大贡献。
引言 在大数据技术飞速发展的今天,谁才是我们大数据科研与工业界中最有威望的科学家呢?下面我们来进行梳理,共罗列了25位当今世界,无论是在学术与工业界都产生巨大影响的数据科学家(Data Scientists)。他(她)们推动了整个领域的发展,毫无疑问,无论是在学术界还是还工业界,他(她)们都是一座座山头式的人物。他(她)们是我们这些从事大数据产业发展的榜样。他(她)们便是所谓的大师级人物。 数以万计的数据从业者通过他(她)们的论文、博客、视频、讲义等进行学习与进步,并找到相应的应用场景解决方案。这些大师为人
作者:MANISH SARASWAT 翻译:一只鸟的天空 引言 在大数据技术飞速发展的今天,谁才是我们大数据科研与工业界中最有威望的科学家呢?下面我们来进行梳理,共罗列了25位当今世界,无论是在学术与工业界都产生巨大影响的数据科学家(Data Scientists)。他(她)们推动了整个领域的发展,毫无疑问,无论是在学术界还是还工业界,他(她)们都是一座座山头式的人物。他(她)们是我们这些从事大数据产业发展的榜样。他(她)们便是所谓的大师级人物。 数以万计的数据从业者通过他(她)们的论文、博客、
引言 在大数据技术飞速发展的今天,谁才是我们大数据科研与工业界中最有威望的科学家呢?下面我们来进行梳理,共罗列了25位当今世界,无论是在学术与工业界都产生巨大影响的数据科学家(Data Scientists)。他(她)们推动了整个领域的发展,毫无疑问,无论是在学术界还是还工业界,他(她)们都是一座座山头式的人物。他(她)们是我们这些从事大数据产业发展的榜样。他(她)们便是所谓的大师级人物。 数以万计的数据从业者通过他(她)们的论文、博客、视频、讲义等进行学习与进步,并找到相应的应用场景解决方案
在大数据技术飞速发展的今天,谁才是我们大数据科研与工业界中最有威望的科学家呢?下面我们来进行梳理,共罗列了25位当今世界,无论是在学术与工业界都产生巨大影响的数据科学家(Data Scientists)。他(她)们推动了整个领域的发展,毫无疑问,无论是在学术界还是还工业界,他(她)们都是一座座山头式的人物。他(她)们是我们这些从事大数据产业发展的榜样。他(她)们便是所谓的大师级人物。
领取专属 10元无门槛券
手把手带您无忧上云