表格关键词检索结果

9 月本地房地产市场初探

1st Look at Local Housing Markets in September

作者:Bill McBride 计算风险通讯 注意:活跃房源、新房源和已成交销售的表格均包括与每个本地市场 2019 年 9 月的比较(部分 2019 年数据不可用)。这是对 9 月份几个早期报告的本地市场的首次观察。我正在追踪 40 多个本地房地产市场[…]文章《首次观察 9 月份的本地房地产市场》首次出现在 Angry Bear 上。

首次申请失业救济人数:欢迎飓风季节回归

Initial jobless claims: welcome back to hurricane season

- 作者:新政民主党人大家远离悬崖边;不要理会那些今天早上肯定会大举出动的末日论者:初请失业金人数的大幅增加几乎都是因为飓风海伦。从数字上看,初请失业金人数增加了 33,000 人,达到 258,000 人,为 2023 年 8 月以来的最高数字。四周移动平均值增加了 6,250 人,达到 231,000 人,为一个月来的最高水平。持续申领人数(通常延迟一周)增加了 42,000 人,达到 186.1 万人,为 8 月中旬以来的最高水平:同比来看,初请失业金人数上涨 22.3%,四周平均值上涨 8.7%,持续申领人数上涨 3.4%:本周我不会费心进行“萨姆规则”失业率比较,部分原因是这只是本月

9 月当地房地产市场初探

1st Look at Local Housing Markets in September

今天,在计算风险房地产通讯中:首次观察 9 月份的当地房地产市场简要摘录:注意:活跃房源、新房源和已完成销售的表格都包括与每个当地市场 2019 年 9 月的比较(某些 2019 年的数据不可用)。这是首次观察 9 月份几个早期报告的当地市场。我正在追踪美国 40 多个当地房地产市场。这 40 个市场中有些是州,有些是大都市区。随着更多数据的发布,我将在整个月内更新这些表格。9 月份的已完成销售主要是针对 7 月和 8 月签订的合同,当时 30 年期抵押贷款利率平均分别为 6.85% 和 6.50%(Freddie Mac PMMS)......9 月份,这些市场的销售额同比持平。上个月,即

何时需要进行多校准后处理?

When is Multicalibration Post-Processing Necessary?

校准是预测因子的一个经过充分研究的属性,可保证有意义的不确定性估计。多重校准是一个相关概念——源于算法公平性——它要求在可能复杂且重叠的受保护亚群集合(例如按种族、种族或收入定义的群体)上同时校准预测因子。我们进行了首次全面研究,评估了从简单决策树到 90 的模型在广泛的表格、图像和语言数据集上的多重校准后处理的实用性……

工作场所安全与健康:OSHA 应采取措施更好地识别和解决仓库和配送公司的人体工程学危害

Workplace Safety and Health: OSHA Should Take Steps to Better Identify and Address Ergonomic Hazards at Warehouses and Delivery Companies

美国政府问责署的发现根据美国统计局 (BLS) 的数据,三大危险是造成一般仓储(包括电子商务仓库)和向消费者配送这些订单的公司(“最后一英里配送”)中大多数伤害和疾病的原因。最常见的危险是过度劳累和身体反应(见图),可能导致肌腱炎或背痛等肌肉骨骼疾病。根据 BLS 的数据,2022 年,运输和仓储行业(包括电子商务仓库和最后一英里配送)的严重伤害和患病率在所有 19 个行业中最高,估计每 100 名工人有 3.8 例。2021 年和 2022 年按原因估计的严重伤害和疾病尽管职业安全与健康管理局 (OSHA) 指出,从 2018 财年到 2023 财年,仓库和最后一英里配送雇主存在 2,500

在 Python Web 应用程序中开始使用强大的数据表

Getting Started with Powerful Data Tables in your Python Web Apps

开始使用 Python Web 应用程序中的强大数据表使用 AG Grid 和 Reflex 以纯 Python 构建财务应用程序过去几个月,我一直在探索用于 Web 应用程序的各种数据可视化和操作工具。作为 Python 开发人员,我经常需要处理大型数据集并将其显示在交互式、可自定义的表中。一直困扰我的一个问题是:如何构建一个与我的 Python 后端无缝集成的强大数据网格 UI?有无数种选项可以构建复杂的数据网格,但作为一名 Python 工程师,我对 JavaScript 或任何前端框架的经验有限。我一直在寻找一种仅使用我最熟悉的语言 Python 来创建功能丰富的数据网格的方法!我决定

奥巴费米阿沃洛沃大学 (OAU) JUPEB 录取表 2024/25

Obafemi Awolowo University (OAU) JUPEB Admission Form 2024/25

您是否渴望在高等教育中出类拔萃,并正在寻找一条满足您学术需求的途径?奥巴费米阿沃洛沃大学 (OAU) 为其 2024/2025 学年的联合大学初步考试委员会 (JUPEB) 计划提供了绝佳的机会。该计划不仅可以获得 JUPEB 证书,而且还打开了 […]Obafemi Awolowo University (OAU) JUPEB 入学表格 2024/25 首次出现在 FlashLearners 上。

证券交易委员会:N-PORT 表和 N-CEN 表报告;开放式基金流动性风险管理计划指南

Securities and Exchange Commission: Form N-PORT and Form N-CEN Reporting; Guidance on Open-End Fund Liquidity Risk Management Programs

GAO 审查了美国证券交易委员会 (SEC) 的新规则,题为“N-PORT 表格和 N-CEN 表格报告;开放式基金指南……”

乌克兰:国防部可以通过提高数据质量来加强国际军事训练协调

Ukraine: DOD Could Strengthen International Military Training Coordination by Improving Data Quality

美国政府问责署发现国防部长办公室和美国欧洲司令部 (EUCOM) 通过乌克兰安全援助小组 (SAG-U) 与乌克兰国防联络小组、其他跨国组织和各个国家协调乌克兰的国际军事训练。根据 SAG-U 的数据,在俄罗斯全面入侵后的战争头两年(2022 年 2 月 24 日至 2024 年 2 月 23 日),超过 30 个国家在乌克兰境外的训练基地帮助训练了约 116,000 名乌克兰人。其中约 16% 的人接受了美国提供的培训。据国防部官员称,截至 2024 年 5 月 17 日,在乌克兰境外接受训练的乌克兰人总数已增至约 127,000 人。2023 年 10 月,乌克兰在英国进行的训练演示根据

教育部:初步结果显示,需要强有力的领导来解决严重的学生援助系统缺陷

Department of Education: Preliminary Results Show Strong Leadership Needed to Address Serious Student Aid System Weaknesses

美国政府问责署发现学生和家长可以通过填写联邦学生资助免费申请表 (FAFSA) 并提交给教育部联邦学生资助办公室 (FSA) 来申请经济援助。2021 年 2 月,FSA 开始努力更换处理表格的老化系统。随后于 2023 年 12 月启动的新系统导致持续的延迟和错误,对学生、家长和学校产生了令人不安的影响,包括他们规划即将到来的学年的能力。美国政府问责署的初步结果显示,在授予新的 FAFSA 处理系统 (FPS) 合同后,FSA 遇到了导致多次延迟的问题。具体来说,在 2023 年初,它将 25 项关键要求的交付推迟到 2023 年 12 月。FSA 随后决定在 FPS 的启动中不解决 25

强化学习,第 8 部分:特征状态构建

Reinforcement Learning, Part 8: Feature State Construction

通过将状态特征巧妙地纳入学习目标来增强线性方法强化学习是机器学习的一个领域,它引入了代理在复杂环境中学习最佳策略的概念。代理根据环境状态从其行为中学习,从而获得奖励。强化学习是一个具有挑战性的话题,与机器学习的其他领域有很大不同。强化学习的显著之处在于,可以使用相同的算法使代理适应完全不同、未知和复杂的条件。关于本文在第 7 部分中,我们介绍了可扩展标准表格方法的值函数近似算法。除此之外,我们特别关注了一个非常重要的情况,即近似值函数是线性的。我们发现,线性保证了收敛到全局最优值或 TD 不动点(在半梯度方法中)。问题是,有时我们可能希望使用更复杂的近似值函数,而不仅仅是简单的标量积,而不离开

税务管理:国税局需要采取额外行动为新的信息报告要求做好准备

Tax Administration: IRS Needs to Take Additional Actions to Prepare for New Information Reporting Requirements

美国政府问责署发现美国国税局 (IRS) 已采取措施实施信息报告变更,但美国政府问责署确定了使国税局做好更多准备的行动。降低 1099-K 表格报告门槛。2021 年美国救援计划法案改变了第三方结算组织 (TPSO) 的报告要求,例如一些将用户与商品和服务联系起来的在线市场。以前,除非付款超过 20,000 美元且总计 200 笔交易,否则 TPSO 无需在 1099-K 表格上报告付款。经修订后,TPSO 必须报告每年超过 600 美元的付款。国税局决定将全面实施推迟 2 年,并且没有持续记录其决策的风险。记录风险将有助于确保国税局有合理的决策理由并为报告门槛的变化做好准备。1099-DA

FTAV 的进一步阅读

FTAV’s further reading

文化;千年虫;时尚 Substacks;温斯顿·丘吉尔;非洲下雨;电子表格;高端相机;和创始人模式

家庭和儿童虐待:国防部需要澄清事件确定委员会通知的指导

Domestic and Child Abuse: DOD Needs to Clarify Guidance on Incident Determination Committee Notifications

美国政府问责署的发现国防部 (DOD) 事件判定委员会 (IDC) 审查了数千起家庭虐待和儿童虐待报告事件,以确定这些事件是否符合国防部的虐待标准。国防部指导意见指出,军事指挥官、虐待受害者和涉嫌虐待者应以书面形式收到 IDC 决定通知。政府问责局发现,指挥官使用 IDC 的决定来指导一系列针对虐待事件的指挥响应,比如指示服役人员接受治疗(见表格)。指挥官使用事件裁定委员会决定的方式(报告给政府问责局)作为强制执行家庭倡导计划建议的治疗的部分依据作为发布或撤销军事保护令或禁止接触令的部分依据作为咨询军法官后续步骤的依据作为非司法惩罚的部分依据作为寻求行政分居的部分依据禁止平民被指控施虐者进入设

我们或他们

We or They

像现在的大多数学者一样,我花了很多时间填写在线表格。大多数情况下,这只是一种烦恼,但偶尔我也会从中得到一些东西。在最近的一项调查中,高层领导试图了解员工的感受,并提出了一个问题:“您认为 […]

8 月份第二次观察当地房地产市场

2nd Look at Local Housing Markets in August

今天,在《计算风险房地产通讯》中:第二次观察 8 月份的当地房地产市场简要摘录:注意:活跃房源、新房源和已完成销售的表格都包括与每个当地市场 2019 年 8 月的比较(某些 2019 年的数据不可用)。这是第二次观察 8 月份几个早期报告的当地市场。我正在追踪美国 40 多个当地房地产市场。这 40 个市场中有些是州,有些是大都市区。随着更多数据的发布,我将在本月更新这些表格。8 月份的已完成销售主要是针对 6 月和 7 月签订的合同,当时 30 年期抵押贷款利率平均分别为 6.92% 和 6.85%(房地美 PMMS)......8 月份,这些市场的销售额同比下降 5.3%。上个月,即 7

8 月份本地房地产市场初探

1st Look at Local Housing Markets in August

今天,在计算风险房地产通讯中:首次观察 8 月份的当地房地产市场简要摘录:注意:活跃房源、新房源和已完成销售的表格都包括与每个当地市场 2019 年 8 月的比较(某些 2019 年的数据不可用)。这是首次观察 8 月份几个早期报告的当地市场。我正在追踪美国 40 多个当地房地产市场。这 40 个市场中有些是州,有些是大都市区。随着更多数据的发布,我将在本月更新这些表格。8 月份的已完成销售主要是针对 6 月和 7 月签订的合同,当时 30 年期抵押贷款利率平均分别为 6.92% 和 6.85%(房地美 PMMS)......8 月份,这些市场的销售额同比增长了 6.6%。上个月,即 7 月,

人工智能:各机构正在实施管理和人员要求

Artificial Intelligence: Agencies Are Implementing Management and Personnel Requirements

美国政府问责局的发现联邦机构已采取行动,实施应于 2024 年 3 月底前完成的选定人工智能 (AI) 管理和人才要求。具体而言,相关行政命令中包含的所有 13 项选定的人工智能管理和人才要求均已全面实施(见表格)。截至 2024 年 6 月,各机构实施第 14110 号行政命令中选定的人工智能 (AI) 管理和人才要求的程度负责机构美国政府问责局对选定要求的评估总统行政办公室组织人工智能和技术人才工作组建立白宫人工智能委员会管理和预算办公室 (OMB) 召集跨部门首席人工智能官委员会向机构发布人工智能指导发布有关机构人工智能使用案例的指示科学技术政策办公室和 OMB 确定增加人工智能人才的优