图表的关键词检索结果

了解预期限值、观察值粒子物理图中的限制、排除区域

Understanding Expected Limits, Observed Limits, Exclusion Regions In Particle Physics Graphs

我最近与一位著名的退休数学家/宇宙学家就粒子物理学标准模型中希格斯玻色子的现象学进行了交谈,很快我们就讨论了由 CMS 合作在 CERN 大型强子对撞机上制作的一张图表,该图表详细列出了质子-质子碰撞数据中希格斯玻色子对的搜索结果。这次谈话 - 尤其是我在与对话者理解这张图表时遇到的困难 - 让我明白了我们呈现这些图表的方式至少可以说是令人困惑的,这些图表总结了我们的结果,应该不言而喻。事实上,人们需要进行广泛的介绍,才能完全理解图表中各个元素的含义。阅读更多

美国女性的预期寿命是发达国家中最低的

US Women's Life Expectancy Is The Lowest Among Developed Nations

美国女性的预期寿命是发达国家中最低的在这张图表中,Visual Capitalist 的 Marcus Lu 根据英联邦基金会汇编的数据,展示了一些高收入国家出生时女性的预期寿命。它强调了尽管美国在医疗保健方面的支出更多,但美国女性的预期寿命却比其他国家至少低两年……数据和关键要点我们用来创建此图表的数字列在下表中。出生时预期寿命的数据可用性各不相同,如下所示:2020 年(英国)、2021 年(加拿大、韩国、新西兰)、2022 年(澳大利亚、德国、日本、挪威)、2023 年(法国、荷兰、瑞典、瑞士)。预期寿命可归因于许多因素,包括生活水平、生活方式选择、教育质量和获得医疗服务的机会。根据英联

高盛ChatGPT失误引发AI市场恐慌

Goldman Sachs ChatGPT mistake causes AI market panic

高盛分析师 Peter Oppenheimer 的一份有缺陷的报告可能是过去几天人工智能股票大幅下跌的原因。随着科技价格持续上涨,有传言称人工智能泡沫可能出现,而 Oppenheimer 的报告表明形势即将逆转。Oppenheimer 的报告依赖一张图表,该图表似乎表明 OpenAI 的 ChatGPT 用户数量正在下降。这张图表让 Oppenheimer 相信 ChatGPT 正在失去用户。在对这张图表的分析中,Oppenheimer 表示,“此外,人们对 Chat-GPT 最初的‘兴奋’正在消退。这篇文章《高盛 ChatGPT 错误导致人工智能市场恐慌》首先出现在 DailyAI 上。

揭开医疗保健中结构化和非结构化数据的神秘面纱

Demystifying Structured And Unstructured Data In Healthcare

医疗数据科学家和分析师在工作中潜意识中的视觉效果包括整齐组织的电子表格、算法、处理数据的编程语言以及生成丰富多彩的图形和图表的可视化工具。 和类似的东西。 然而,这远非现实。 实际上,数据科学家每天都在努力处理一个元素——非结构化数据。 大 […]

想象 G7 在全球 GDP 中的份额下降

Visualizing The G7's Declining Share Of Global GDP

可视化 G7 在全球 GDP 中所占份额的下降G7 成立于 1975 年,由七个发达经济体(美国、加拿大、英国、德国、法国、意大利、日本)组成,在经济政策上进行合作,促进全球稳定。该组织成立时,这些国家是二战后经济秩序中的领先国家,并拥有相似的政治和经济体系。虽然今天大部分情况仍然如此,但随着世界其他地区新兴国家的发展,G7 的集体经济影响力已大幅下降。为了更多地了解这一趋势,Visual Capitalist 的 Marcus Lu 将 1990 年至 2022 年 G7 在全球 GDP 中的份额与 G20 进行了可视化。数据来自世界银行,可通过外交关系委员会访问。数据和关键要点 G20 是

永远的 EFB

EFB Forever

加拿大导航局刚刚停止发放纸质进场图,这些小图表告诉飞行员在恶劣天气下如何安全合法地到达跑道。它们过去每 56 天发放一次,但最近一次发放大约一个月前就过期了。如果你记忆力很好的话,你可能还记得我之前发表过的帖子,比较了纸质和电子图表的实用性和可靠性。我对此的看法不再重要。加拿大的每个操作员都必须转换为电子形式。自从我开始这个过程以来,我每隔 56 天就会想,有多少操作员忽视了阅读加拿大导航局出版物盒中的黄色小插页,警告我们这一天即将结束,而他们直到这个月才发现他们必须转换。不,加拿大交通部不会让我们拿起 iPad 就出发。公司的运营手册必须详细说明如何管理硬件和软件。我的手册并不像我的博客文章

数据机器 #255

Data Machina #255

AI-RAG 和图表的新趋势。GRAG。GNN-RAG。属性图。统一 RAG+LangGraph。GenAI 思维模式。Transformer Agents 2.0。Falcon 2.0 11B LLMS/VLMS。ToonCrafter。MusePose。ColdFusion。SymbCoT。

二氧化碳上升速度加快

CO2 rise is accelerating

2024 年 3 月 15 日,夏威夷莫纳罗亚山的日平均二氧化碳 (CO₂) 浓度为 427.93 ppm,如下图所示,该图改编自 NOAA。这是 NOAA 记录中莫纳罗亚山的最高日现场平均值,这一点更加引人注目,因为每年的 CO₂ 最大值通常在 5 月达到,因此未来几个月可能会达到更高的值。下图改编自 NOAA,显示了夏威夷莫纳罗亚山 31 天的 CO₂ 浓度。图像显示,2024 年 3 月 15 日记录的日平均二氧化碳浓度为 427.93 ppm,2024 年 4 月记录的许多小时平均值都高于 430 ppm。下图改编自斯克里普斯海洋研究所,显示 2024 年 3 月 14 日莫纳罗亚火山

对俄罗斯的制裁失败了吗?

Have the sanctions on Russia failed?

我非常喜欢经济学家罗宾布鲁克斯的推文,尤其是他的图表,显示了对俄罗斯实施的制裁如何影响区域贸易格局。尽管由于俄罗斯入侵乌克兰以及随后的制裁,欧洲和俄罗斯之间的直接贸易崩溃了,但下图显示,欧洲与吉尔吉斯斯坦的贸易出现了可疑的反补贴热潮。据推测,这些欧洲商品中很大一部分是从吉尔吉斯斯坦运往俄罗斯的。23 年 11 月,意大利(左)和奥地利(右)对吉尔吉斯斯坦的出口创下历史新高。从每一个欧盟国家到中亚和高加索地区的每一个国家。当你把所有这些加起来,数字是很大的。欧盟已经视而不见两年了。pic.twitter.com/Na5SrV9bpz— Robin Brooks (@robin_j_brooks)

不要让图表欺骗你

Don't Let the Graphs Fool You

Canva、Adobe Express 甚至老牌 PowerPoint 等工具都可以轻松快速地创建美观的图表。但正如 Randy Krum 在他的著作《酷炫信息图表》中指出的那样,好看的图表不一定是好图表。事实上,很多时候,人们为了分散人们对其中所呈现信息的真实性而制作了一张好看的图表。TED-Ed 的一节题为“如何发现误导性图表”的课程以几种方式阐述了这一点。通过观看“如何发现误导性图表”,学生可以了解图表可能产生误导的三种方式。这些方式包括扭曲图表的比例、操纵图表的 X 轴或 Y 轴以及挑选或不提供图表中数据的上下文。整个课程可以在这里找到,视频嵌入在下面。教育应用这个视频可以成为您教学生

在 Google Cloud Platform 上设置 MLflow 的分步指南

A Step-by-step Guide To Setting Up MLflow On The Google Cloud Platform

在深入讨论细节之前,让我们先澄清一下本指南的适用对象。如果您专注于具有大量存储图表的项目,您已经测试了几个指标,或者您一直在迭代地研究算法——那么,我们为您提供了资源。本文将向您展示如何:设置和部署 […]文章在 Google Cloud Platform 上设置 MLflow 的分步指南,由 DLabs.AI 提供。

讲故事:周五图表版

Storytelling: Friday Chart Edition

我有一段时间没有在这里发帖了,所以我觉得分享一些最近有趣的图表会很好。中央银行资产负债表首先,有两张图表显示了中央银行资产负债表规模与通胀率之间的关系。第一张显示了 2010-2019 年期间中央银行资产负债表的平均规模占 NGDP 的百分比,并与平均核心通胀率作图。由于更大的资产负债表通常被视为对经济的更多刺激,因此人们可能期望在这么长的时间内看到其规模与通胀率之间的正相关关系。相反,我们看到的是负相关关系:对上述图表的一个反对意见是它可能具有误导性,因为推动通胀率的是中央银行负债的变化率,而不是负债水平。为此,下一张图表显示了同一时期中央银行资产负债表规模的变化。同样的关系成立:另一个反对

课堂管理

Classroom Management

我一直在研究一些课堂管理策略,以综合我多年来接触到的一些理念。在此过程中,我遇到了一些乍一看似乎相互矛盾的信息。许多人会告诉你,教师最重要的技能是良好的课堂管理。我个人并不反对这种说法,但当你看哈蒂的研究时,你会发现这对学生成绩的影响并不大。事实上,在 252 个因素中,课堂管理几乎处于中间位置,为 134。对于那些对实际效应量数字感兴趣的人,课堂管理的效应量为 0.35,低于“关键点”。效应量最大的项目是集体教师效能,其效应量为 1.57。任何具有正效应量的因素都有积极影响,而负效应量则有负面影响,但这有点过于简单化了。我之前提到的那个关键点出现在 0.4,基本上有人说如果它低于这个标记,它

药物使用障碍使一切都更昂贵

Substance use disorder makes everything more expensive

Milliman的报告包括我从中列出以下图表的数据。他们表明,由于有或没有药物使用障碍(SUD),患有给定疾病的人对某人进行处理费用。好的,这比这更复杂,因为我只显示了一部分数据,而且我受到了邮政使用障碍的方式,使一切都更昂贵,首先出现在附带的经济学家上。

图表:医疗保健行政成本与其他部门

Chart: Health care administrative costs vs. other sectors

这是JAMA研究“美国的医疗保健解剖学”(单击以扩大)的另一个图表:对医疗保健看起来不利。但是,这种“收入周期FTE每10亿美元的收入”业务(水平轴)是什么?脚注(未显示)参考了医学研究所报告,在该报告中,我发现了[…]邮政图表的类似图表:卫生保健行政成本与其他部门首次出现在附带经济学家中。

日表和图表:付款人的健康支出增长的组成部分

Table and chart of the day: Components of health spending growth by payer

,我可能会爱上桌子,并很容易地绘制图表。这是一个角色缺陷。但是我确实很喜欢下面的那个。这是来自Amitabh Chandra,Jonathan Holmes和Jonathan Skinner(PDF)的最新报纸,Adrianna上周博客。它显示了Medicare,Medicaid和[…]当日的后表和图表的价格,付款人的份额:付款人的健康支出增长的组成部分首次出现在偶然的经济学家中。

关于年龄压缩比图表

About that age compression ratio chart

在太多的人对我昨晚发布的图表感到困惑之前,我觉得我应该指出两件事。首先,自从原始帖子以来,我对其进行了更新,以提出“兄弟”不会看到更高溢价的任何想法。原因是图表并未表明情况。 […]关于该年龄压缩比图表的帖子首先出现在偶然的经济学家上。

每日图表:较富裕的美国人的健康支出近一半是税收资金

Chart of the day: Nearly half of health spending for richer Americans is tax-financed

以下是克里斯·康诺(Chris Conover)的《美国卫生经济》(The American Health Chance)所示的图表的出版前版本。收入400%或更多的联邦贫困水平的个人如何获得如此多的纳税人援助?最大的单一来源是将雇主赞助的健康保险的税收排除在外。 Medicare是第二大资源。另外[…]当天的邮图:富裕的美国人的健康支出近一半是税收资金首次出现在附带经济学家上。