XiaoMi-AI文件搜索系统
World File Search Systemjupyter
神经类固醇的多方面动作
Alfaxalone Covey Lab（Tesic等，2020）Ganaxolone Covevey Lab（Hogenkamp等，1997）3α5βPCCovevee Lab（Mennerick等，2001）CDNC24 COVEN COVEY LAB（TESIC等，2020）ECN COVEY LAB（TODOROV LAB） B372 Covey Lab（Han等，1996）MQ34 Covey Lab（Qian等，2014）MQ35 Covey Lab（Qian等，2014）MQ2221 Covey Lab（Ziolkowski et al。，2020） https://www.rdkit.org/ chemdraw 22.2.0 GraphPad Prism 10.4.0数据库药物重新利用中心
材料科学家的机器学习 - Kristin Persson
摘要：本方法/协议文章面向有兴趣进行以机器学习为中心的研究的材料科学家。我们涵盖了有关数据获取和处理、特征工程、模型训练、验证、评估和比较、材料数据和基准数据集的流行存储库、模型和架构共享以及最终发布的广泛指南和最佳实践。此外，我们还提供了带有示例 Python 代码的交互式 Jupyter 笔记本，以演示所讨论的一些概念、工作流程和最佳实践。总体而言，数据驱动的方法和机器学习工作流程和注意事项以简单的方式呈现，让感兴趣的读者能够使用建议的参考资料、最佳实践和他们自己的材料领域专业知识更智能地指导他们的机器学习研究。■ 介绍
python机器学习用于储层石油工程
Python Web-Based Dashboarding Libraries: Streamlit Dash (Plotly) Panel (Anaconda) Production Analysis Dashboards Core & PVT Data Dashboards Case Studies and Examples Streamlit Library Designing Dynamic Python Applications with Streamlit Interactive Web Applications & Dashborads Streamlit Layout Features State Management and Dynamic Interactions with Streamlit Useful Tools for Efficient Coding Setting Up Your Development Environment: python编程基础知识动手实践的Anaconda分发介绍：使用Jupyter笔记本可视化和呈现数据见解的Python基础知识人工神经网络：定义，体系结构，类型，培训和验证。Python项目1：创建用于节点分析和垂直升力性能（VLP）计算机器学习项目2：钻井数据优化
使用机器的心脏病预测调查
心脏在生物体中起着重要作用。诊断和预测心脏相关疾病需要更精确，完美和正确性，因为一个小错误会导致疲劳问题或人死亡，与心脏有关的死亡病例很多，其计数逐日呈指数增长。要处理这个问题，对预测系统的必要性是对疾病的认识。机器学习是人工智能（AI）的分支，它在预测任何类型的事件中提供了享有声望的支持，这些事件都可以接受自然事件的培训。在本文中，我们通过使用Kaggle数据集进行训练和测试来计算预测心脏病的机器学习算法的准确性。用于实施Python编程Anaconda（Jupyter）笔记本电脑是最佳工具，它具有许多类型的库，标头文件，可使工作更加准确和精确。
人工智能工具包：探索人工智能技术和伦理的图书馆和论文
在本文中，我们描述了人工智能工具包 AITK 的开发和评估。这个开源项目包含 Python 库和计算论文（Jupyter 笔记本），旨在让对人工智能背景了解甚少或完全没有的多样化受众与各种人工智能工具进行交互，更深入地探索它们的功能，可视化它们的结果，并更好地理解它们的伦理影响。这些笔记本已在多个机构的各种以负责任的人工智能为主题的人文课程中进行了试点。此外，我们还对 AITK 进行了可用性测试。我们的试点研究和可用性测试结果表明，AITK 易于导航，能够有效地帮助用户更好地理解人工智能。在人工智能快速创新的时代，我们的目标是让 AITK 为希望将人工智能主题纳入其课程的任何学科的教师以及任何渴望自己了解更多人工智能知识的人提供可访问的资源。
教学大纲
Python简介 - Google Colab和Jupyter笔记本，数据结构，熊猫（读，写文件，加载数据等），Numpy等。。matplotlib（区域图，散点图，线图，直方图，条形图，框图，热图，刻面，配对图），Seaborn。什么是数据科学，各种类型和数据级别，结构化与非结构化数据，定量数据，定性数据，数据科学生命周期等。数据收集和准备，缺失价值处理，数据擦洗，数据转换，探索性数据分析，人群和样本，矩和生成功能，可变性，假设测试，偏差和方差的度量。有监督的分类，例如KNN和无监督的分类，例如K-均值聚类，模型定义和培训，模型评估。特征工程，尺寸降低 - PCA，回归线性模型：线性回归，逻辑回归。
量子计算与材料科学：将量子退火应用于材料结构分析的实用指南
使用量子计算机进行计算化学和材料科学将使我们能够解决传统计算机上难以解决的问题。在本文中，我们展示了如何使用量子退火器计算有缺陷的石墨烯结构的相对能量。这个简单的系统用于指导读者完成将化学结构（一组原子）和能量模型转换为可在量子退火器（一组量子位）上实现的表示所需的步骤。我们详细讨论了如何在模型中包含不同的能量贡献以及它们对最终结果的影响。用于在 D-Wave 量子退火器上运行模拟的代码以 Jupyter Notebook 的形式提供。本教程旨在为有兴趣运行其第一个量子退火模拟的计算化学家提供快速入门指南。本文概述的方法代表了模拟更复杂系统（例如固体溶液和无序系统）的基础。
使用深度学习的实时图像动画
该项目深入研究基于深度学习的图像动画，采用有条件的生成模型，例如生成对抗网络（GAN）和变异自动编码器（VAE）。在包含图像序列对的数据集上训练，这些模型将单个输入图像转换为连贯和新颖的动画，从而模拟自然运动和转换。使用TensorFlow在Jupyter Notebook环境中引入了交互式图像动画系统，以实现深度学习能力。利用OPENCV，FFMPEG，IMAGEIO，PIL和SCIKIT-IMAGE用于图像和视频处理，该系统将IPYTHON小部件结合在一起，用于增强用户交互。该技术在实时视频流中也起着至关重要的作用，提供动态的视觉内容而无需手动逐帧动画。该项目利用了深度学习的力量，以消除手动努力，为在不同领域的有效和现实的内容创建开辟了新的可能性。
与罕见疾病有关的系统采矿基因组和蛋白质组学变异的生物信息学管道：单基因糖尿病的例子
单基因糖尿病的特征是由single基因中罕见变异引起的一组疾病。与其他罕见疾病一样，多个基因与具有不同致病性衡量的单基因疾病有关，但是有关基因和变体的信息并未在不同的资源之间统一，从而使它们具有挑战性地处理它们。我们开发了一种自动管道，用于收集和协调与单基因糖尿病相关的遗传变异的数据。此外，我们将变体遗传序列转化为构成所有蛋白质同工型及其变体的蛋白质序列。这使研究人员能够巩固有关与单基因糖尿病相关的变异基因的信息，并使用蛋白质组学或结构生物学来促进他们的研究。我们使用Jupyter笔记本电脑使用的开放且灵活的实现可以调整和修改管道及其在其他罕见疾病中的应用。
神经科学家的人工神经网络：入门指南
人工神经网络 (ANN) 是机器学习中必不可少的工具，在神经科学领域引起了越来越多的关注。除了提供强大的数据分析技术外，ANN 还为神经科学家提供了一种新方法来构建复杂行为、异构神经活动和电路连接的模型，以及探索神经系统的优化，而这些是传统模型无法实现的。在这本教学入门书中，我们介绍了 ANN，并展示了它们如何被有效地应用于研究神经科学问题。我们首先讨论 ANN 的基本概念和方法。然后，我们将重点介绍如何将这个数学框架更贴近神经生物学，详细介绍如何定制 ANN 的分析、结构和学习，以更好地应对大脑研究中的各种挑战。为了帮助读者获得实践经验，这本入门书附有 PyTorch 和 Jupyter Notebook 中的教程式代码，涵盖主要主题。