XiaoMi-AI文件搜索系统
World File Search Systemreproducible
DS120数据科学编程（c）
项目在整个课程中，学生将以四到五个组的合作，随机形成，以开发一个综合的项目，以封装所获得的知识。这项努力将需要使用Python和R创建可再现的报告。该项目不仅可以测试学生对课程内容的掌握，而且还将强调遵守我们会议期间讨论的最佳编码实践的重要性。成功完成的标志将是一份以清洁，可理解的代码为特征的报告，展示了对所教授原则的真正理解。
Elmo-飞秒纤维激光1560 nm
Menlo Systems的基于纤维的飞秒激光来源将纤维技术的最新成就集成到易于使用的产品中。Menlo Systems的独特图9®模式锁定技术导致可再现和长期稳定操作。Elmo及其全纤维设计可确保出色的稳定和低噪声操作。作为光纤放大器的种子源振荡器是免费维护，安装用户并准备在单个按钮的按下使用的。简而言之：针对24/7操作设计的OEM激光器。
背侧流和腹侧流之间及内部白质束的发育
摘要 几十年来，多个科学领域一直在讨论腹侧和背侧视觉流之间的相互作用程度。最近，由于自动化和可重复方法的进步，研究直接连接与背侧和腹侧流相关的皮质区域的几种白质束已成为可能。这组束（此处称为后垂直通路 (PVP)）的发育轨迹尚未描述。我们提出了一种输入驱动的白质发育模型，并通过关注 PVP 的发育为该模型提供证据。我们使用可重复的云计算方法和成人和儿童（5-8 岁）的扩散成像来比较 PVP 的发育与腹侧和背侧通路内的束的发育。PVP 微结构比背侧流微结构更像成人，但比腹侧流微结构更不像成人。此外，PVP 微结构与腹侧流的微结构比背侧流的微结构更相似，并且可以通过儿童在感知任务中的表现来预测。总体而言，结果表明 PVP 在背侧视觉流的发展中发挥了潜在作用，这可能与其在学习过程中促进腹侧流和背侧流之间相互作用的能力有关。我们的结果与提出的模型一致，表明主要白质通路的微结构发展至少在一定程度上与视觉系统内感觉信息的传播有关。
背侧流和腹侧流之间及内部白质束的发育
摘要 几十年来，多个科学领域一直在讨论腹侧和背侧视觉流之间的相互作用程度。最近，由于自动化和可重复方法的进步，研究与背侧和腹侧流相关的皮质区域直接连接的几种白质束已成为可能。这组束（此处称为后垂直通路 (PVP)）的发育轨迹尚未描述。我们提出了一种输入驱动的白质发育模型，并通过关注 PVP 的发育为该模型提供证据。我们使用可重复的云计算方法和成人和儿童（5-8 岁）的扩散成像来比较 PVP 的发育与腹侧和背侧通路内的束的发育。PVP 微结构比背侧流微结构更像成人，但比腹侧流微结构更不像成人。此外，PVP 微结构与腹侧流的微结构比背侧流的微结构更相似，并且可以通过儿童在感知任务中的表现来预测。总体而言，结果表明 PVP 在背侧视觉流的发展中发挥了潜在作用，这可能与其在学习过程中促进腹侧流和背侧流之间相互作用的能力有关。我们的结果与提出的模型一致，表明主要白质通路的微结构发展至少在一定程度上与视觉系统内感觉信息的传播有关。
资金和培训机会
De-Black-Boxing Health AI：使用N3C Recover Long COVID模型在我们所有的所有数据存储库中使用N3C Recover Long Covid模型演示可再现的机器学习表型。pfaff er，Girvin AT，Crosskey M，Gangireddy S，Master H，Wei WQ，Kerchberger VE，Weiner M，Harris PA，Basford M，Lunt C，Chute CG，Moffitt RA，Haendel M; N3C并恢复财团。J am Med Inform Assoc。2023 Jun 20; 30（7）：1305-1312。
CBF表达1（ICE1）的诱导剂促进冷 -
解码器将皮质图（ECOG）信号从皮质转换为可解释的语音参数和一种新型的可区分语音合成器，将语音参数映射到频谱图。我们开发了一个由语音编码器和相同的语音合成器组成的伴侣音频到Audio自动编码器，以生成参考语音参数，以促进ECOG解码器培训。该框架具有自然听起来的语音，并且在48名参与者的队列中高度可重现。在ECOG解码器的三个神经网络架构中，3D Resnet模型在预测原始语音频谱图（PCC = 0.796）的情况下预测原始语音频谱图时具有最佳的解码性能（PCC = 0.804）。我们的实验结果表明，即使仅限于因果操作，我们的模型也可以以高相关性来解码语音，这对于通过实时神经假体采用是必不可少的。我们成功地解码了左或右半球覆盖范围的参与者中的语音，这可能导致左半球损害导致语音缺陷的患者的言语假体。此外，我们使用遮挡分析来识别有助于跨模型语音解码的皮质区域。最后，我们为我们的两阶段培训管道提供开源代码以及协会的预处理和可视化工具，以实现可重现的研究并推动跨语音科学和假体社区的研究。
对物种识别的深度学习与捕食者 - 捕集的推断之间的权衡
深度学习用于在几个科学领域的重要应用中使用的计算机视觉问题。在生态学中，对深度学习的兴趣日益增加，以对大量图像（例如动物物种鉴定）进行重复分析。 但是，生态学家的社会性涉及深入学习的广泛采用有挑战性的问题。 首先，有一个编程障碍，因为大多数算法都是用python编写的，而大多数生态学家则精通R。 第二，深度学习在生态学中的最新应用集中在计算方面和简单任务上，而无需解决潜在的生态问题或进行统计数据分析以回答这些问题。 在这里，我们展示了可重复的R工作流程，该工作流程使用Predator-Prey关系作为案例研究整合了深度学习和统计模型。 我们说明了在用相机陷阱收集的图像上识别动物物种的深度学习，并使用多物种占用模型来量化空间同时存在。 尽管平均模型分类性能，但无论我们分析了地面真相数据集还是分类数据集，生态推断都是相似的。 此结果要求在分配的时间和资源之间进行进一步的工作，分配给具有深度学习的模型以及我们通过生物多样性监测正确解决关键生态问题的能力。 我们希望我们可重复的工作流对生态学家和应用统计学家有用。在生态学中，对深度学习的兴趣日益增加，以对大量图像（例如动物物种鉴定）进行重复分析。但是，生态学家的社会性涉及深入学习的广泛采用有挑战性的问题。首先，有一个编程障碍，因为大多数算法都是用python编写的，而大多数生态学家则精通R。第二，深度学习在生态学中的最新应用集中在计算方面和简单任务上，而无需解决潜在的生态问题或进行统计数据分析以回答这些问题。在这里，我们展示了可重复的R工作流程，该工作流程使用Predator-Prey关系作为案例研究整合了深度学习和统计模型。我们说明了在用相机陷阱收集的图像上识别动物物种的深度学习，并使用多物种占用模型来量化空间同时存在。尽管平均模型分类性能，但无论我们分析了地面真相数据集还是分类数据集，生态推断都是相似的。此结果要求在分配的时间和资源之间进行进一步的工作，分配给具有深度学习的模型以及我们通过生物多样性监测正确解决关键生态问题的能力。我们希望我们可重复的工作流对生态学家和应用统计学家有用。
生物医学研究中的分析代码共享实践
随着生成的数据量的不断增长，数据驱动的计算分析在生物医学研究中变得越来越重要。但是，缺乏共享研究成果的实践，例如数据，源代码和方法，会影响研究的透明度和可重复性，这对于科学的发展至关重要。由于不足的文档，代码和数据共享，许多已发表的研究无法再现。我们对2016年至2021年之间发表的453项手稿进行了全面分析，发现其中50.1％未能共享分析法规。即使在那些确实披露其代码的人中，绝大多数人也无法提供更多的研究输出，例如数据。此外，只有十分之一的文章以结构化且可重复的方式组织了其代码。我们发现了代码可用性语句的存在与增加代码可用性之间的显着关联。此外，与进行主要分析的研究相比，进行二级分析的一定比例倾向于共享其代码。根据我们的发现，我们提出提高对代码共享实践的认识，并立即采取措施提高代码可用性，以提高生物医学研究中的可重复性。通过提高透明度和可重复性，我们可以促进科学严格，鼓励协作并加速科学发现。我们必须优先考虑开放科学实践，包括共享代码，数据和其他研究产品，以
Paula Ramos-Silva，博士学位简历
研究人员/生物信息学家•天然生物多样性中心•07/18 - 09/22•设计的实验，对Illumina平台进行的RNA/DNA提取和图书馆准备。•在R和Python中开发了可重复的工作流，用于分析转录组学和蛋白质组学数据。•用于生物信息学项目的内部内部服务器。•监督四个MSC学生的研究项目。•（共同）撰写了六个经过同行评审的出版物，并在12个会议和科幻活动中向大型受众传达了研究。•通过竞争性欧洲资金获得了超过176,000欧元的奖励。