XiaoMi-AI文件搜索系统
World File Search System数据项
医疗保健领域信任人工智能 (AI)
• 因果发现 (CD) — 分析和构建描述数据中固有因果关系的模型 • 因果公平性 — 结果导致的决策中没有偏见 • 因果力 — 影响时间序列趋势的因素的累积方向性效应 • 因果图 — 可视化变量或事件之间的因果关系 • 因果 ML — 因果关系与机器学习的结合或赋予 • 因果 RL — 因果关系与强化学习的结合或赋予 • 计算语言学 — 训练机器理解问题和语言 • 混杂因素 — 因果关系中导致虚假相关的影响变量 • 反事实分析 — 对因果模型的干预，用于“假设”情景 • 相关性 — 对统计关系的依赖，无论是否有因果关系 • 深度学习 (DL) — AI 和机器学习的子集，用于复杂的决策 • 集成建模 — 将多个分析模型的结果组合成一个模型 • 实验数据 — 控制的能力或干预模型中的变量作为实验，以查看产生的结果是否涉及因果关系 • 可解释人工智能 (XAI) - 允许人类理解人工智能结果的过程 • 特征集 - 由主题专家为因果人工智能使用而生成的知识数据集 • 生成人工智能 (GAI) - 能够根据提示生成文本、图像和视频的人工智能 • 图形知识数据库 - 变量关系的图形表示 • 知识价值链 - 捕获、存储和重用知识的过程 • 机器学习 (ML) - 使用数据和算法让机器像人类一样学习 • 观察数据 - 观察某些变量以确定相关性的能力 • 强化学习 - 训练自动代理做出实时决策的人工智能 • 变量 - 因果人工智能测量的对象、事件、时间序列或数据项
DSHS战略计划第一部分2023-2027.Docx
数据来源死亡：德克萨斯州死亡证书数据县人口：德克萨斯州人口统计中心2019年人口估算值：德克萨斯州卫生服务部卫生统计中心运行日期：05/05/2022请注意，2020年的数据是临时的。临时统计数据是根据尚未编辑且可能不完整的数据来表达的。提供的数据在最终确定数据之前可能会更改。数据描述和衡量信息数量为1-9及其相应的速率，以防止在机密数据中识别个人。计算出的死亡率基于2020年的粗死亡总数除以2019年德克萨斯州人口中心的100,000人口，尚未进行调整。此死亡数据来自在州并在州外死亡的德克萨斯州居民的死亡证明。每张死亡证明都标识了一个根本的死亡原因，该原因被定义为引发导致死亡事件的疾病或伤害。死亡原因是通过对1999年实施的国际疾病及相关健康问题（ICD-10）的第十个修订版进行编码的。德克萨斯州在2006年通过了新的美国标准死亡和胎儿死亡证书，因此某些数据项可能与往年无法直接相提并论。死亡原因是根据国家卫生统计中心（NCHS）开发的针对死亡率统计数据的预定义因死亡原因类别清单的汇总。死亡的十大原因基于NCHS的更广泛的51个排名式死亡类别。表中提出的死亡原因是指113个选定死亡原因的NCH列表：ICD-10的死亡原因清单，用于制定死亡率统计。
疾病程度 (EOD) 2018 v3.1 - SEER 癌症
出版历史 EOD 最初作为 1976 年 SEER 代码手册的一部分出版。第一本 EOD 专用编码手册是 1977 年 4 月的 EOD 手册，其中包括 13 位和 2 位编码方案。该手册用于诊断年份 1977-1982。1983 年，EOD 被转移到 4 位编码方案，为所有站点提供方案。下一个重大更新是 EOD 1988 10 位，于 1992 年和 1998 年进行了修订。EOD 自诊断日期 2003 年 12 月 31 日起停用。协作阶段实施于诊断日期 2004 年 1 月 1 日至 2015 年 12 月 31 日。尽管当时癌症登记社区已停止使用协作阶段，但一些 SEER 登记处仍在继续收集 2016 年和 2017 年的协作阶段数据。截至 2017 年 12 月 31 日，这些 SEER 登记处也已停止使用协作阶段，并且从 2018 年 1 月 1 日起，SEER 登记处将实施 EOD 2018。EOD 2018 与早期版本的 EOD 或 CS 之间的比较是基于逐个模式进行评估的，因为某些模式无法进行比较，而可比较的模式通常有局限性。EOD 2018 有三个主要数据项：EOD 原发性肿瘤、EOD 区域节点和 EOD Mets。EOD 2018 与 AJCC TNM 分期手册第 8 版完全兼容。 NCI SEER 员工、SEER 西雅图注册中心的 SEER*Educate 员工以及承包商对 EOD 2018 进行了彻底审查。
在机器学习的支持下优化数据集成流程——真的可能吗？
多年来，人们已经观察到复杂的数据驱动系统广泛存在，例如医疗系统、智能农业和智能城市。这些系统产生大量高度异构的数据（又称大数据），需要集成这些数据以提供描述性分析或预测模型的各种应用程序。因此，数据集成 (DI) 架构在现代信息系统中是不可避免的，它们不断面临由复杂、快速到达和大量数据以及新兴数据工程技术带来的新挑战。DI 的一个共同目标是以统一的格式向最终用户提供异构且通常分布式的数据。研究和开发工作产生了一些标准的 DI 架构，即：（1）联合 [1] 和中介 [2]，（2）数据仓库 (DW) [3]，（3）lambda [4]，（4）数据湖 (DL) [5]，（5）数据湖屋 (DLH) [6]，（6）polystore [7]，以及 (7) 数据网格 / 数据结构 [8]。在所有上述架构中，来自异构和分布式数据源 (DS) 的数据通过集成层在集成系统中提供（通过虚拟或物化集成）。该层由复杂的软件实现，它运行所谓的 DI 流程（在数据仓库架构中又称为 ETL，在数据科学中又称为数据处理管道、数据整理或数据处理工作流 [9, 10]）。DI 流程是所有 DI 架构的核心元素。 DI 流程是复杂的工作流，由数十到数千个任务组成。这些任务负责从 DS 中提取数据、将数据转换为通用模型和数据结构、清理数据、删除缺失、不一致和冗余的数据项、集成数据并将其加载到中央存储库（即 DW、DL 或 DLH）中，或使其在虚拟集成架构（即联合、中介、多存储或数据网格）中可用。DI 流程由专用软件管理，称为 DI 引擎（DW 架构中的 ETL 引擎）。
在生命科学中共享敏感数据：集中和联合方法的概述
玛丽亚·鲁贾诺（Maria A. Rujano），格罗宁根大学医学科学博士学位，在埃克林（Ecrin）担任项目经理，为欧盟医疗保健数据研究倡议做出了贡献。凭借细胞和神经发育生物学的专业知识，她曾在著名的研究中心工作，包括Curie Institute和Institute Pasteur。化学博士学位Jan-Willem Boiten是Lygaturation的高级计划经理。 拥有超过20年的跨生命科学合作经验，他正在协调荷兰和欧洲一级的大规模生物医学数据基础设施计划。 克里斯蒂安·奥曼（Christian Ohmann）拥有数学博士学位，医学临时检查和“理论手术”领域的关联。 他是德国海因里希海因大学杜塞尔多夫医学院临床试验中心（KKS）的负责人（1999- 2014年），目前与ECRIN有关临床试验数据共享和ECRIN网络委员会的咨询。 ECRIN的高级数据经理Steve Canham具有18年的临床试验数据系统和管理方面的专业知识。 以前，他领导伦敦癌症研究所的IT团队（2002-11）。 Sergio Contrino是ECRIN数据项目的负责人。 是培训的电子工程师，曾在剑桥大学，遗传学系和欧洲生物信息学研究所（EBI）担任高级软件开发人员。 Romain David，海洋学和数据挖掘博士学位，是Erinha的研究人员和数据管家。 他是研究数据联盟（RDA）的共同主席（例如，化学博士学位Jan-Willem Boiten是Lygaturation的高级计划经理。拥有超过20年的跨生命科学合作经验，他正在协调荷兰和欧洲一级的大规模生物医学数据基础设施计划。克里斯蒂安·奥曼（Christian Ohmann）拥有数学博士学位，医学临时检查和“理论手术”领域的关联。他是德国海因里希海因大学杜塞尔多夫医学院临床试验中心（KKS）的负责人（1999- 2014年），目前与ECRIN有关临床试验数据共享和ECRIN网络委员会的咨询。ECRIN的高级数据经理Steve Canham具有18年的临床试验数据系统和管理方面的专业知识。以前，他领导伦敦癌症研究所的IT团队（2002-11）。Sergio Contrino是ECRIN数据项目的负责人。是培训的电子工程师，曾在剑桥大学，遗传学系和欧洲生物信息学研究所（EBI）担任高级软件开发人员。Romain David，海洋学和数据挖掘博士学位，是Erinha的研究人员和数据管家。他是研究数据联盟（RDA）的共同主席（例如，拥有20年的环境信息系统专业知识，他专门研究数据挖掘，图形方法和合适的数据管理。敏感数据）。Jonathan Ewbank于2021年加入Erinha担任总干事，在担任Marseille-Luminy免疫学中心（法国）25年后。Claudia Filippone是一名病毒学家，在Erinha担任高级科学计划经理。她的研究经验着重于欧洲和非洲的病毒出现和人畜共患病。Erinha的欧洲项目经理Claire Connellan专注于传染病爆发研究（Isidore）项目的综合服务，旨在增强大流行的准备。拥有项目管理和政策制定方面的专业知识，她拥有伦敦国王学院的国际和平与安全硕士学位。Ilse Custers是一名药物化学家（VU阿姆斯特丹）和卫生经济学家（庞贝·法布拉大学）。她目前正在担任Lygature的项目经理，管理项目建立基础架构的健康和基因组数据共享。Rick Van Nuland博士是专注于卫生研究基础设施的Lygature计划经理，并在UTRECHT大学医学中心和斯坦福大学接受了分子癌生物学家的培训。 Michaela Th。 Mayrhofer是培训的社会科学家。 她的博士学位研究了生物库治理的模式。 她的研究重点在于GDPR的合规性，人工智能道德规范以及建立和促进生物医学研究中的ELSI最佳实践。 自2019年以来，她一直领导BBMRI-ERIC的ELSI服务与研究部门。Rick Van Nuland博士是专注于卫生研究基础设施的Lygature计划经理，并在UTRECHT大学医学中心和斯坦福大学接受了分子癌生物学家的培训。Michaela Th。 Mayrhofer是培训的社会科学家。 她的博士学位研究了生物库治理的模式。 她的研究重点在于GDPR的合规性，人工智能道德规范以及建立和促进生物医学研究中的ELSI最佳实践。 自2019年以来，她一直领导BBMRI-ERIC的ELSI服务与研究部门。Michaela Th。Mayrhofer是培训的社会科学家。她的博士学位研究了生物库治理的模式。她的研究重点在于GDPR的合规性，人工智能道德规范以及建立和促进生物医学研究中的ELSI最佳实践。自2019年以来，她一直领导BBMRI-ERIC的ELSI服务与研究部门。Petr Holub是Masaryk大学计算机科学副教授。自2015年以来，他已成为BBMri-Eric的首席IT官。他具有科学的背景（2001年计算量子化学专业的MSC）和计算机科学（2005年的博士学位，专门研究计算机网络，自组织和多媒体处理）。evaGarcíaálvarez在BBMRI-ERIC担任IT科学家和项目经理。她从圣地亚哥大学（De Santiago de Costela）获得了分子医学博士学位，在那里她研究了癌症中体细胞病毒整合的基因组景观。Emmanuel Bacry毕业于écoleNormaleSupérieure（ENS），并拥有数学博士学位。他目前是巴黎 - 杜普大学的CNRS研究主任，也是法国健康数据中心的科学总监。他领导了Ecole Polytechnique的大数据与数据科学计划超过4年（2016-19）。收到：2024年2月6日。修订：2024年4月19日©作者2024。牛津大学出版社出版。这是根据Creative Commons Attribution许可条款（https://creativecommons.org/licenses/4.0/）分发的一篇开放访问文章，该文章允许在任何媒介中不受限制地重复使用，分发和再现，前提是适当地引用了原始工作。
列出计算机的硬件组件
AKCEPT数据，执行功能，显示重新塑料并根据需要存储thoz数据或重新塑造的电子设备iz iz iz iz。它是对硬件和软件资源的紧缩，这些硬件和软件资源使thiz用户不断地提供各种功能。硬件iz的物理komponents的物理komponents，例如AZ A处理器，内存设备，监视器，键盘等，而软件IZ IZ一组会通过硬件资源适当地使用Funcion的训练或指令。Thiz Quipooter具有三个ImportInt Komponent：输入单元，中央处理单元（CPU）和输出单元。将在下面讨论：1。输入单元：附加到Thiz Compooter的输入设备的输入单元Konsist。这些设备将输入输入，并将其konvert konvert到Th Quipooter unordands的二进制语言中。一些常见的输入将AR键盘，鼠标，操纵杆，扫描仪等分离2。中央处理单元（CPU）：onz th信息iz通过输入设备输入了台式机，处理器对其进行操作。th cpu iz称其为Th Qpooter的大脑，因为它是TH钳子的控制中心。它首先从内存中指令说明，然后对其进行解释，以便知道要做什么。如果需要，请从内存或输入设备获取数据。THEFTER CPU执行或执行所需的KOMPONTAIN，ZEN要么存储TH输出，要么在输出devize上显示它。th cpu haz三个主要的komponents，对不同的funkcions负责：算术逻辑单元（ALU），控制单元（CU）和内存rezisters。算术kalkles包括加法，减法，乘法和分裂。A.算术和逻辑单元（ALU）：Alu执行数学kallations并进行逻辑策略。逻辑说明参与了两个数据项的比较，以查看一个iz iz iz更大或更小或相等。Th算术逻辑单元iz th cpu的主要功能是TH CPU的基本构建块。B.控制单元：TH控制单元Koordines和Kontrols TH数据流入和从CPU中进出，以及Kontrols Alu的所有操作，内存Rezisters以及输入/输出单元。iz还负有责任地执行存储在TH程序中的所有指令。它对提取的指令进行解码，对其进行解释并将控制信号发送到输入/输出devized，直到Alu和Memory正确地完成IZ的操作。控制单元充当计算机的中枢神经系统或大脑，为各种组件提供信号以执行指令。CPU中的内存寄存器临时存储处理器使用的数据。这些寄存器的尺寸可以变化（16位，32位，64位等）每个都有一个特定的功能，例如存储数据或说明。用户可以将这些寄存器用于存储操作数，中间结果等。累加器（ACC）是ALU内的主要寄存器，持有操作数的一个操作数。附加到CPU的内部内存都存储数据和指令，并将其分为许多具有唯一地址的存储位置。这允许计算机快速访问任何位置，而无需搜索整个内存。我们可以使用所有这些组件轻松执行任务。程序执行时，将其数据复制到内部内存，并保留在那里，直到执行结束为止。存储器单元是永久存储数据和指令的主要存储组件，以便于检索。输出设备（例如监视器，打印机和绘图器）附着以形成输出单元，将CPU转换为可读格式的二进制数据。输出单元接受来自CPU的信息，并以用户友好的格式显示。计算机的特性包括速度 - 能够每秒执行数百万计算 - 精度，勤奋，多功能性和存储容量。计算机可以精确处理复杂的任务，同时执行多个操作，存储大量数据或说明，并根据需要检索它们。总而言之，计算机已经使用了多年，并广泛传播其用法。三个基本组件是输入单元，CPU和输出单元。但是，计算机功能中还有其他关键组件。内存单元，控制单元以及算术和逻辑单元启用复杂操作。常见问题解答：什么是输入单元？输入单元可让用户输入数据并命令到计算机中。它如何工作？输入单元将用户操作或数据转换为计算机处理的电信号。什么是CPU？CPU通过执行程序指令执行大多数处理任务。其主要部分是算术逻辑单元（ALU），控制单元（CU）和寄存器。CPU如何处理数据？它从内存中获取指令，解码它们，执行指令，然后存储结果。计算机硬件包括物理组件，例如CPU，RAM，主板，存储，图形卡，声卡，计算机箱，监视器，鼠标，键盘和扬声器。软件是书面指令，可以由硬件存储和运行。硬件由软件指示执行命令或说明。两者的组合形式可用的计算系统。早期计算设备可以追溯到17世纪。法国数学家布莱斯·帕斯卡（Blaise Pascal）设计了一种基于齿轮的设备，用于增加和减法，销售约50款。阶梯式的Reckoner是由Gottfried Leibniz发明的，到1676年，可能会分裂和乘。但是，由于设计缺陷和制造局限性，它并不是很有用。类似的设备一直在使用直到1970年代。在19世纪，查尔斯·巴巴奇（Charles Babbage）设计了一种机械装置，用于计算多项式和从未构建的通用计算机。最早的计算机合并了用于输入和输出，内存，算术单元和原始编程语言的打孔卡。Alan Turing于1936年开发了通用图灵机，以建模任何类型的计算机。证明没有计算机可以解决决策问题。计算机存储是现代计算，连接硬件和软件的基础。布尔代数由乔治·布尔（George Boole）在19世纪中叶发明，构成了电路建模的基础，用于晶体管和综合电路。它包含数十亿个小晶体管。在1945年，艾伦·图灵（Alan Turing）设计了自动计算引擎，而约翰·冯·诺伊曼（John von Neumann）开发了冯·诺伊曼（Von Neumann）体系结构，该体系结构具有集中记忆，具有优先访问内存的CPU，以及I/O单元。此设计已成为大多数现代计算机的模板。计算机架构优先考虑成本，速度，可用性和能源效率等目标。设计人员必须了解硬件要求和计算的各个方面，包括编译器和集成电路设计。成本限制降低了利润率，由于改进的制造技术，组件的成本下降。基于冯·诺伊曼（Von Neumann）1945年的设计，最常见的指令集架构涉及CISC，RISC，向量操作或混合模式。isas是共享硬件系统，其中有点指示I/O模式。基于RISC的机器受益于使用更少的说明。这降低了复杂性并增加了注册用法。在RISC在1980年代发明后，其管道和缓存的建筑变得越来越受欢迎。他们将CISC体系结构取代了资源受限的设备，例如手机。在1986年至2003年之间，硬件性能提高了50％以上。这允许开发平板电脑和移动设备。在21世纪，绩效提高是通过利用并行性来驱动的。可以通过数据或任务并行性来实现并行性。这是由各种硬件策略（例如指导级并行性和图形处理单元）所容纳的。虚拟内存简化了程序的地址。微结构涉及高级硬件设计问题，例如CPU，内存和内存互连。内存层次结构可确保更快的内存更接近CPU，而存储器则用于存储较慢。计算机处理器会产生热量，这会影响性能和组件寿命。热管理系统，例如空气冷却器和液体冷却器，在计算机中很常见。数据中心使用更高级的冷却解决方案来维持安全的工作温度。现代计算机在性能和热量管理之间面临微妙的平衡。[31]尽管它们可能很昂贵，但可以使用更有效的模型。[32]但是，即使是最强大的处理器也具有不得超过的限制以防止过热。[33]因此，计算机将自动防止其性能，或者在必要时关闭，以保护其硬件免受过热堆积的影响。[34]对于需要创新的冷却系统才能有效运行的较小，更快的芯片尤其如此。[35]除了前面提到的组件（例如监视器和主板）外，还有其他几个关键的硬件元素构成了个人计算机。这些包括CPU，RAM，扩展卡，电源单元，光盘驱动器，硬盘驱动器，键盘，键盘，鼠标等。[36]台式计算机通常配备一个单独的监视器，键盘和鼠标，而笔记本电脑将这些组件集成到一个紧凑的情况下。[37]便携式平板电脑和笔记本电脑由于便利性和多功能性而变得越来越受欢迎。它们通常以触摸屏为主要输入设备，并且可能包括折叠键盘或外部连接以增加功能。[38]一些模型甚至允许用户分离键盘，从而有效地将其变成2英寸1片平板电脑笔记本电脑混合动力车。[39]手机将延长的电池寿命和便携性优先于原始性能。他们通常具有一系列功能，包括相机，GPS设备，扬声器和麦克风，[40]，但通常要求用户与较大的计算机相比，在功能方面做出妥协。[41]这些设备的功率和数据连接可能会因特定模型或类型而变化很大。个人计算机比大型机或超级计算机要小得多且价格便宜，这些计算机专为大规模计算而设计，可能耗资数亿美元。相比之下，个人计算机用于浏览互联网和文字处理等日常任务。微型计算机是一种计算机，在大小和价格方面介于这两个极端之间。它是在1960年代开发的，它是大型机和中型计算机的便宜替代品。超级计算机专为特定任务而设计，例如运行复杂的模拟或分析大型数据集，并且由于其高性能功能而可能非常昂贵。仓库比例计算机类似于群集计算机，但在更大的范围内，在软件中用作服务（SaaS）应用程序。他们优先考虑每次操作和电力使用成本，用于硬件和基础设施的价格超过1亿美元。虚拟硬件是模仿物理硬件功能的软件，通常用于IaaS和Paas等云计算服务。嵌入式系统的范围从非常基本到高级处理器，并且通常是根据其价格而不是性能功能来选择的。一个计算机盒包围了大多数台式计算机的组件，为内部零件提供机械支持和保护。它还有助于控制电磁干扰并防止静电放电。使用的案例类型取决于计算机的预期目的，其中一些提供了更多的扩展室或对便携性的影响保护。符合ATX标准，将AC功率转换为120至277伏在较低电压（例如12、5或3.3伏）的DC功率。计算机主板是主要组件，具有通过端口和扩展插槽连接CPU，RAM，磁盘驱动器和外围设备的集成电路的板。关键组件包括至少一个CPU，该CPU执行启用计算机功能的计算，解释RAM中的程序说明并将结果发送回相关组件。CPU通常通过散热器和风扇或冷却系统冷却。许多较新的CPU具有播放GPU和1 GHz和5 GHz之间的时钟速度。有一种增加核心增加并行性的趋势。内部总线将CPU连接到主内存，通过几行同时通信。带有多个处理器的计算机需要由Northbridge管理的互连总线，而Southbridge则管理较慢的外围设备。RAM商店基于用法积极访问层次结构中的代码和数据，其寄存器最接近CPU，其容量有限。多个缓存区域的容量比寄存器更大，但小于主内存，通过预摘要减少延迟。如果需要缓存数据，则可以从主内存中访问。缓存通常是SRAM，而主内存通常是大量的。如果计算机关闭，其永久存储或非易失性存储器通常以比常规内存更低的成本提供更高的容量，但是由于硬盘驱动器中的历史用途，这些内存需要更长的时间才能访问，而硬盘驱动器的历史用途则由更快的固态驱动器（SSD）代替。存储数据的其他选项包括USB驱动器和云存储。ROM（仅读取内存）包含计算机上电动机时运行的BIOS，而新的主板则使用统一的可扩展固件接口（UEFI）而不是BIOS。功率MOSFET控制电压调节器模块（VRM），而CMOS电池为BIOS芯片中日期和时间的CMOS存储器提供动力。可以通过扩展卡通过扩展插槽添加到计算机中，以增强功能，尽管现代计算机通常具有集成的GPU。大多数计算机还具有外部数据总线（例如USB）来连接外围设备，例如键盘，鼠标，显示器，打印机和网络接口控制器。2023年的计算机硬件的全球收入达到7051.7亿美元。电子废物管理至关重要，这是由于计算机硬件中存在的危险材料。处置未经授权的计算机是非法的，并且必须通过政府批准的设施进行回收。可以通过删除可重复使用的零件（例如RAM，图形卡和硬盘驱动器）来简化回收计算机。可以回收许多计算机硬件中使用的有价值的材料，以重复使用，降低成本和环境危害。有毒物质（例如铅，汞和镉）通常在计算机组件中发现，构成健康风险，包括智力发育，癌症和器官损害受损。电子废物的不当处理可能会导致严重的环境污染和健康问题。相比之下，回收计算机硬件被认为是环保的，因为它可以防止危险废物进入大气。存在严格的立法，以执行可持续的处置惯例，包括《欧盟和美国国家计算机回收法》的废物电气和电子设备指令。电子循环是指收集，修复，拆卸，经纪和回收电子设备的过程。像戴尔（Dell）和苹果公司（Apple）这样的公司参加了电子环保计划，以回收各种电子产品，减少电子废物并促进更可持续的未来。在捐赠或回收计算机时，请考虑对教育机构，医院和其他非营利组织进行翻新和重复使用旧计算机的组织。例如，计算机援助国际接受各种捐款，以重新利用这些目的的旧计算机。Kevin（2022）在他的书《探索计算机硬件：理解计算机硬件，组件，外围设备和网络的插图指南》中讨论了计算机硬件的主题。本书涵盖了计算机硬件及其组件的各个方面，包括网络。计算机硬件是众多资源的主题，包括教科书，例如Wang，Shuangbao Paul的计算机架构和组织。这些材料可通过Wikimedia Commons，Wikibooks和Wikiversity等各种在线平台访问。此外，可以在Wikipedia的页面上找到有关计算机硬件的信息。