可再现研究

R新手入门：使用Gapminder数据学习可再现数据分析 本资料库为R语言新手提供学习资源，特别关注使用Gapminder数据集进行可再现数据分析。目标是指导新手程序员使用R编写模块化代码，并学习数据分析的最佳实践。 课程目标 为R语言新手构建坚实的编程基础。 传授科学计算的最佳实践，包括： 将分析分解为模块化单元 任务自动化 代码封装 请注意： 本研讨会重点教授R编程语言基础，不涉及统计分析内容。 关于第三方软件包 研讨会将使用各种第三方软件包，这些包的选择基于易用性和实用性，而非全面性或最佳选择。 资料来源 本课程资料改编自Python资料，并结合了我们自身的经验进行调整。 课程结

客户价值的可拓知识挖掘工具，挺适合搞精准营销的你来看看。基于可拓学和数据挖掘，这个软件专门用来客户价值的分类和评估。嗯，说白了就是帮企业找出谁是重点客户，谁消费潜力大。响应还不错，功能也比较清晰，适配不同企业的数据模型不算麻烦。 整体架构比较清爽，逻辑也顺。比如你想给不同类型的客户打标签、做价值评分，可以通过内置的可拓分类算法搞定，省不少事。再配合你自己的 CRM 系统，效果还挺的。代码不难，适合前端配合后端一起集成。 这玩意还有个亮点就是灵活性高。比如你手里是电信、电商还是制造业的数据，它都能跑，不挑食。如果你搞过客户细分或者客户画像的项目，用这个来打基础还挺合适的。数据格式要求也不高，简单

knitr 的文档集成功能配合 git 的版本管理，真的是做可重复研究的一把好工具。作为搞前端的我，平时虽然不怎么碰 R，但看到这个组合还是忍不住想分享给你，是你做数据或统计相关的项目时，肯定会用得上。knitr 的代码嵌入能力蛮强，文档里直接写 R 代码，跑出来的结果一并展示，不用来回切换工具。搭配 RMarkdown，用起来跟写 README 一样顺手，响应也快，文档也清晰。git 就不用多说了，做前端也天天用，写文档、同步代码、回滚历史，一个都不少。如果你是第一次尝试配合 knitr 用，建议先搞清楚.Rmd文件的结构，再看看怎么配合git commit写好版本记录。我整理了一个入门指南

这款经典的蛇游戏不仅保留了原版的乐趣，还增加了迷宫等多种新功能。

如何衡量机器学习研究的可重复性？目前关于可重复性的讨论大多基于直觉或假设，缺乏实证数据支持。发布代码是目前领域内常用的做法，但这不足以完全确保可重复性。为了量化可重复性，我们手动尝试复现了 1984 年至 2017 年间发表的 255 篇论文，记录了每篇论文的特征，并对结果进行了统计分析。 在复现过程中，我们没有参考作者提供的代码（如果有的话），以避免因代码与论文之间可能存在的差异而产生偏差。 本研究的目的是推动关于可重复性研究的量化讨论。这项工作并非试图对数据中所有潜在见解进行全面评估，改进协议、数据和解决偏差等方面仍需进一步研究。

一个使用MATLAB实现的简易程序，用于数字全息图像的再现。

Python 的 Spark 插件库，离线装起来还挺方便的，适合搞大数据或者机器学习的你。Spark 的pyspark就是个好东西，用 Python 写分布式计算，体验比你想象中轻松。嗯，安装方式也灵活，在线装也行，离线装更快更稳——你只要下个压缩包，解压配置下环境变量，几分钟搞定。Sparkcore是核心，大数据靠它，内存计算，响应快，容错性也不错。再加上Sparkstreaming，实时数据流也不在话下，比如日志、实时监控场景合适。搞机器学习？Spark 也有自己的MLlib库，各种算法都有，分类、聚类、协同过滤一把抓，配合管道机制，建模流程挺顺的。你还可以玩玩更高级的Spark ML，统

Matlab开发：可滚动、可缩放的多通道数据显示功能。

Matlab 代码再现了基于双树复小波变换的源相机识别。根据 Zeng H 等人的研究成果，本研究在 IEEE 访问期刊上发表。研究验证了在 Matlab 2015a 和 Windows 10 64bit 平台上运行的代码。为提高速度，特别优化了 denC2D_fast() 函数。

HeidiSQL是一款图形化界面，用于简化MySQL服务器和数据库管理。该软件允许用户浏览数据库、管理表格、浏览和编辑记录以及管理用户权限等功能。