本仓库用于存放一些生命数据科学（生物信息学），机器学习，深度学习，Python相关的学习教程与脚本。
- 机器学习：UMAP 深入理解
- 如何高效利用
t-SNE - 机器学习：如何解决类别不平衡问题
- 机器（深度）学习中的 Dropout
- 机器学习: Label vs. One Hot Encoder
- 机器学习算法：随机森林
- 机器学习算法：支持向量机
- ICA简介：独立成分分析
- 循序渐进的基础知识：文本分类器
- 可视化反卷积操作
- 降维算法: 奇异值分解SVD
- 使用 Python 探索 感知机 算法
- 层次聚类算法
- 机器学习模型的性能评估方法
- 用 Dropout 正则化对抗 过拟合
- 自然语言处理知识图谱的十年
- 机器学习：XGBoost算法介绍
- 机器学习指标: F1分数
- 机器学习模型的生命周期
- 随机森林和缺失值
- 使用 PyNeuraLogic 超越 Transformers
- Transformer 模型：入门详解（1）
- 深入了解 Transformers – Part 1: 介绍 Transformer 模型
- Transformers 发展一览
- 提高CV模型训练性能的 9 个技巧
- 模型性能分析：ROC 分析和 AUC
- 数据分析：5个数据相关性指标
- 利用mAP评估目标检测模型
- 深度学习中的潜在空间
- 自然语言处理：词嵌入简介
- Word2Vec：一种基于预测的方法
- Pytorch 2.0 如何通过算子融合和 CPU/GPU 代码生成加速深度学习
- Backbone 在神经网络中意味着什么？
- 在 PyTorch 中实现可解释的神经网络模型
- 如何轻松配置深度学习模型
- 微调预训练的 NLP 模型
- Transformer 模型实用介绍：BERT
- PyTorch 中的多 GPU 训练和梯度累积作为替代方案
- 目标检测：RPN — Faster R-CNN 的主干
- Region Proposal Network (RPN) 架构详解
- 两阶段目标检测指南：R-CNN、FPN、Mask R-CNN
- 使用预先训练的扩散模型进行图像合成
- Axel – 用于 Linux 的命令行文件下载加速器
- 2023 年 10 个最受欢迎的 Linux 发行版
- 如何在 Linux 中使用 Bash For 循环
- 如何在多个 Linux 服务器上运行多个命令
- 如何在Linux 系统上免费托管网站
- Ubuntu 包管理的 20 个“apt-get”命令
- 如何在 Linux 中创建和使用别名命令
- Python 学习资料推荐
- 使用
json.load()和loads()进行PythonJSON解析 - 性能分析
- 9个Python 内置装饰器: 显著优化代码
- Pandas 高效数据选择指南
- Python 闭包使用详解(内含实例)
- Python 包 install+import+管理用法总结
- 使用 Mercury 直接从 Jupyter 构建 Web 程序
- 7 个 Python API 最佳实践
- 在 Python 中将 Tqdm 与 Asyncio 结合使用
- Python: 结合多进程和 Asyncio 以提高性能
- 使用这些方法让你的 Python 并发任务执行得更好
- 这3个Python 函数你知道吗？
- 哈希函数如何工作 ?
Python 异步教程 (已完结)
- Python 异步：完整教程导读
- Python 异步: 什么是异步编程？ （1）
- Python 异步: 什么是异步？ （2）
- Python 异步: 什么时候使用异步？（3）
- Python 异步: 协程（4）
- Python 异步: 定义、创建和运行协程（5）
- Python 异步: 什么是事件循环 ?（6）
- Python 异步: 创建和运行异步任务（7）
- Python 异步: 使用和查询任务（8）
- Python 异步: 当前和正在运行的任务（9）
- Python 异步: 同时运行多个协程（10）
- Python 异步: 等待任务集合（11）
- Python 异步: 等待有时间限制的协程（12）
- Python 异步: 保护任务免于取消（13）
- Python 异步: 在 Asyncio 中运行阻塞任务（14）
- Python 异步: 异步迭代器（15）
- Python 异步: 异步生成器（16）
- Python 异步: 异步上下文管理器（17）
- Python 异步: 异步推导式（18）
- Python 异步: 在非阻塞子进程中运行命令（19）
- Python 异步: 非阻塞流（20）
- Python 异步: 检查网站状态示例（21）
- Python 异步: 常见错误（22）
- Python 异步: 常见问题 Part_1（23）
- Python 异步: 常见问题 Part_2（23）
- Python 异步: 常见反对意见（24）
- 如何写好科研论文
- 同行评审期刊文章指南
- 出版学术研究论文的一些小技巧
- 序列操作神器：Seqkit
- Wget 常用方法
- 单细胞基础教程：整合分析（无法下载示例数据集的，请关注下方公众号，并留言）
- 比较基因组：点图介绍与可视化
RNA-seq 详细教程
- 分析流程介绍（1）
- 实验设计（2）
- 分析准备（3）
- count 数据探索（4）
- 转录组比对番外篇：aligner 与 mapping 区别
- 搞定count归一化（5）
- 样本质控（6）
-
DESeq2差异表达分析（7） - 假设检验和多重检验（8）
- 详解DESeq2流程（9）
- Wald test（10）
- 结果汇总与提取（11）
- 可视化（12）
- 似然比检验（13）
- 时间点分析（14）
- 注释（15）
scRNA-seq：单细胞系列教程
- 什么是单细胞（一）
- 计数矩阵是如何生成的？（二）
- 环境搭建（三）
- 质控（四）
- 质控实战（五）
- 聚类流程（六）
- PCA和归一化理论（七）
- 归一化和回归（八）
- 数据整合（九）
- 细胞聚类（十）
- marker鉴定（十一）
- 蛋白质组学
- ATAC-seq分析：教程简介（1）
- ATAC-seq分析：数据介绍（2）
- ATAC-seq分析：比对（3）
- ATAC-seq分析：比对后处理（4）
- ATAC-seq分析：数据处理（5）
- ATAC-seq分析：数据质控（6）
- ATAC-seq分析：TSS 信号（7）
- ATAC-seq分析：Peak Calling（8）
- ATAC-seq分析：Annotating Peaks（9）
- ATAC-seq分析：差异分析（10）
- ATAC-seq分析：Motifs分析（11）
- ChIP-seq 分析：教程简介（1）
- ChIP-seq 分析：原始数据质控（2）
- ChIP-seq 分析：数据比对（3）
- ChIP-seq 分析：Mapped 数据可视化（4）
- ChIP-seq 分析：数据质控实操（5）
- ChIP-seq 分析：评估片段长度与处理（6）
- ChIP-seq 分析：文库的复杂性和丰富性（7）
- ChIP-seq 分析：Call Peak（8）
- ChIP-seq 分析：Peak 注释与可视化（9）
- ChIP-seq 分析：数据与Peak 基因注释（10）
- ChIP-seq 分析：基因集富集（11）
- ChIP-seq 分析：GO 功能测试与 Motifs 分析（12）
- ChIP-seq 分析：TF 结合和表观遗传状态（13）
- ChIP-seq 分析：Consensus Peaks（14）
- ChIP-seq 分析：Differential Peaks（15）
- 详情关注公众号：“冷冻工厂”
