Zhiqiang

JAMA原文链接

摘要

近年来，许多新的临床诊断工具都是利用复杂的机器学习方法开发出来的。无论诊断工具是如何导出的，都必须通过导出、验证和建立工具的临床有效性3个步骤来评估。基于机器学习的工具还应该评估所使用的机器学习模型的类型及其对输入数据类型和数据集大小的适合性。机器学习模型一般也有额外的预设，称为超参数，必须在独立于验证集的数据集上进行调整。在验证集上，评估模型的结果被称为参考标准。必须对参考标准的严格性进行评估，例如对照普遍接受的金标准或专家评分。

阅读更多

今天又被娃批评抱怨了，“爸爸，为什么你给我讲数学都是一讲一个小时！”最近是有点走火入魔了，有点拔苗助长的感觉，还是要控制一下。不过看着好像都听懂了，就忍不住接着说……

阅读更多

4月初BMJ又发了一篇系统综述，并配发了同期述评，结论如标题。

阅读更多

今天看了腾讯研究院微信公众号发布的《海外数字抗疫的六大方向》一文，大致分为：1、借助平台优势发布权威信息，协助民众自我筛查；2、利用地理位置信息等筛查追踪密切接触者；3、发挥云计算和大数据优势，助力疫情研判与科研攻关；4、发挥云服务优势，确保资源分配公平合理；5、利用网络平台为社区互助和志愿服务创造条件；6、为远程办公、教育和居家娱乐提供便利。

阅读更多

继昨天用Python实现的音高训练程序，今天在App Store里面搜了一下，有一款“音乐教师”的App是实现了类似的功能，只是操作体验方面可以有优化的地方，另外就是可选的按键范围有点局限。

阅读更多

【封面故事】全球抗疫 惟有合作

阅读更多

思考的问题

• 机器学习是否需要理解信息的内容？信息本质规律（或者更准确的说是抽象规律）是否能代表信息本身？这种信息学上抽象逻辑是更本质的？
• 是否理解信息的内容才是判断智能的基础，而不是仅通过概率来模拟内容？
• 对于互联网上因立场不同而特意输出的混淆信息，计算机又如何能够识别？

阅读更多