每日碎碎念

[wanghaisheng]

1、Google的性能检测工具Cloud Trace出测试 是否可以对现有的fhir server中提供的服务进行测试和评估
是否可以对所有云平台 云服务 baas供应商的接口性能进行测试

Upvote & Fund

• We're using Polar.sh so you can upvote and help fund this issue.
• We receive the funding once the issue is completed & confirmed by you.
• Thank you in advance for helping prioritize & fund our backlog.

[wanghaisheng]

Flatiron Health的产品--癌症领域的超级数据库
#47

[wanghaisheng]

从容器和Kubernetes技术看现代云计算的发展轨迹
打造基于Docker的PaaS平台
Docker在云环境中的应用实践初探：优势、局限性与效能评测

UCloud 莫显峰：Docker将会重新定义云计算
如果决定使用Docker，是否有必要同时使用OpenStack？
Performance Characteristics of Traditional VMs vs Docker Containers by Boden Russel from IBM 性能测试报告

[wanghaisheng]

HTTP的入门和大神之路

[wanghaisheng]

爬虫：
1、全国有多少家儿童医院、口腔医院
2、能否拿到留一手的所有微博做一个情感分析什么的 然后来模拟点评
3、能否拿到所有业务竞争对手的微博、微信、官网的信息
4、治疗不孕不育、牛皮癣、羊癫疯的骗子
5、

[wanghaisheng]

以“儿童医院”为关键词
1、好大夫在线有88个结果
2、寻医问药网有6*17=108
3、卫计委网站上的查询
https://www.hqms.org.cn/usp/roster/rosterInfo.jsp?provinceId=&htype=&hgrade=&hclass=&hname=%25E5%2584%25BF%25E7%25AB%25A5&_=1421938678490
以儿童医院为关键词 其他变量默认 只有45

[wanghaisheng]

打造基于Docker的PaaS平台

[wanghaisheng]

http://a16z.com/2015/01/22/insurance/

crowdsourced insurance companies
找一下相关材料
Friendsurance调研这家公司

[wanghaisheng]

http://yepeng.blog.51cto.com/3101105/1565691
开源大数据查询分析引擎现状
窝窝的解决方案介绍

[wanghaisheng]

利用stackoverflow的tags的about来学习技术点
http://stackoverflow.com/tags/rest/info
http://stackoverflow.com/tags?page=3&tab=popular

[wanghaisheng]

javascript
Eloquent JavaScript http://eloquentjavascript.net/

[wanghaisheng]

词具有三种关系，一种是真伴随关系（学术界叫互信息大的词对），一种是结构一致性强的词（学术界也叫结构化聚类），最后一种是修饰关系的，比如奥巴马和美国总统。

[wanghaisheng]

twitter的分词
http://www.ark.cs.cmu.edu/TweetNLP/cluster_viewer.html
http://www.ark.cs.cmu.edu/TweetNLP/clusters/50mpaths2

[wanghaisheng]

http://cikuapi.com/
http://lafnews.com/corpus/

[wanghaisheng]

新闻的核心词和龙套词
微博评论

机器学习那些事儿：学习//@52nlp://@梁斌penny: 我记得最早是听@kingdy9 说过，09年吧，美军研究的很系统，我的路子不同 //@鲁东东胖: 受教：O网页链接 //@Super_Jiju: 真是你的能量超乎你想像啊 搜搜基于随机游走的kp抽取 textrank啥的 都搞很多年了 //@白硕SH: 嗯，简化描述一下，实际上词被贴上了两种不同的

    回复

2013-11-2 09:14
raogaoqi
raogaoqi：嗯哪，介事儿很重要的说呢~

    回复

2013-11-1 22:09
raogaoqi
raogaoqi：营养贴，那相关词的list是其他同质语料训练出来的还是本体建设的结果呢？//@鲁东东胖:是否可以这样理解，当一个词和它的同类词一起出现时，往往泛指一个概念，比如当苹果和橘子香蕉同时出现的时候往往指是水果，当李娜和莎拉波娃同时出现时往往指的是网球运动员，等等。这种时候个……

    回复

2013-11-1 21:50
白硕SH
白硕SH：回复@鲁东东胖:两个词之间笼统论距离，肯定不如细分差距更有益。温度是天气的一个方面，如果一定要列一个比例式“北京：x=天气：温度”的话，无论上海天津都不是x的最优解，反而是x等于“故宫、中关村、回龙观……”这些北京的“子区域”时更为贴切。这时替换就没有答非所问的感觉。

    查看对话
    回复

2013-11-1 18:18
鲁东东胖
鲁东东胖：回复@白硕SH: 李航建议从 topic/focus theme/rheme,角度去看这个问题，白老师对此有什么见解呢

    查看对话
    回复

2013-11-1 18:01
白硕SH
白硕SH：回复@鲁东东胖:更一般的解释是有的。语用学上，确实有人主张，如果不考虑重音等因素，一般来说先说的内容是“given information”，后说的内容是“new information”。所以先说的部分相似而不同，就有答非所问的感觉，但后说的部分相似而不同，答非所问的感觉就弱一些。

    查看对话
    回复

2013-11-1 17:57
鲁东东胖
鲁东东胖：回复@白硕SH: 基本上是这样，假设我的问题是”北京的温度怎么样？“， 然后去百度知道上找一个类似的问题，用它的答案来回答我这个问题。这是一个古老的问题，对于这个例子也应该有解决方案，但是我想知道有没有更一般的解释

    查看对话
    回复

2013-11-1 17:48
vinW
vinW：赞。可能得想好自己想要的 相似度 是怎样的，这里是想构造一种能区分新闻当事人的 相似度，那放到有监督特征选择下可能比较好弄。

    回复

2013-11-1 17:47
白硕SH
白硕SH：回复@鲁东东胖:这要看你的QA是摘句还是替换疑问词。如果是摘句，问北京而答天津是不可接受的。如果是替换疑问词，拿天津天气的取值替换关于北京天气的疑问词，是可以接受的。退一步说，如果说“反正天津下雨，北京如何，你懂的”，也挺好。

    查看对话
    回复

2013-11-1 17:45
鲁东东胖
鲁东东胖：回复@白硕SH: 如果从wordnet上的距离来看，北京和上海（或天津）的距离，以及 天气和温度的距离，都很近，但是后者的替换是可接受的，但是前者是不可接受的，也许从命名实体的角度可以解释，但也许还有很多命名实体无法解释的

    查看对话
    回复

2013-11-1 17:38
白硕SH
白硕SH：回复@梁斌penny:性别是先天的，可以在词典里确定，核心和龙套是后天的，要根据文本动态确定。

    查看对话
    回复

2013-11-1 17:32
白硕SH
白硕SH：回复@鲁东东胖:把上海换成天津呢？这其实是自变量距离与函数距离的可比性问题。

    查看对话
    回复

2013-11-1 17:31
梁斌penny
梁斌penny：回复@白硕SH: 有点这个意思，老大和其他人都不同，其他人互相可替换。

    查看对话
    回复

2013-11-1 15:55
白硕SH
白硕SH：一山不容二虎。

    回复

2013-11-1 15:37
谢剑Richard
谢剑Richard：其实key思想还是tf和idf..只是泛义的idf~BTW：顶下楼下的童鞋，词袋model的确需要突破！

    回复

2013-11-1 15:11
梁斌penny
梁斌penny：回复@湘阳puck: 当然了，做好不容易，我也只是提供一个思路。。结构性的东西肯定保持下来，比词袋更丰富，路还很长

    查看对话
    回复

2013-11-1 13:45
湘阳puck
湘阳puck：回复@梁斌penny:这未见得吧，很多随机提及的情况很难通过简单的词带模型解决，不管使用什么trick，idea本身的限制就在那里，突破词带模型本身，才是关键。

    查看对话
    回复

2013-11-1 13:38
梁斌penny
梁斌penny：李开复，马云，马化腾等大佬一起开会，核心肯定是某个主题。如果李开复发表一个讲话，那核心词肯定是李开复。 

[wanghaisheng]

医保结算

目前,医疗费用的结算大都采用总额控制下的按医疗服务项目付费的后付制。所谓按服务项目付费的后付制是指医院根据患者的病情采取相应的医疗措施, 记录病人接受服务的项目如诊断、治疗、化验、药品、手术、麻醉、护理等和收费标准, 小病从医疗卡中划拨, 大病到保险机构进行结算；按服务项目结算是一种运用最广泛的一种医疗费用结算方式，是后付制的传统形式

国内主要的结算方式

每位医保病人出院时都会收到一份住院医保结算单，上面记录了病人本次住院治疗的总费用、自付费用和医保记账报销的费用。然而由于不少市民对于一些医保概念不清晰，在看结算单的时候常常被上面的一大堆数字搞得一头雾水。据广州医科大学附属肿瘤医院医保办负责人介绍，其实市民要看懂住院医保结算单并不难。尽管各地的医保住院结算单不尽相同，报销比例也不一样，但大同小异，关键是要弄清楚几个关键词的含义。

　　总金额：住院总费用，即病人在住院期间花费的所有费用。

　　自费费用：医保目录范围以外的费用。

　　部分项目自付费用：医保目录范围内的乙类项目，按比例参保人要先自付一部分的费用。如乙类药品A，100元，按5%的先自付比例，就产生部分项目自付费用5元=100×5%。

　　起付线：即起付标准以下费用，医保局根据不同的参保人员类别及医院等级类别设定了相应起付标准。

　　统筹共付段费用：基本医疗费用由医保和参保人共同支付的费用，计算方法=总金额-自费费用-部分项目自付费用-起付线，其中共付段医保支付费用=(总金额-自费费用-部分项目自付费用-起付线)×86%;共付段参保人支付费用=(总金额-自费费用-部分项目自付费用-起付线)×14%。

　　对于部分购买了“企业补充”的职工参保人，还可以享受企业补充的记账，计算方法=(起付线+共付段参保人支付费用)×70%。

　　此时，医保记账合计=(总金额-自费费用-部分项目自付费用-起付线)×86%+(起付线+共付段参保人支付费用)×70%。

　　重大疾病补助：是指参保人在社保年度内基本医保统筹累计支付超过当年的限额时，系统自动转入重大疾病补助记账。

　　广州市医保局规定，在不同级别的医院住院，报销比例和床位费结算标准不同;不同类型的参保人，起付标准不同。因此，为了读者方便计算，医院一般会在医保宣传栏或者宣传小册上印制关于医保支付比例与起付标准的有关政策信息。

　　需要注意的是，医保记账金额并不是简单的“住院总费用×报销比例”，而是在剔除自费费用、起付标准、部分项目自付费用后，按照基本医疗保险统筹共付段费用的情况，按比例进行医保报销。

基本医疗保险统筹基金支付医疗费用设定结算期。结算期按职工和退休人员住院治疗的时间，恶性肿瘤放射治疗和化学治疗、肾透析、肾移植后服抗排异药门诊治疗的时间设定。 在一个结算期内职工和退休人员发生的医疗费用，按医院等级和费用数额采取分段计算、累加支付的办法，由基本医疗保险统筹基金和个人按照以下比例分担： 1、在三级医院发生的医疗费用： （1）起付标准至1万元的部分，统筹基金支付80％，职工支付20％； （2）超过1万元至3万元的部分，统筹基金支付85％，职工支付15％； （3）超过3万元至4万元的部分，统筹基金支付90％，职工支付10％； （4）超过4万元的部分，统筹基金支付95％，职工支付5％。

　　2、在二级医院发生的医疗费用： （1）起付标准至1万元的部分，统筹基金支付82％，职工支付18％； （2）超过1万元至3万元的部分，统筹基金支付87％，职工支付13％； （3）超过3万元至4万元的部分，统筹基金支付92％，职工支付8％； （4）超过4万元的部分，统筹基金支付97％，职工支付3％。

　　3、在一级医院以及家庭病床发生的医疗费用： （1）起付标准至1万元的部分，统筹基金支付85％，职工支付15％； （2）超过1万元至3万元的部分，统筹基金支付90％，职工支付10％； （3）超过3万元至4万元的部分，统筹基金支付95％，职工支付5％； （4）超过4万元的部分，统筹基金支付97％，职工支付3％。

　　4、退休人员个人支付比例为职工支付比例的60％。 但基本医疗保险统筹基金按照比例支付的最高数额不得超过规定的最高支付限额。

[wanghaisheng]

做产品16年，我有9条心得

[wanghaisheng]

医学词汇及其相互关系的查询
http://med.dmi.columbia.edu

[wanghaisheng]

判断术语是否是可控医学术语CMV的标准或者条件
http://med.dmi.columbia.edu/vocab.htm

[wanghaisheng]

台大林老师对并行计算的理解
http://pan.baidu.com/s/1jGiRhie

[wanghaisheng]

技术雷达 思特沃克 http://www.thoughtworks.com/radar

[wanghaisheng]

到底应该考虑哪些数据分析的方法 可视化的方式

可参考 http://orange.biolab.si/

[wanghaisheng]

数据匿名化处理
K匿名
wanghaisheng/awesome-health-data-anonymity#4
wanghaisheng/awesome-health-data-anonymity#3
wanghaisheng/awesome-health-data-anonymity#2
wanghaisheng/awesome-health-data-anonymity#1

[wanghaisheng]

PostgreSQL 相关
1、instagram使用postgresql的小技巧
http://instagram-engineering.tumblr.com/post/40781627982/handling-growth-with-postgres-5-tips-from
http://instagram-engineering.tumblr.com/post/10853187575/sharding-ids-at-instagram

其中包括了业务系统中全局唯一ID的生成策略和技巧
与下面这篇业务系统需要什么样的ID生成器不谋而合
hacknew上对ID生成策略的讨论here

https://github.com/formspring/flake
https://github.com/ericliang/ticktick

[wanghaisheng]

HIPAA
https://www.cms.gov/Regulations-and-Guidance/HIPAA-Administrative-Simplification/HIPAAGenInfo/index.html?redirect=/hipaageninfo/
http://en.wikipedia.org/wiki/Health_Insurance_Portability_and_Accountability_Act

[wanghaisheng]

开源库代码分析套路
https://github.com/android-cn/android-open-project-analysis
从简介、总体设计、流程图、详细设计全方面分析开源库源码。

[wanghaisheng]

图数据库的应用

InfiniteGraph
https://github.com/infinitegraph/NDCSample药品不良反应的例子

[wanghaisheng]

优酷去广告
https://github.com/rasso1/youkuantiads

[wanghaisheng]

面试相关
http://www.quora.com/What-should-one-say-when-the-interviewer-asks-Do-you-have-any-questions-for-me/answer/Edmond-Lau?srid=5X05&share=1
http://wanqu.co/2014-11-16-how-to-spot-a-bad-boss-during-a-job-interview.html

0
如何在面试中识别一个坏老板
0
如何处理面试官”有什么问题要问我吗“的问题？

[wanghaisheng]

互联网的两种模式：pull & push O网页链接 商业互联网的前10年（19942004），是pull的模式，用户主动去线上服务获得信息（google，yelp，craigslist）；互联网的第二个10年（20042014），是push的模式，用户被动地接收推送来的信息（facebook, twitter, wechat）

The evolution of the internet is an extremely complex topic. Sometimes it is helpful to find broad patterns that make it easier to understand. One simplifying pattern comes from the two types of actions internet users take: pull and push.
Pull Push
dominant platform Search Social
dominant platform company Google Facebook
growth era 2000s 2010s
successful content type Utilities Media
content durability Stock Flow
successful publishers TripAdvisor, Wikipedia, Yelp, & many more tbd
marketing activity links and algorithms shares and people

Pull is when you are seeking information, usually an answer to a question. You want to know the closing time of a restaurant, the description of a hotel where you are thinking about staying, the details of an historical event you heard about, etc. You go to your computer and pull the information. The killer app for pulling information was Google.

Search grew exponentially in its heyday (roughly, the decade of the 2000s) because it benefited from a positive feedback loop between the supply of and the demand for information. As search demand grew, websites developed content to meet that demand, which in turn further stoked demand. The successful websites of this era were mostly information utilities such as Wikipedia, Yelp, and TripAdvisor.

Push is when you are using the internet in a more passive way and content comes to you. The killer app for push is social networks, the most popular being Facebook. Information is pushed from user to user via likes, shares, tweets, etc. People tend to push things they find funny, interesting, moving, outrageous, etc which usually means they push media: articles, videos, lists, gifs, photos, etc.

We are currently experiencing a positive feedback loop between social networks and media publishers, analogous to last decade’s search + information feedback loop. There are a few other key differences today:

1. Desktop vs mobile. The current era has an additional dimension of complexity due to a simultaneous transition from desktop to mobile computing. Consequences include the rapid rise of native apps over websites, and a dramatic increase in the overall scale and reach of the internet.

2. Stock vs flow: Media tends to have a much shorter shelf life than informational content. The main defensible asset for last decade’s publishers was the repository of content they accumulated. The defensible asset for media publishers is the machine – the combination of people, technology, practices, financial and other assets – that produces a constant flow content.

3. Bundled vs unbundled monetization - In the prior era, monetization usually meant placing ads on websites next to content. In the new era, atomized chunks of content are pushed through social networks and consumed on mobile phones. The most successful ads are funny, interesting, engaging, compelling, etc. on their own (so-called native ads) and don’t rely on bundling.

There will probably be a few big, successful companies that emerge from the push era. As in the pull era, the successful companies will reinforce the feedback loop: riding the trends instead of fighting them.

[wanghaisheng]

的在线分布式数据库原理与实践
沈洵
http://www.imooc.com/learn/272

[wanghaisheng]

API接口文档范例
http://node-webot.github.io/wechat/api.html

[wanghaisheng]

BUILDING A DATA PIPELINE From Scratch
Joe Crobak
PPT学习笔记
1、https://wiki.postgresql.org/wiki/PGQ_Tutorial
2、http://ingest.tips/2014/12/22/getting-started-with-apache-nifi/

[wanghaisheng]

http://www.ccf.org.cn/sites/ccf/jsjtbbd.jsp?contentId=2851766225495
计算机学会通讯2015年第3期专题是周明老师和赵东岩老师主持的《多智能自然语言处理》，很多有意思的文章，例如 深度学习在自然语言处理中的应用，基于社会媒体的预测技术，从问答系统看知识智能，拥抱社会智能，等等。

[wanghaisheng]

CS 194-16 Introduction to Data Science - UC Berkeley, Spring 2014
http://amplab.github.io/datascience-sp14/

[wanghaisheng]

二维码

The QR code format was created in 1994 by Japanese company Denso-Wave, which is a subsidiary of Toyota that manufactures auto components. The standard is defined in ISO/IEC 18004:2006. The use of QR codes is license-free.

The smallest QR codes are 21x21 pixels, and the largest are 177x177. The sizes are called versions. The 21x21 pixel size is version 1, 25x25 is version 2, and so on. The 177x177 size is version 40.

In addition, QR codes include error correction: when you encode the QR code, you also create some redundant data that will help a QR reader accurately read the code even if part of it is unreadable. There are four levels of error correction that you can choose from. The lowest is L, which allows the code to be read even if 7% of it is unreadable. After that is M, which provides 15% error correction, then Q, which provides 25%, and finally H, which provides 30%.

The capacity of a given QR code depends on the version and error correction level, as well as on the type of data that you are encoding. There are four data modes that a QR code can encode: numeric, alphanumeric, binary, or Kanji. The Denso-Wave web site's list of QR versions includes information about how many data bits you can encode in each version.

[wanghaisheng]

金融圈还是有明白人的，刚刚掌舵浙商基金的肖风说的太好了：“你必须基于移动互联网来重新构建技术架构，你不做这个事情，以后做的任何事情都没有用，因为只有基于移动互联网重新架构技术，才有可能重组组织结构，重组业务流程，重组市场体系，甚至重组投资管理，否则后面都达不到。”

[wanghaisheng]

http://www.cnki.com.cn/Article/CJFDTotal-ZZXZ201305024.htm

四种循证医学数据库比较分析
目的比较分析4种知名循证医学数据库的优缺点,为我国循证医学数据库的建设提供参考。方法运用文献分析法及网页搜索综合分析UpToDate、MD Consult、Clinical Evidence和DynaMed数据库的经营理念、编辑流程、个性化服务等特点。结果①从建立时间来看,UpToDate建立于1992年,是最早建立的循证医学数据库;②从经营理念来看,4个数据库都以整合当前针对某一临床主题的所有高质量证据、帮助临床医生形成当前最合理的决策建议为宗旨;③从编辑流程来看,Clinical Evidence的证据纳入经过18个步骤,相比其他3个数据库更加严谨;④在更新速度方面,DynaMed每天更新,在4个数据库中更新最快。结论建设一个成熟的循证医学数据库需要强大的方法学团队和雄厚的资金支持,以及大量的全文服务。国内循证医学数据库的建设应该积极吸取国外经验,建设自己的方法学团队,更重要的是融入国内的特色。

[wanghaisheng]

http://wanqu.co/2015-03-24-marketing.html
Startup营销是一门错中复杂深奥难懂的科学。前几天推荐了滥用媒体的弊端。今天这篇文章则从成立之初的定位、媒体的选择、PR的确立、内容的创建、到反复试验最终确定一个best practice，手把手教你怎么做好你的startup marketing。有一个很有意思的投机取巧，就是选择产品的keywords：可以运用一些免费的工具找到traffic主要是哪些关键词带来的，然后再用Google’s Keyword Tool和Uber Suggest来确定你的core keywords，这样确定的keywords就是一些搜索的人多但是搜索结果少的好keywords，会给你的traffic带来创收。

[wanghaisheng]

先成为工具，再成为网络 O网页链接 这篇文章提的观点挺好：先成为有用的单人工具，在发展成网络效应
http://wanqu.co/2015-02-02-tool-network.html

[wanghaisheng]

糖翁说起了 传销的方式在产品推广 作用 和生态圈的构建
说起了中联的组件化软件 在某医院应用时被信息科二次开发成某易用性极强的产品 结果又不能卖给其他医院 进行推广 就说起来中联应该把这个软件收购了 然后和信息科分成 既是生态圈建设 又有口碑效应

[wanghaisheng]

开源分布式搜索平台ELK(Elasticsearch+Logstash+Kibana)入门学习资源索引
http://blog.csdn.net/longxibendi/article/details/35237543#0-tsina-1-18060-397232819ff9a47a7b7e80a40613cfe1
对于分布式的应用，如果没有一个日志收集和分析，是不可想象的事情啊

[wanghaisheng]

医疗支付X12格式 如何使用restful服务来改造 安全性使用AS2来保证安全传输
https://groups.google.com/forum/#!topic/api-craft/fR8eoVseEMs

[wanghaisheng]

美国政府的opendata计划 将数据使用者与开放数据的政府部门通过Demand-Driven Open Data串联起来，需求驱动开放数据
http://demand-driven-open-data.github.io/

[wanghaisheng]

现在有一些读图造句的应用 可不可以读食物的图 分析其营养成分
食物http://quatrilio.github.io/inyamldient/

[wanghaisheng]

数据科学

【Harvard数据科学课程(视频+讲义+IPN+数据集)】《CS109 Data Science (2014)》by Rafael Irizarry, Verena Kaynig-Fittkau  cs109.github.io/2014/

DataSchool推荐的数据科学资源http://www.dataschool.io/resources/

[wanghaisheng]

https://courses.edx.org/courses/KIx/KIeHealthX/2T2015/courseware/5e2222daeb7f4712a47fa1db5b13f202/4232bbead5024dba93335dbd82effa45/
公开课 介绍互联网医疗 移动医疗基本概念
KIx: KIeHealthX eHealth – Opportunities and Challenges

[wanghaisheng]

http://www.elfdata.com/encodingmaster/
请教一下，我的一个语料，一部分是utf-8编码，一部分是gbk编码混在一起，怎么统一转成utf-8编码呢？ 请教达人指点哇 免费工具，有win/mac/linux版本：Encoding Master
先file -i 确定现编码, 再 iconv转

[wanghaisheng]

medication reconciliation 用药核对 赵新远老师译作用药比对 药物比对 这里现没有约定俗成的译法。

[wanghaisheng]

把数据还给病人
http://www.myopennotes.org/, is a national initiative in the US working to give patients access to the visit notes written by their doctors, nurses, or other clinicians.
https://projectdome.wordpress.com/, is a Swedish research project following e.g. the work done to give patients online access to their full medical records in Uppsala which Benny Eklund told us about in the interviews in week 3.

[wanghaisheng]

后台利用fhirbase 整合druid 是否可以开发一个类如mac 里的Alfred v2的小工具 嵌套在各种EMR HIS当中去

[wanghaisheng]

http://docs.huihoo.com/big-data/big-data-analytics-systems-what-goes-around-comes-around-20150409.pdf PPT的学习 Big Data Analytics Systems:
What Goes Around Comes Around

[wanghaisheng]

数据元 数据集注册管理工具
http://aristotle.pythonanywhere.com/item/394065/dataelementconcept/patientcancer-status
http://meteor.aihw.gov.au/content/index.phtml/itemId/181162
semanticMDR
利用FHIR标准来表达卫计委的数据元数据集标准

[wanghaisheng]

机器学习系列(7)_机器学习路线图（附资料）
http://blog.csdn.net/han_xiaoyang/article/details/50759472

[wanghaisheng]

A code-searching tool similar to ack, but faster. http://geoff.greer.fm/ag/
https://github.com/ggreer/the_silver_searcher
在文件中查找 搜索

[wanghaisheng]

【深度学习】经过两年半的努力，由谷歌大脑团队科学家 Ian Goodfellow, Yoshua Bengio and Aaron Courville撰写MIT出版的《Deep Learning》，今天完成最终稿了，打印版本还需要些时日。 电子版：O网页链接
http://www.deeplearningbook.org/
http://pan.baidu.com/s/1qYIeAJU

[wanghaisheng]

【语音分析】一个开源的音频分析库：pyAudioAnalysis: An Open-Source Python Library for Audio Signal Analysis：O网页链接 论文：O网页链接 包括抽取特征、训练调整分段分类器参数、分类不同的样本、探测音频事件、监督和非监督的音频分割、抽取音频指纹、可视化音频数据等
https://github.com/tyiannak/pyAudioAnalysis
http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0144610

[wanghaisheng]

机器人聊天
http://breezedeus.github.io/2016/05/19/breezedeus-google-allo-chat-smarter.html

[wanghaisheng]

https://mp.weixin.qq.com/s/8XCEWTzWYAEDrVKHgP0ktw
医学知识图谱构建技术与研究进展