Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
You can not select more than 25 topics
Topics must start with a chinese character,a letter or number, can include dashes ('-') and can be up to 35 characters long.
Longice
174b88b219
|
1 year ago | |
|---|---|---|
| image | 1 year ago | |
| 初赛 | 1 year ago | |
| 复赛/CODE | 1 year ago | |
| .DS_Store | 1 year ago | |
| 2022年“猛犸杯”国际组学数据创新大赛用户手册.pdf | 1 year ago | |
| AI靶场全流程演示.mp4 | 1 year ago | |
| README.md | 1 year ago | |
README.md
赛事介绍
时空组学技术Stereo-seq，是一项能够实现“纳米级分辨率”和“厘米级全景视场”的原位捕获空间全转录组测序技术。通过2022年猛犸杯国际组学数据创新大赛-时空组学细胞数据分析赛道，主办方希望参赛者可以在保证分析结果准确率的前提下，应用/改进/研发适用于时空组数据预处理以及聚类的算法，实现减少算法运算内存消耗，提升运算速度等目标。更多比赛信息，详见：2022年猛犸杯国际组学数据创新大赛-时空组学细胞数据分析赛道。
平台介绍
为满足数据的隐私保护要求，本次大赛秉承“数据不动程序动、数据可用不可见”的理念，基于 AI靶场 向选手开放数据。AI靶场分为运行环境与调试环境：选手仅允许在调试环境中基于样例数据进行程序调试。运行成功的程序可发送至运行环境并在全量数据上训练。最后，选手可以查看全量数据的计算结果，并参考调优模型。
如何使用本仓库
下载baseline代码
1 使用git clone快速获得本仓库源码
$git clone https://git.openi.org.cn/2022MICOS/2022M202208011653159.git
2 使用平台打包下载功能快速获得本仓库源码
在AI靶场上揭榜参赛
详细流程详见2022年猛犸杯国际组学数据创新大赛用户手册.pdf 或2AI靶场全流程演示.mp4 ，据此文档在AI靶场逐步操作即可。
LICENSE
如无特殊说明，本仓库采用MIT License
时空组学技术Stereo-seq，是一项能够实现“纳米级分辨率”和“厘米级全景视场”的原位捕获空间全转录组测序技术。主办方希望参赛者可以在保证分析结果准确率的前提下，应用/改进/研发适用于时空组数据预处理以及聚类的算法，实现减少算法运算内存消耗，提升运算速度等目标。
https://datai.pcl.ac.cn/#/competition/info/19
Jupyter Notebook Python
