PAI实现的深度学习网络可视化编辑功能-FastNeuralNetwork
在深度学习领域流传着这样一句话，“一张好的表示图，胜过一千个公式”
本文会介绍如何通过PAI-DSW中的FastNerualNetwork功能实现深度学习网络的可视化编辑。
神经网络最早诞生于生物领域，用来模仿生物大脑复杂的神经元构成，后来人类为了探索大脑是如何思考，通过一层一层的数学公式来模拟大脑分析事物的过程。
宝剑出鞘威震江湖 阿里云在SIGCOMM'20 拿下大四喜！
5月15日国际顶级网络技术学术会议SIGCOMM'20的论文录取结果新鲜出炉。阿里云基础设施事业部以总数4篇主会论文被录取的结果再次震动了网络技术界。如果说19年阿里首次发表两篇论文是宝剑出鞘，那么今年阿里的表现可以用威震江湖来形容。作为阿里云智能-基础设施-网络研究部门的负责人，笔者想借此机会在给大家介绍阿里网络技术的最新研究结果的同时，也整体介绍一下我们目前和未来在网络技术研究上的布局。
基于R语言绘制Network几种方式
平时对于网络图的绘制，一般我们都会在R中生成边和点列表后导入到Cytoscape和Gephi等的本地工具软件当中，而R语言中也自带有不少优秀的包也可精美的可视化我们的数据，所有函数也比较简单，有时间的不妨学习一下~~
SFINX: 一个基于Shiny部署的鉴定蛋白互作关系平台
目前研究蛋白质互作方法有很多，传统的方法是将天然蛋白免疫沉淀与质谱检测结合(CoIP-MS)，另外流行的还有亲和纯化/质谱法(AP-MS)，与CO-IP类似，它使用感兴趣的诱饵蛋白(bait proteins)上的表位标签和捕获探针来识别协同的猎物蛋白，不需要为每个新的诱饵蛋白购买或者开发特定抗体，得到的融合蛋白可以用链霉亲和素（strep）磁珠来亲和纯化，用生物素洗脱最终得到蛋白复合物。