来自洛杉矶县的COVID-19数据 下面的图显示了有关洛杉矶县COVID-19病例的信息,以及为了重新开放学校必须满足的阈值。 数据来自并使用Gi​​thub Actions每六个小时自动更新一次。 下图显示了洛杉矶县每100,000例病例。 水平线对应于“中度”,“实质性”和“广泛传播”感染的状态定义。 有关详细信息,请参见[加州更安全的经济蓝图]]( )。 所在县进入实质(红色)级别至少两周后,学校可以重新开放以面对面授课。 在制定《更安全的经济蓝图》之前,重新开设学校的门槛是根据之前14天(每100,000个)的总和得出的。 下图显示了此数据,由于它可以洞察当前活动的COVID-19感染数量,因此仍然有用。 该站点是由Sina Booeshaghi,Ingileif Hallgrimsdottir和Lior Pachter开发的。
2021-03-17 15:11:50 800KB JupyterNotebook
1
适用于Android的Sonar Co-Locate 构建设置 需要设置一些秘密才能运行构建。 请不要将它们添加到项目的gradle.properties 。 所需的机密是: sonar.headerValue sonar.baseUrl 要设置属性,请参阅 运行测试 设备设置 确保在运行测试的设备(不是仿真器)上关闭了所有动画。 还要确保在设备上启用了位置访问。 在推动代码运行之前- ./gradlew localBuild 这是默认任务,因此您也可以运行- ./gradlew 笔记 请不要在推送之前跳过运行测试。 请切勿禁用测试。 请切勿将代码推入掌握范围,以免破坏测试套件。 PACT测试 作为常规单元测试套件的一部分运行。 如果其中一项测试失败,则需要更多输出,请将slf4j日志设置为调试: -Dorg.slf4j.simpleLogger.defaultLo
2021-03-13 16:07:37 834KB Kotlin
1
卡里卡(Carikerja) Daftar开发商PHK卡伦娜·丹塔克·潘德米妮(COVID-19)。 Yang diperlukan(最低要求): 10。 git clone https://github.com/rizafahmi/carikerja.git cd carikerja/ npm install npm run dev lalu buka alamat localhost:3000 。 Untuk menambahkan数据开发人员silakan ubah文件src/data/people.js 。 数据社交媒体dapat dibuat multi dengan mengupdate menjadi bentuk对象,seperti contoh: social_media : { Linkedin : 'https://www.linke
2021-03-12 18:07:53 267KB JavaScript
1
covid-puzzles-data-analysis
2021-03-09 10:05:47 17KB Stata
1
COVID-19-德国 在德国,所有官方确诊的感染病例。 按案件编号,日期,联邦州,纬度,经度,来源列出。 栏位说明 否:案例编号的顺序编号 日期:MM / DD / YYYY(德国时间,UTC + 1) 联合州:案件已确认 地区:案件发生在哪个联邦州 纬度:地区的纬度 经度:地区的经度 资料来源:核实此案的主管当局 注意-一般 为了简单地了解德国的课程,给定的值(案例编号,日期,联邦州,县和县的坐标就足够了。在许多情况下,还可以提供其他信息。其中包括受感染者的确切城市,性别,年龄以及该案件与另一个案件的关系的指示,但是,当局并不总是发布此信息,因此,我也不会将其发布在网上。 注意-不适用显示 对于来自巴伐利亚的6宗案件(2、3、4、14、15、16),到目前为止,我找不到位置。 到目前为止,巴伐利亚当局还没有提供任何更准确的信息。 到目前为止,这6个案例是唯一没有进一步信息的案例。
2021-03-08 20:05:47 25KB
1
HiCovidApp:离子骨架+角形
2021-03-07 21:04:05 2.28MB TypeScript
1
SistemaRestaurantCovid19
2021-03-07 13:46:00 JavaScript
1
Walgreens COVID预约 这个简单的节点应用程序利用 API不断检查新约会。 跑步 请将您的位置和最大行驶距离添加到index.js的顶部,然后: yarn install node index
2021-03-07 13:45:55 JavaScript
1
疫情相关微博信息爬取及情感分析
2021-03-06 19:03:03 6.22MB 爬虫 微博
1
针对口罩检测,进行调研,包括了分类器的设计,人脸检测的设计。 其中主要分为两阶段,先是人脸检测,然后将检测到的人脸,进行二分类,标签为戴口罩,不戴口罩。包括了pytorch的代码,ppt的讲解,技术文档。 人脸识别是MTCNN,然后分类可以自己训练,我采用的是ResNet-18.
1