COVID-19世界疫情分析源代码&数据集，主要包括疫情数据的获取，对获取数据的预处理，数据分析可视化——matplotlib、PyEcharts绘制柱形图、折线图、地图、玫瑰图、动态条形图，使用SIR模型对美国疫情数据进行模拟预测。

疾病因人的行为而传播。 一个人可能有数百万个行为不同的人。 为了简单起见，人类仅考虑平均行为。 但是，在使用非线性微分方程时，至少在某些应用中，这种简化可能导致结果与精确解有很大不同。 在这封信中，我们证明错误对于诸如Covid-19的感染传播非常严重。 百分之十的人无视规则几乎会破坏其余百分之九十的极其谨慎的行为。 这与大多数业务情况完全不同，在大多数情况下，考虑百分之八十就足够了（“ 80-20规则”）。 这可以解释为什么决策者很难预测Covid-19大流行的蔓延以及针对该流行的措施的影响。

SIR_LSTM 同时具有SIR变体和LSTM模型的混合模型，用于Covid-19预测。 不确定性量化工具箱：Chung，Youngseog和Neiswanger，Willie和Char，Ian和Schneider，Jeff（2020），超越弹球损失：用于校准不确定性量化的分位数方法 CovsirPhy开发团队（2020），CovsirPhy，用于使用SIR派生的ODE模型进行COVID-19分析的Python软件包，

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。

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

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

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。

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.

COVID-19：人工智能，用于COVID-19感染预测的贝叶斯建模

#BuildForSDG第1组JavaScript评估 建立过于简化的COVID-19感染影响估算器 这是2020年计划的资格评估 该评估使我能够尝试帮助社会和领导人为COVID-19的真正大问题做准备，这是它对生活，卫生系统，供应链和经济的影响： 患者过多，医院和床位不足。 通风设备，口罩和其他个人防护装备严重短缺-如果我们不进行社交疏散。 失业或冻结，现金流量低和产量低（即使是必需品，如食物）。 这些以及更多的原因来自太多的人生病，相当多的人死亡（包括许多领域中的一些最好的人），以及许多其他人失去亲人或一个慢动作的世界所带来的影响 如何进行 项目设置和提交过程 访问获取有关，使用一种受支持的编程语言（Javascript，Python或PHP）进行评估以及如何提交工作的指南。 确保仔细阅读说明，因为从长远来看，缺少任何步骤可能会花费您很多时间。