登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 15857+ 精选技能
全部 编程开发 人工智能 设计创意 产品商业 数据科学 市场营销 职场通用 效率工具 硬件工程 语言学习
搜索 ICS ，共找到 2449 条记录
默认排序 最新上传 最多下载

AER期刊五图表限制预算指南

aeri-tables-figures
brycewang-stanford/Awesome-Journal-Skills
262
本技能指导作者如何根据顶级学术期刊（如AER: Insights）的严格要求，将复杂的实证研究结果（表格和图表）压缩到最多五个、每张不超过一页的“展示件”预算内。它涵盖了从选择核心发现、遵循特定格式（如用标准误代替显著性星号），到精算字数预算的全流程，确保学术报告的严谨性和可读性。
查看详情

AERJ透明度与数据政策指南

aerj-transparency-and-data-policy
brycewang-stanford/Awesome-Journal-Skills
304
本指南详细介绍了投稿至AERJ期刊时必须遵守的透明度与数据可及性要求。它旨在确保研究符合AERA的实证社会科学报告标准和伦理规范。无论是定量还是定性研究，都要求作者提供可复现的证据，包括代码、数据访问路径或可供检查的分析流程。
查看详情

《电子学报》研究制品可用性指南

aes-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
490
本指南为电子信息和信号处理领域的作者服务，指导您如何为《电子学报》准备高质量的研究制品（Artifacts）。它详细阐述了在缺乏强制徽章要求的情况下，如何主动、规范地开放和披露代码、数据集和硬件设计，从而显著增强稿件的可复现性和说服力，提高投稿的成功率。
查看详情

学术论文实验设计与呈现指南

aes-experiments
brycewang-stanford/Awesome-Journal-Skills
359
本指南帮助作者为电子信息类顶级期刊设计实验章节。它详细阐述了如何构建严谨、可复现、对比公平的实验证据链，涵盖了从贡献映射、数据集定义、统计显著性到消融分析的全流程规范，以应对外审专家对实验充分性的质疑。
查看详情

学术论文可复现性与实验可重复性

aes-reproducibility
brycewang-stanford/Awesome-Journal-Skills
87
本指南提供了一套全面的科学论文可复现性最佳实践，尤其针对电子与信息处理领域。它强调了实验记录的四大支柱：环境、数据、方法和评价。通过规范化记录操作系统版本、随机种子、超参数以及预处理步骤，确保研究结果的科学严谨性和可验证性，帮助作者的论文能顺利通过高标准的外审。
查看详情

期刊审稿流程全解析

aes-review-process
brycewang-stanford/Awesome-Journal-Skills
353
本指南详细解析《电子学报》的投稿到录用全流程。涵盖初审、双盲外审、复审、终审等多个决策阶段，帮助作者掌握学术期刊的审理节奏和判断逻辑。指导作者如何根据稿件状态做出正确应对，合理规划投稿和修改时间。
查看详情

模型数据与性能评估指南

agsy-data-and-model-evaluation
brycewang-stanford/Awesome-Journal-Skills
73
本技能指导用户如何为复杂的系统模型进行科学、严谨的评估和验证。核心在于模型必须使用独立的、未参与校准的数据进行测试。内容涵盖了标准拟合统计量（如RMSE、NSE）、敏感性分析（找出关键驱动因素）、不确定性传播以及多目标权衡分析，确保模型的科学可靠性。
查看详情

系统科学图表展示规范

agsy-figures-and-tables
brycewang-stanford/Awesome-Journal-Skills
387
本指南为复杂系统科学（尤其农业系统）论文提供了严谨的图表设计规范。它指导作者放弃展示单一因素的柱状图，转而构建能展现系统交互作用、权衡关系（如Pareto前沿）、动态变化、资源流和模型拟合度的系统性图表。所有图表必须具备自洽性、可重复性并准确展示不确定性。
查看详情

《美国历史评论》投稿审稿流程指南

ahr-review-process
brycewang-stanford/Awesome-Journal-Skills
322
本指南详细介绍了《美国历史评论》严苛的同行评审标准。它深入解析了双盲评审流程、六位以上学者的专家要求，以及撰稿人必须具备的学术要素，如史学介入和扎实的资料批判能力。适用于准备投稿至顶尖历史学术期刊的学者，帮助其提前规划和优化稿件。
查看详情

AI/统计学术证据包构建指南

aistats-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
330
本指南为AI、统计学和机器学习领域的学术论文提供证据包构建方法。指导作者如何系统化地打包所有补充材料，包括证明、模拟脚本、基准数据和随机种子，确保研究过程的高度可复现性和可检查性，以满足顶级学术会议的要求。
查看详情

AISTATS实验设计与验证指南

aistats-experiments
brycewang-stanford/Awesome-Journal-Skills
64
本指南为设计和审计实证或模拟实验提供严格的学术规范，尤其适用于理论机器学习和统计学论文。它强调将每个实证主张映射到具体的证据，确保统计严谨性（如报告不确定性、基线模型、随机种子），核心目的是验证理论假设而非追求排行榜上的最佳性能，极大地提升研究的可复现性。
查看详情

AISTATS相关工作撰写指南

aistats-related-work
brycewang-stanford/Awesome-Journal-Skills
323
本指南用于帮助研究人员撰写学术论文的“相关工作”部分，确保研究的创新性和适用性。它详细指导如何将统计方法与机器学习（如NeurIPS, ICML）和传统统计学理论进行对比，涵盖了双重投稿规则、处理同期工作以及结构化写作，旨在突出论文的核心技术贡献和学术定位。
查看详情
上一页123...111112113114115116117...203204205下一页
语言
简体中文
English