Quarto 1.3

Quarto 1.3 正式发布

Quarto 1.3 带来了新功能、改进和修复。

Quarto 1.3
发布
Author

Charlotte Wickham

Published

April 26, 2023

我们很高兴地宣布 Quarto 1.3 已经发布。您可以从下载页面获取当前版本。

如果您想知道正在使用哪个版本的 Quarto,一个快速检查的方法是在命令行中输入:

终端
quarto --version

我们之前已经博客介绍过我们最期待的此版本的一些功能,但让我们再次强调它们。

代码注释

您现在可以使用特殊的代码注释和有序列表为代码块添加基于行的注释。代码注释适用于多种格式,并且在基于 HTML 的格式中是交互式的。

带有注释的代码块截图。注释在代码块中显示为圆圈内的数字,并在代码块下方重复出现,附带注释的文本内容。

HTML 文档中的代码注释

了解更多信息,请查看代码注释文档。

多格式发布

HTML 页面(无论是独立的还是网站的一部分)现在会自动包含指向文档前言中指定的其他格式的链接。例如,以下文档前言:

title: 示例页面
author: Norah Jones
date: last-modified
toc: true
format: 
  html: default
  ipynb: default

结果是 HTML 页面在目录下方右侧包含一个指向附加笔记本格式的链接:

包含指向 Jupyter 格式链接的 HTML 页面截图,该链接位于目录下方标题为其他格式的部分。

带有指向其他格式链接的 HTML 文档

包含其他格式的文档中了解更多信息。

Jupyter 单元嵌入

使用 embed 短代码轻松将外部 Jupyter 笔记本的输出包含在 Quarto 文档中。提供 Jupyter 笔记本的路径和单元标识符,输出将连同返回源笔记本的链接一起包含在您的文档中。

包含图表的 Quarto 页面截图,图表下方显示了来源:penguins.ipynb。

从 Jupyter 笔记本嵌入到文档中的图表

在文档中的嵌入 Jupyter 笔记本单元了解更多关于 embed 短代码的信息。

Confluence 发布

Atlassian Confluence 是一个支持团队协作的发布平台。Quarto 现在支持将单个文档以及由多个文档组成的项目发布到 Confluence Spaces

VS Code 中 Quarto 项目的截图。左侧资源管理器中,项目文件夹名为 'Guide-site',包含 'authoring' 和 'computation' 文件夹以及其他一些文件。'computation' 文件夹内的 'python' 文件夹中的文档 'Using Python - site' 在源代码窗格中打开。

一个 Quarto 项目

Confluence 中的 Space 截图。左侧边栏的 Pages 下有一个名为 'Guide-site' 的页面。嵌套在此页面下的是名为 'authoring' 和 'computation' 的页面以及其他一些页面。'computation' 页面项已展开,显示名为 'Using Python - site' 的页面,嵌套在名为 'python' 的页面下。右侧显示标题为 'Using Python - site' 的页面。

发布到 Confluence

了解更多信息,请前往Confluence 发布的文档。

其他亮点

其他值得注意的亮点包括:

你可以在发布说明中找到 1.3 版本的所有其他更改。

致谢

我们要向所有通过提交问题和拉取请求为此次发布做出贡献的人表示衷心的感谢: ABohynDOE, aborruso, agerlach, aimundo, alperyilmaz, ameliaritger, anaveenan, andrewheiss, apreshill, apsteinmetz, arnaudgallou, aronatkins, arronlacey, ArturKlauser, astrowonk, ats, awehrfritz, b-rodrigues, baptiste, batpigandme, bayeslearner, benabel, BertTijhuis, boshek, brunomioto, busemorose, bvancil, bwelman, cboettig, cgoo4, ChoCho66, cicarrascog, coatless, code86, condwanaland, daniel-smit-haw, daranzolin, davidbudzynski, DavidD003, ddobrinskiy, dgkf, DhruvaSambrani, directknowledge, dkubek, dmalan, dmenne, drcaprosser, drscotthawley, edoson, eeholmes, eitsupi, elgabbas, EllaKaye, emmansh, ericvmai, espinielli, etiennebacher, EvoArt, fire, fortunewalla, freestatman, fuhrmanator, fulem, g-simmons, gadenbuie, GegznaV, ghost, giabaio, githubpsyche, GraceEMc, gregswinehart, GShotwell, guoruizhong, harrelfe, hemonika, henningsway, iandol, ijlyttle, iusgit, ivanek, jake-wittman, jakobarendt, jakub-jedrusiak, javajon, jcmkk3, jcolomb, jdutant, JeffreyRacine, jensschroer, jeremiahpslewis, jfbarthelemy, jhelvy, Jiayou-Chao, jimjam-slam, jkylearmstrong, jmbarbone, jmbuhr, jmcastagnetto, joelvonrotz, JoFrhwld, johannes4998, jrcuesta, jthomasmock, juba, justanothergithubber, KaiWaldrant, kalenkovich, kdheepak, kelly-sovacool, KittJonathan, kmasiello, knuesel, koehlerson, koushikkhan, lcnbr, leovan, linogaliana, m-legrand, m4jing, machow, maelle, malcolmbarrett, marierivers, MattF-NSIDC, mattsams89, mattwarkentin, maxdrohde, mccarthy-m-g, MHellmund, mikheyev, mine-cetinkaya-rundel, mksinicus, mrajeev08, nanxstats, NeubertJonas, nikcleju, njbart, patrickvdb, petrbouchal, philip-khor, philwunderlich, Pierre9344, pitmonticone, pmagwene, poldrack, pommevilla, psychelzh, ratnanil, ravimakhija, RaymondBalise, reuning, rexdouglass, rgaiacs, richardsprague, rjake, rleyvasal, rmcd1024, RobTour, rsenft1, runlevel0, sagikazarmark, salim-b, SamEdwardes, samperman, schochastics, ScientiaFelis, scottamain, scottfranz, sebastian-c, seeM, shafayetShafee, singuyenmai, sje30, snhansen, streepvaren, thedabs91, thomashallam, timothee-bacri, tomshafer, tomsutch, tomvaneyck, topepo, tverbeiren, TylerHillery, ucpresearch, verbalins, vfacta, vlyubchich, VMTdeJong, vpratz, white-c, wklimowicz, XiangyunHuang, Xitian9, xl0, xtimbeau, y9c, yevgenryeznik, zachcp, zkwabm # 人工智能与机器学习

概述

人工智能(AI)和机器学习(ML)是当今科技领域最热门的话题之一。AI是指计算机系统能够执行通常需要人类智能的任务,如视觉识别、语音识别和决策制定。ML是AI的一个子集,专注于开发能够从数据中学习的算法。

关键技术

深度学习

深度学习是ML的一个分支,使用多层神经网络来模拟人脑的工作方式。它在图像和语音识别等领域取得了显著的成功。

强化学习

强化学习是一种通过试错来学习的ML方法。它通常用于游戏和机器人控制等领域。

应用

医疗保健

AI和ML在医疗保健领域有广泛的应用,包括疾病诊断、药物发现和个性化治疗。

金融

在金融领域,AI和ML用于风险管理、欺诈检测和投资策略优化。

挑战

数据隐私

随着AI和ML的发展,数据隐私成为一个重要问题。如何在利用数据的同时保护个人隐私是一个亟待解决的挑战。

伦理问题

AI和ML的伦理问题,如算法偏见和自动化带来的失业问题,也需要引起重视。

未来展望

AI和ML的未来充满希望,但也面临诸多挑战。随着技术的进步,我们期待看到更多创新的应用和解决方案。

Subscribe

Enjoy this blog? Get notified of new posts by email: