# Useful_Information

**Repository Path**: yanxin_thomas/Useful_Information

## Basic Information

- **Project Name**: Useful_Information
- **Description**: 记录个人觉得有用的相关资料信息【欢迎共建！】
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2022-04-18
- **Last Updated**: 2022-05-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Useful_Information


## 目录  <!-- omit in toc -->


- [科研相关](#科研相关)
  - [LaTex](#latex)
  - [语言表达](#语言表达)
  - [文献翻译](#文献翻译)
  - [画图](#画图)
  - [搜书](#搜书)
- [参考项目](#参考项目)
- [机器学习](#机器学习)
  - [基础知识](#基础知识)
  - [计算机视觉](#计算机视觉)
  - [自然语言处理](#自然语言处理)
  - [强化学习](#强化学习)
  - [推荐算法](#推荐算法)
  - [知识图谱](#知识图谱)
- [数据处理](#数据处理)
  - [数据集](#数据集)
  - [数据标注](#数据标注)
  - [数据处理](#数据处理)
  - [可视化](#可视化)
- [部署](#部署)
  - [前端](#前端)
  - [后端](#后端)
  - [EXE打包](#exe打包)
- [竞赛](#竞赛)
- [面经](#面经)
- [杂乱](#杂论)

## 科研相关
### LaTex
- [Note-by-LaTeX](https://github.com/wklchris/Note-by-LaTeX) : 《简单粗暴 LaTeX》出版图书开源仓库 
- [LaTex菜鸟快速入门教程](https://blog.csdn.net/EchoooZhang/article/details/108235233?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-0.essearch_pc_relevant&spm=1001.2101.3001.4242.1) : 
- [LaTex模板](https://www.overleaf.com/latex/templates)
- [LaTeX Templates](http://www.latextemplates.com/)
- [Detexify LaTeX handwritten symbol recognition](http://detexify.kirelabs.org/classify.html) : 忘记某些字符用 LaTeX 怎么表示时，可以在这个网站上通过手写来查询。

### 语言表达
- [linggle](https://linggle.com/) : 搜索最常出现的英文词语搭配。不确定自己的表达方式是否正确时使用。
- [易搜搭ESODA](http://www.esoda.org/) : 清华HCI Lab工作室出品的一款适合国人英语写作的词组搭配查询工具。可切换具体研究方向的论文语料库，展示相关的可替换用法，支持中英混搜。
- [Thesaurus](https://www.thesaurus.com/) : 将低端词汇转换为同义的高端词汇。 
- [Academic Phrasebank](https://www.phrasebank.manchester.ac.uk/) : 学术用语库，告诉你各个章节适合用哪些句式搭配。
- [写作猫](https://xiezuocat.com/#/)

### 文献翻译
- [知云文献翻译](https://www.zhiyunwenxian.cn/)
- [DeepL翻译](https://www.deepl.com/translator)

### 画图
- [alexlenail.me](http://alexlenail.me/NN-SVG/) : 神经网络画图
- [ml-visuals](https://github.com/dair-ai/ml-visuals) ： 机器学习画图模板

### 搜书
- [鸠摩搜书](https://www.jiumodiary.com/) : 文档搜索引擎
- [计算机免费书籍](https://www.jb51.net/books/)


## 参考项目
- [Smart_container](https://github.com/thomas-yanxin/Smart_container) : 袋鼯麻麻——智能购物平台
- [慧眼识垃圾](https://github.com/thomas-yanxin/the-eye-knows-the-garbage) : 垃圾分类全套技术方案
- [Dango-Translator](https://github.com/PantsuDango/Dango-Translator) : 团子翻译器
- [Landscape-Health Score](https://gitee.com/xiejiehang/Landscape-Heath-Score) ： 基于百度Paddlepaddle深度学习框架搭建景观健康效益辅助评估工具

## 机器学习

### 基础知识
- [南瓜书PumpkinBook](https://github.com/datawhalechina/pumpkin-book) : 《机器学习》（西瓜书）公式推导解析
- [unusual-deep-learning](https://datawhalechina.github.io/unusual-deep-learning) : 水很深的深度学习
- [LeeML-Notes](https://datawhalechina.github.io/leeml-notes) ： 李宏毅《机器学习》笔记
- [key-book](https://datawhalechina.github.io/key-book/) : 《机器学习理论导引》（宝箱书）的证明、案例、概念补充与参考文献讲解
- [awesome-DeepLearning](https://github.com/PaddlePaddle/awesome-DeepLearning) ： 深度学习入门课、资深课、特色课、学术案例、产业实践案例、深度学习知识百科及面试题库。
- [PaddleBook](https://www.paddlepaddle.org.cn/documentation/docs/zh/guides/index_cn.html) ：飞桨深度学习入门教程
- [stanford-cs-229-machine-learning](https://github.com/afshinea/stanford-cs-229-machine-learning) : 总共有6个文档，包括了监督学习、无监督学习、深度学习、机器学习技巧和秘诀、概率和统计、线性代数和微积分。
- [统计学习方法（第二版）习题解答](https://github.com/datawhalechina/statistical-learning-method-solutions-manual) : 在线阅读地址：https://datawhalechina.github.io/statistical-learning-method-solutions-manual
- [awesome-cs-books](https://github.com/imarvinle/awesome-cs-books) : 超过 200 本经典的计算机书籍分享
- [scikit-learn](https://scikit-learn.org/stable/) : scikit-learn官网

### 计算机视觉
- [PaddleDetection目标检测](https://github.com/PaddlePaddle/PaddleDetection) ： 为基于飞桨PaddlePaddle的端到端目标检测套件，提供多种主流目标检测、实例分割、跟踪、关键点检测算法，配置化的网络模块组件、数据增强策略、损失函数等，推出多种服务器端和移动端工业级SOTA模型，并集成了模型压缩和跨平台高性能部署能力,帮助开发者更快更好完成端到端全开发流程。
- [PaddleClas图像识别](https://github.com/PaddlePaddle/PaddleClas) ： 飞桨图像识别套件，是飞桨为工业界和学术界所准备的一个图像识别任务的工具集，助力使用者训练出更好的视觉模型和应用落地。
- [PaddleSeg图像分割](https://github.com/PaddlePaddle/PaddleSeg) ： 基于飞桨PaddlePaddle开发的端到端图像分割开发套件，涵盖了高精度和轻量级等不同方向的大量高质量分割模型。通过模块化的设计，提供了配置化驱动和API调用两种应用方式，帮助开发者更便捷地完成从训练到部署的全流程图像分割应用。
- [PaddleX](https://github.com/PaddlePaddle/PaddleX) : 飞桨全流程开发工具，以低代码的形式支持开发者快速实现产业实际项目落地。
- [PaddleGan生成对抗网络](https://github.com/PaddlePaddle/PaddleGAN) ： 飞桨生成对抗网络开发套件，为开发者提供经典及前沿的生成对抗网络高性能实现，并支撑开发者快速构建、训练及部署生成对抗网络，以供学术、娱乐及产业应用。
- [PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR) : 旨在打造一套丰富、领先、且实用的OCR工具库，助力使用者训练出更好的模型，并应用落地。

### 自然语言处理
- [PaddleNLP](https://github.com/PaddlePaddle/PaddleNLP) ： 是飞桨自然语言处理开发库，具备易用的文本领域API，多场景的应用示例、和高性能分布式训练三大特点，旨在提升开发者在文本领域的开发效率，并提供丰富的NLP应用示例。
- [ERNIE](https://github.com/PaddlePaddle/ERNIE) : 百度开创性提出的基于知识增强的持续学习语义理解框架。

### 强化学习
- [easy-rl](https://datawhalechina.github.io/easy-rl/) ： 强化学习中文教程
- [PARL](https://github.com/PaddlePaddle/PARL) : 基于PaddlePaddle的一个高性能、灵活的强化学习框架。
- [Scalable and Robust Multi-Agent Reinforcement Learning](https://www.youtube.com/watch?v=Yd6HNZnqjis&list=LL&index=1&t=3s)

### 推荐算法
- [Fun-Rec](https://github.com/datawhalechina/fun-rec) :  本推荐算法教程主要是针对具有机器学习基础并想找推荐算法岗位的同学，教程由推荐算法基础、推荐算法入门赛、新闻推荐项目及推荐算法面经组成，形成了一个完整的从基础到实战再到面试的闭环。
- [PaddleRec](https://github.com/PaddlePaddle/PaddleRec)

### 知识图谱
- [awesome-knowledge-graph](https://github.com/husthuke/awesome-knowledge-graph) : 整理知识图谱相关学习资料，提供系统化的知识图谱学习路径。
- [cnSchema](https://github.com/cnschema/cnSchema) : 开放中文知识图谱的schema

## 数据处理

### 数据集

- [AIStudio](https://aistudio.baidu.com/aistudio/datasetoverview)
- [阿里云·天池](https://tianchi.aliyun.com/dataset?spm=5176.12281949.J_3941670930.21.493e24480fhNNa)
- [和鲸](https://www.heywhale.com/home/dataset)
- [Kaggle](https://www.kaggle.com/datasets)
- [格物钛](https://gas.graviti.cn/open-datasets)
- [Data Search | Bifrost](https://datasets.bifrost.ai/) : 视觉数据集
- [Dr.Sure](https://github.com/wangqingbaidu/Dr.Sure) ： Dr.Sure数据集整理repo

### 数据标注
- [whale-anno](https://github.com/datawhalechina/whale-anno) ： Datawhale自研数据标注工具。
- [EasyData](https://ai.baidu.com/easydata/) : 提供数据采集、标注、清洗、加工等一站式数据服务，助力开发者高效获取AI开发所需高质量数据。
- [labelImg](https://github.com/tzutalin/labelImg)
- [labelme](https://github.com/wkentaro/labelme)
- [Easyyibiao](https://github.com/Baidu-AIP/Easyyibiao) : 物体检测离线标注工具
- [精灵标注](http://www.jinglingbiaozhu.com/) : 人工智能数据集标注工具
- [PPOCRLabel](https://github.com/PaddlePaddle/PaddleOCR/tree/dygraph/PPOCRLabel) : 一款适用于OCR领域的半自动化图形标注工具
- [AgentOCRLabeling](https://github.com/AgentMaker/AgentOCRLabeling) : 一个基于 PPOCRLabel 开发的定制版标注软件
- [EISeg](https://github.com/PaddleCV-SIG/EISeg) : 基于飞桨开发的一个高效智能的交互式分割标注软件。


### 数据处理
- [Scripts-about-datasets](https://github.com/thomas-yanxin/Scripts-about-datasets) : 数据集格式处理的相关脚本
- [PaddleX](https://paddlex.readthedocs.io/zh_CN/release-1.3/data/annotation/index.html) : 数据集划分


## 可视化
- [plotly](https://github.com/datawhalechina/wow-plotly) ： 高级可视化神器plotly的学习
- [VisualDL](https://github.com/PaddlePaddle/VisualDL) ： VisualDL是飞桨可视化分析工具，以丰富的图表呈现训练参数变化趋势、模型结构、数据样本、高维数据分布等。可帮助用户更清晰直观地理解深度学习模型训练过程及模型结构，进而实现高效的模型优化。
- [pyecharts-gallery](https://gallery.pyecharts.org/#/README) : 图表可视化


## 部署
### 前端
- [PyWebIO](https://github.com/pywebio/PyWebIO/blob/dev/README-zh.md) : PyWebIO提供了一系列命令式的交互函数来在浏览器上获取用户输入和进行输出，将浏览器变成了一个“富文本终端”，可以用于构建简单的Web应用或基于浏览器的GUI应用。 PyWebIO还可以方便地整合进现有的Web服务，让你不需要编写HTML和JS代码，就可以构建出具有良好可用性的应用。
- [PYQT5](https://maicss.gitbook.io/pyqt5-chinese-tutoral/) : PYQT5中文教程
- [QGUI](https://github.com/QPT-Family/QGUI) : 0.1MB超轻量Python GUI框架，用模板来快捷制作深度学习模型推理界面
- [PyQt Examples](https://github.com/PyQt5/PyQt) : PyQt各种测试和例子
 
### 后端
- [Yolov5-Flask-VUE](https://github.com/Sharpiless/Yolov5-Flask-VUE) : 基于Flask开发后端、VUE开发前端框架，在WEB端部署YOLOv5目标检测模型

### EXE打包
- [QPT](https://github.com/QPT-Family/QPT) : 一款可以“模拟”开发环境的多功能封装工具，最短只需一行命令即可将普通的Python脚本打包成EXE可执行程序，并选择性添加CUDA和NoAVX的支持，尽可能兼容更多的用户环境。

## 竞赛
- [competition-baseline](https://github.com/datawhalechina/competition-baseline) : 数据竞赛Baseline & Topline分享
- [Coggle数据科学](https://zhuanlan.zhihu.com/DataAI)

## 面经
- [Daily Interview](https://github.com/datawhalechina/daily-interview) ： Datawhale成员整理的面经，内容包括机器学习，CV，NLP，推荐，开发等
- [backend-interview](https://github.com/yongxinz/backend-interview) : 后端面试题汇总
- [Leetcode题目热度](https://github.com/afatcoder/LeetcodeTop) : 汇总互联网公司技术岗考察Leetcode题目的热度
- [cyc2018](https://github.com/CyC2018/CS-Notes) : 技术面试必备基础知识、Leetcode、计算机操作系统、计算机网络、系统设计

## 杂论

- [任正非思想之路](https://github.com/ttpianobirds/RenZhengfei) : 收录了任正非讲话稿400余篇