Skip to main content

黑洞资源笔记

  1. 在网上筛选资源时发现一个网站,叫Timeglobe,可以通过输入日期来搜索世界上发生的历史事件。16年的时候收录了2万多条事件信息,适合用来教学使用。

    这个站点的数据是从维基百科中获取,并把这些数据可视化,用户可以旋转地球来定位某一个国家,并根据时间段来查询在此时间段中发生的事情,探索+回顾+学习。

    但是,点击站点链接时已经处于502状态了,网上应该有一些相关的502网关修复的方法(比如这个)。但我没试,因为懒得试了。
  2. 用数据看世界(Our World in Data)是由英国牛津大学的勒泽尔投入时间研究各国数十年来有关人类生活水平的数据而创办的网站,这些数据可以显示世界各地的生活条件是如何潜移默化的改变,对未来有什么影响。

    传送门
  3. TextGen:实现了多种文本生成模型,包括:UDA、GPT2、Seq2Seq、BART、T5等模型,开箱即用

    UDA(非核心词替换)/EDA:本项目参考Google的UDA(非核心词替换)算法和EDA算法,基于TF-IDF将句子中部分不重要词替换为同义词,随机词插入、删除、替换等方法,产生新的文本,实现了文本扩增
    BT(回译):本项目基于百度翻译API实现了回译功能,先把中文句子翻译为英文,再把英文翻译为新的中文
    Seq2Seq:本项目基于PyTorch实现了Seq2Seq、ConvSeq2Seq、BART模型的训练和预测,可以用于文本翻译、对话生成、摘要生成等文本生成任务
    T5:本项目基于PyTorch实现了T5和CopyT5模型训练和预测,可以用于文本翻译、对话生成、对联生成、文案撰写等文本生成任务
    GPT2:本项目基于PyTorch实现了GTP2模型训练和预测,可以用于文章生成、对联生成等文本生成任务
    SongNet:本项目基于PyTorch实现了SongNet模型训练和预测,可以用于规范格式的诗词、歌词等文本生成任务
    TGLS:本项目实现了TGLS无监督相似文本生成模型,是一种“先搜索后学习”的文本生成方法,通过反复迭代学习候选集,最终模型能生成类似候选集的高质量相似文本

    TextGen
  4. 这是slack如何决定发送通知的流程图。

    这是一个很好的例子,说明为什么一个简单的功能可能需要更长的时间。

    这也可以解释为什么人们有时没有收到通知或清除红点。
  5. 这个叫 html.to.design 的 Figma 插件可以一键把网站导入成设计稿

    将任何网站转换为完全可编辑的Figma设计。利用现有网站并将其html导入Figma以开始自己的设计,而无需从头开始构建每个元素。

    安装此插件,html.to.design,在空白的 Figma 文件上搜索插件下的“html.to.design”,或使用 cmd+/。在浏览器中打开要转换的网站并复制 URL,将URL粘贴到插件中,选择设备和尺寸,然后单击“导入”将html转换为Figma设计。

    传送门 | #工具 #插件
  6. 面向文本分析的低代码自动化工具 一个开源的、低代码的、由AI驱动的自动化工具。Obsei由以下部分组成

    从各种来源收集非结构化数据,如Twitter上的推文、Reddit上的Subreddit评论、Facebook上的页面帖子评论、App Stores评论、Google评论、Amazon评论、新闻、网站等。
    分析器。用各种人工智能任务分析收集的非结构化数据,如分类、情感分析、翻译、PII等。
    信息员。将分析的数据发送到各种目的地,如票务平台、数据存储、数据框架等,以便用户可以采取进一步的行动,并对数据进行分析。
    所有的观察者都可以在数据库(Sqlite、Postgres、MySQL等)中存储他们的状态,这使得Obsei适用于预定作业或无服务器应用程序。


    未来的方向--
    面向文本、图像、音频、文档和视频的工作流
    从所有可能的私人和公共渠道收集数据
    将每个可能的工作流程添加到人工智能下游应用中,以实现人工认知工作流程的自动化

    obsei | #工具
  7. 易用的Python UI框架,显示在Web浏览器里,可创建按钮,对话框,markdown,3D场景,绘图等

    它非常适用于微型网络应用、仪表盘、机器人项目、智能家居解决方案和类似的用例。你也可以在开发中使用它,例如在调整/配置机器学习算法或调整电机控制器时。

    NiceGUI以PyPI包、Docker镜像和GitHub的形式提供。

    NiceGUI |#框架