绘图

• python matplotlib style
• Julia绘图，Makie.jl，makie的示例
• matplotlib to tikz
• julia的tikz绘图
• 图标、插画网站：阿里巴巴、花瓣
• 控制绘图字号与正文一致的办法
• DeTikZify：手绘图转tikz

实验管理

• MLflow：MLflow 是一个开源平台，专为帮助机器学习从业者和团队应对机器学习流程的复杂性而构建。MLflow 专注于机器学习项目的完整生命周期，确保每个阶段都可管理、可追溯且可复现。
• swanlab：一个开源、现代化设计的深度学习训练跟踪与可视化工具，同时支持云端/离线使用，适配30+主流框架，与实验代码轻松集成
• DearDiary.jl: Julia 的轻量级但功能强大的机器学习实验跟踪工具。
• pytorch lighting + hydra

文档

• Sphinx: 可以从python函数注释中生成文档
• **Documenter.jl：**可以从julia函数注释中生成文档
• buzz: 离线语音转写

写作 & slide

• Quarto: 一个markdown语言的扩展版，可以嵌入python、julia、r语言的执行，并且可以方便的把文件输出为pdf、latex、html、website等
• Pluto.jl: 一个julia的notebook，相较于jupyter最大的区别是它会保持变量的全局一致性。在jupyter的不同cell中我们可以对一个变量赋予不同的值，甚至出现cel的交叉执行，这使得执行结果依赖cel的执行顺序。pluto避免了这一点，笔记本的输出是一致的。
• tex-diary：这是一个基于 LaTeX 的研究日志系统，用于创建、整理和编译每日 LaTeX 笔记，并可将其生成 PDF 文档和 HTML 博客。该系统采用极简的标签系统，方便用户进行内容管理。
• Overleaf-Workshop：在 VSCode 中打开 Overleaf (ShareLatex) 项目，并支持完全协作。
• pdfpc：pdfpc 是一款基于 GTK 的演示应用程序，它使用类似 Keynote 的多显示器输出功能，在演示过程中为演讲者提供元信息。它可以在一个屏幕上显示普通的演示窗口，同时在另一个屏幕上显示更全面的概览信息，例如下一张幻灯片的图片、演示剩余时间等等。pdfpc 处理的输入文件是 PDF 文档，而大多数现代演示软件都可以创建 PDF 文档。
• pympress：与pdfpc功能差不多
• BeamerQt：BeamerQT 是一款用户友好的图形界面，旨在简化 Beamer 演示文稿的创建过程，无需手动编辑与幻灯片关联的 LaTeX 代码。它提供了一套全面的功能，允许用户定义布局、插入内容（包括文本、代码块和图像）以及配置主题的一些高级设置。BeamerQT 使 LaTeX 初学者和高级用户都能轻松创建精彩的演示文稿，并将注意力集中在内容创作而非代码编写上。
• Fei’s beamer theme

计算库

• **sionna：**Sionna™ 是一个基于 Python 的开源库，用于通信系统研究。

  它由以下软件包组成：

  • Sionna RT——一款速度极快的独立式射线追踪器，用于无线电传播建模。
  • Sionna PHY——无线和光通信系统的链路级仿真器
  • Sionna SYS——基于物理层抽象的系统级模拟器

• Turing.jl：Julia 中的概率编程和贝叶斯推理

• MLJ.jl：MLJ（Julia 中的机器学习）是一个用 Julia 编写的工具箱，它提供了一个通用的接口和元算法，用于选择、调整、评估、组合和比较200 多个用 Julia 和其他语言编写的机器学习模型。

• Lux.jl：JuliaLang 中的优雅且高性能的深度学习，兼具 Julia 的优雅外形和 XLA 的性能

• Associations.jl：用于量化关联、独立性测试和数据因果推断的算法。

• JuMP.jl：JuMP 是一种嵌入在Julia中的领域特定数学优化建模语言。您可以访问jump.dev了解更多信息。

• sciml: 可组合的开源软件，用于科学机器学习，支持微分编程。运用最新技术构建基于物理学的AI，使用便捷.

公开数据集

• Deepsense: DeepSense 6G is a real-world multi-modal dataset that comprises coexisting multi-modal sensing and communication data, such as mmWave wireless communication, Camera, GPS data, LiDAR, and Radar, collected in realistic wireless environments
• Capture24 The purpose of the CAPTURE-24 dataset is to serve as a training dataset for developing Human Activity Recognition (HAR) classifiers.
• physionet 复杂生理信号数据集

科研观点

• 杨铮老师：想法是怎样炼成的