AI research tools
1.0.0
- 내가 좋아하는 과학 연구 도구 몇 가지 추천해 주세요(일부는 AI 분야에 국한됩니다)
- [사용 예정]으로 표시된 도구는 아직 사용하지 않았지만 유용하다고 생각하는 도구입니다. 가능한 한 빨리 사용해 보고 경험을 바탕으로 유지할지 여부를 결정하겠습니다.
- 유용하다고 생각하지만 이 목록에는 없는 AI 분야의 과학 연구 도구 등을 통해 추천해 주세요.
일반적으로 논문 제목이나 기타 정보를 기반으로 PDF 파일을 찾아야 할 때 먼저 dblp를 사용합니다(검색 결과가 명확하고 과학적인 인터넷이 필요하지 않습니다). 특별한 경우에는 Google Scholar를 다시 사용합니다.
dblp: 컴퓨터 과학 참고문헌: 검색 가능한 최고 수준의 논문이 포함된 CS용으로 특별히 설계된 논문 쿼리 웹사이트입니다. 저자의 논문을 학회, 학술지 등별로 검색할 수 있어 컴퓨터 학회의 모든 논문을 검색하고 싶을 때 유용합니다.
Google 학자: 논문 검색 외에도 여기에서 논문 통계 및 인용 참고문헌을 볼 수 있으며, 저자나 논문을 팔로우하여 새로운 논문 업데이트 알림을 받을 수 있고, 자동 추천 기능을 사용하여 기본 라이브러리를 제공할 수도 있습니다.
의미론자: 외부 자료와 결합하여 논문의 의미 분석을 수행할 수 있습니다. 기능에는 인용 및 참고문헌 표시, 논문 영향력 측정, 논문 차트 표시, 키워드 자동 생성(제목 기준), 저자 분석, 인터넷에서 추가 리소스 찾기(예: 관련 YouTube 동영상), 논문 추천 등이 포함됩니다.
arXiv: 논문 사전 인쇄 컬렉션 웹사이트입니다.
arXiv-sanity: 탐색 중 요약, 댓글, 매우 기본적인 소셜, 추천 및 라이브러리 기능 표시를 포함하여 기능 측면에서 arXiv에 비해 크게 향상되었습니다. 검색도 더 잘 작동합니다.
Semantic Sanity: 개인화된 적응형 피드: 나만의 맞춤형 arXiv 독서 피드를 만드세요. 각 피드를 생성할 때 먼저 몇 가지 논문을 선택한 다음 이러한 논문을 기반으로 추천을 시작하면 추천 결과를 조정하는 데 도움이 됩니다.
Paper Digest – 논문 추적 및 요약을 위한 AI: 이메일 구독 전날 출판된 논문 목록을 각 논문에 대한 한 문장 요약과 함께 제공합니다. 나에게 더 중요한 것은 이 웹사이트가 각 주요 학회의 논문이 발표되면 정리할 것이라는 점입니다.
코드가 포함된 논문: 코드를 구현하는 GitHub 저장소 및 데이터 세트에 논문을 자동으로 연결하고 GitHub 컬렉션에 따라 정렬합니다. 비교를 위해 각 작업에 대한 SOTA를 표시합니다.
labmlai/annotated_deep_learning_paper_implementations: 온라인 주석이 포함된 다양한 알고리즘의 PyTorch 구현입니다. 단점은 표시된 부분이 처음부터 구현되지 않고 코드의 일부가 자체 패키지에 배치된다는 것입니다.
Mendeley: 저는 현재 이것을 사용하고 있습니다. 웹, PC, Mac, 휴대폰 등 다양한 플랫폼을 지원하고, PDF에 직접 주석을 달고 강조 표시할 수 있으며, 제한이 있는 무료 클라우드 저장 공간을 제공합니다.
Zotero: 문헌 데이터베이스 웹 페이지에서 문헌 참고 자료를 직접 캡처할 수 있습니다. 문헌 관리의 멀티엔드 동기화를 달성하기 위해 Nut Cloud와 함께 자주 사용됩니다(MacOS, Windows, iPad, Linux, iOS 지원).
Kimi Chat: ChatPGT와 유사한 제품으로 누구나 익숙할 것입니다.
Cool Papers: Su Jianlin 씨가 개발한 논문 작성 웹사이트입니다. README에 따라 직접 탐색하고 사용할 수 있습니다.
CopyTranslator: 가장 큰 장점은 고정, 클릭하여 복사, 클립보드 모니터링 등의 기능이 있어 문서를 읽을 때 원활하게 전환이 가능하고 함께 사용할 수 있어 매우 편리합니다.
Saladict Saladict: 사용자의 사용 습관에 맞춰 매우 풍부한 설정을 갖춘 브라우저 번역 플러그인입니다. 공식 문서 외에도 Shalaqi + Alfred를 확인하여 최고의 문서 번역 경험을 만들어보세요! 와서 알아보세요. 또한 Windows 시스템에서 브라우저 외부 번역을 구현하는 방법도 연구 중입니다.
Evernote를 사용하다가 중단하고 마이그레이션을 고려하고 있습니다.
Yuque: 매우 가볍습니다. 저는 주로 웹 버전을 사용합니다. 때때로 일부 목록은 휴대폰과 동기화될 수 있으며 이는 매우 유용합니다. 신입생은 초대 코드 QPFTUN을 입력하여 30일 멤버십을 받을 수 있습니다: Kissing_heart:
Notion: 여러 사람의 협업과 프로젝트 관리가 필요한 경우 Notion이 더 적합할 수 있습니다.
the-incredible-pytorch: PyTorch에 관한 다양한 튜토리얼, 프로젝트, 비디오 및 기타 리소스.
Computervision-recipes: Microsoft에서 제작한 PyTorch 기반의 다양한 CV 작업에 대한 자습서입니다.
Pytorch-Project-Template: 이미지 분할, 객체 분류, GAN 및 강화 학습의 예를 포함하는 확장 가능한 PyTorch 프로젝트 템플릿입니다.
pytorch-template: 또 다른 PyTorch 프로젝트 템플릿입니다.
torchinfo: 모델의 각 레이어 매개변수 수, 출력 텐서 크기 등을 포함하여 PyTorch 모델 정보를 인쇄합니다.
flops-counter.pytorch: 모델의 총 FLOP(부동 소수점 연산, 계산량으로 이해되며 알고리즘/모델의 복잡성을 측정하는 데 사용할 수 있음) 및 각 계층의 비율을 계산합니다. 단점은 RNN 관련 레이어를 지원하지 않는 것 같고, 인쇄된 정보를 읽기가 그다지 편리하지 않다는 점입니다.
PyTorch의 최신 버전에는 이미 텐서보드가 함께 제공됩니다. 공식 튜토리얼.
visdom: [시도 예정] 풍부한 실시간 데이터 시각화를 생성, 구성 및 공유하기 위한 유연한 도구입니다.
Convolution Visualizer: Convolution 레이어 구성이 상대적으로 복잡하고 출력 크기를 계산하는 것이 불편한 경우 이 시각화 도구를 사용하여 도움을 받을 수 있습니다.
Google 데이터 세트 검색
데이터 검색 | Bifrost: 시각적 데이터세트 검색.
optuna: 자동 하이퍼파라미터 최적화를 위한 프레임워크입니다.
microsoft/nni: [시도 예정] 대부분의 주류 프레임워크와 운영 환경을 지원하는 신경 모델 검색 및 초매개변수 조정을 위한 오픈 소스 AutoML(자동 기계 학습) 도구 키트입니다.
Hyperopt: [시도 예정] 분산 비동기 하이퍼매개변수 최적화입니다. Zhihu에서 누군가 추천하는 것을 보았는데, 문서에 따르면 현재 지원되는 최적화 알고리즘은 2개뿐이고 베이지안 최적화는 포함되어 있지 않습니다.
BoTorch: [시도 예정] PyTorch를 기반으로 한 베이지안 최적화 라이브러리입니다.
automl/Auto-PyTorch: [시도 예정] PyTorch를 기반으로 한 자동 구조 검색 및 하이퍼파라미터 검색입니다.
논문, 보고서, 포스터 등 다양한 LaTeX 템플릿
Overleaf의 템플릿
LaTeX 템플릿
여러 사람의 협업을 위해서는 제가 주로 선택하는 Overleaf를 추천합니다. 1인 프로젝트는 오프라인 LaTeX 작성을 위해 VSCode를 사용하고 버전 관리를 위해 Github 개인 라이브러리와 협력할 수 있습니다.
이 기사의 권장 사항을 살펴볼 수 있습니다: 이 웹사이트를 사용하면 영어 논문 작성이 더 이상 어렵지 않습니다. (15개 영어 논문 작성 지원 웹사이트 소개 및 사용 팁) - Zhihu
Lingle: 가장 자주 발생하는 영어 단어 배열을 검색합니다. 표현이 맞는지 확실하지 않을 때 사용하세요.
Corpus of Contemporary American English (COCA): 단어 연어의 미국 영어 코퍼스를 확인할 수 있으며, 이 단어를 사용하여 특정 문장을 확인할 수 있습니다. 영국 국립 코퍼스(BYU-BNC): 영국 영어 코퍼스로, 미국 영어보다 코퍼스가 적습니다.
유의어 사전: 저급 단어를 동의어 고급 단어로 변환합니다.
ESODA: Tsinghua HCI Lab에서 제작한 중국어 영어 작문에 적합한 구문 배열 쿼리 도구입니다. 특정 연구 방향을 전환하고 관련 대체 사용법을 표시하며 중국어와 영어의 혼합 검색을 지원할 수 있는 논문 모음입니다.
단어 및 구문: 빈도, 장르, 배열, 용어 색인, 동의어 및 WordNet: 다양한 색상을 사용하여 빈도가 높은 단어, 중간 단어, 낮은 빈도의 단어를 구별하고 기사 유형을 나타내는 어휘를 표시하며 관련 대체 가능한 단어를 분류합니다. 영어 작문 보조 도구라고는 하지만, 관련 분야의 논문에서 흔히 사용되는 어휘와 연어를 익히는 데 가장 유용하다고 생각합니다.
다양한 ChatGPT와 유사한 옵션 외에 일부 옵션이 있습니다. 온라인 탐지 도구의 유출 위험에 유의하고 주요 텍스트를 주의해서 처리하시기 바랍니다.
문법: 브라우저 플러그인을 사용하여 문법, 문장 패턴, 구두점 및 단어 선택을 확인하고 수정합니다.
Nounplus.net: 무료 온라인 영어 문법 검사기.
Mathpix: 복잡한 수학 방정식의 스크린샷을 찍어 LaTeX 코드로 변환합니다. PDF 인쇄와 사진 등의 손으로 쓴 수식을 처리할 수 있습니다.
MyScript Webdemo: Math 모듈은 손으로 쓴 공식을 LaTeX 코드로 동시에 변환할 수 있으며, Diagram 모듈은 손으로 그린 블록 다이어그램을 깔끔한 블록 다이어그램으로 변환할 수 있습니다.
Detexify LaTeX 필기 기호 인식: LaTeX에서 특정 문자를 표현하는 방법을 잊어버린 경우 이 웹사이트에서 필기로 쿼리할 수 있습니다.
OmniGraffle은 Mac OS 시스템에서 사용할 수 있습니다.
일반적으로 PPT는 제가 가장 먼저 선택합니다. 시작하기 쉽고, 유형이 많고, 자유도가 높으며, 벡터 그래픽 내보내기를 지원합니다.
종이-그림-쓰기-코드: 선형 차트, 히스토그램, 산점도, 주의 시각화 및 구조 차트를 포함하는 LaTex 기반의 그리기 코드입니다.
학술 도면: Matlab/Python 도면, 주로 시계열 데이터를 그리는 데 사용됩니다.
awesome-latex-드로잉: 주로 베이지안 네트워크, 텐서 분해 등을 그리는 데 사용되는 LaTeX 드로잉입니다.
PlotNeuralNet: Python은 LaTeX에서 사용할 수 있는 그래프를 가져오며 주로 CNN을 그립니다.
다양한 형식의 이미지 변환 서비스를 제공하는 웹사이트가 많이 있습니다. 다음은 간단한 목록입니다. 검색 엔진을 통해 다른 유사한 웹사이트를 찾을 수도 있습니다.
PNG/JPEG(래스터)를 EPS/PDF(벡터) 형식으로 변환: jpg, png 형식의 이미지 파일을 EPS 파일로 변환합니다.
EPS를 PDF로 변환기: EPS 파일을 다른 형식의 이미지로 변환할 수도 있습니다.
온라인으로 PDF 파일 자르기 - PDF 도구: PDF 파일의 흰색 가장자리를 자릅니다.
TexLive에는 몇 가지 명령줄 도구가 함께 제공됩니다.
epstopdf <file.eps> ;pdfcrop <file.pdf> . ccf-deadlines: 연구 방향 및 CCF 수준에 따라 올해 마감일로 컨퍼런스를 필터링할 수 있습니다. 국내 학생들에게 비교적 우호적입니다.
AI 컨퍼런스 마감일: 연구 방향에 따라 컨퍼런스를 필터링할 수 있습니다. 하지만 모든 정보를 보려면 과학적으로 인터넷 서핑을 해야 할 것 같습니다.
회의 목록: 마감일에 따라 정렬되며 만료된 회의는 홈 페이지에 표시되지 않습니다. 연구 방향별로 어떤 학회가 개최되는지 확인할 수 있는 페이지가 있지만, 연구 방향에 따라 만료되지 않은 학회를 걸러낼 수 있는 방법은 없습니다.
컨퍼런스 파트너: 최신 국제 컴퓨터 컨퍼런스 및 저널 목록입니다. 컨퍼런스나 저널을 팔로우하도록 등록할 수 있습니다. 비교적 완전하지만 정보가 적시에 업데이트되지 않습니다.
블라인드 검토를 위해 때로는 파일(예: 소스 코드)에 대한 링크를 익명으로 유지해야 합니다. 어떤 사람들은 Github에서 익명 계정을 만들기로 선택하지만 모든 회의의 모든 논문에 대해 계정을 만드는 것은 너무 번거로울 수 있습니다. 다음과 같이 익명 파일 공유를 지원하는 몇 가지 도구를 찾았습니다.
Dropbox: 아마도 가장 일반적으로 사용되는 것 같습니다.
개방형 과학 프레임워크
피그쉐어
Arxiv 논문 제출 프로세스 - arXiv에 논문을 제출하는 프로세스를 이해하려면 이 기사를 읽어보세요.
arxiv-latex-cleaner: arXiv 제출 요구 사항을 충족하도록 논문의 LaTeX 코드를 정리합니다. 한 가지 중요한 점은 논문에서 주석 처리된 모든 내용을 자동으로 정리하는 기능입니다.
overleaf -> arxiv 원활한 제출 프로세스: Overleaf를 사용하는 경우(LaTeX 코드를 로컬에서 종이로 컴파일하는 대신) 이 기사를 참조하여 먼저 적절한 소스 코드 패키지를 다운로드한 다음 arxiv-latex-cleaner 사용을 고려할 수 있습니다.
출판된 논문에 명확하고 재현 가능한 코드를 제공하면 해당 분야를 효과적으로 발전시킬 수 있습니다. 다음은 오픈 소스 코드에 유용한 몇 가지 도구입니다.
ReproducibilityChecklist-v2.0: 논문의 재현성을 높이기 위해 제공해야 하는 문서를 나열하는 기계 학습 재현성 체크리스트입니다.
pigar: Python 프로젝트의 요구 사항 파일을 자동으로 생성하는 도구입니다.
Rainyscope 비 시뮬레이터: 빗소리.
로파이걸의 음악공부방 : 로파이(Lo-Fi) 음악 라이브 방송실.
