[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-soulmachine--machine-learning-cheat-sheet":3,"tool-soulmachine--machine-learning-cheat-sheet":65},[4,23,32,40,49,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85013,2,"2026-04-06T11:09:19",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,3,"2026-04-04T04:44:48",[17,13,20,19,18],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":29,"last_commit_at":38,"category_tags":39,"status":22},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74991,"2026-04-06T23:16:49",[19,13,20,18],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":46,"last_commit_at":47,"category_tags":48,"status":22},3215,"awesome-machine-learning","josephmisiti\u002Fawesome-machine-learning","awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。\n\n它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。\n\n其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。",72149,1,"2026-04-03T21:50:24",[20,18],{"id":50,"name":51,"github_repo":52,"description_zh":53,"stars":54,"difficulty_score":46,"last_commit_at":55,"category_tags":56,"status":22},2234,"scikit-learn","scikit-learn\u002Fscikit-learn","scikit-learn 是一个基于 Python 构建的开源机器学习库，依托于 SciPy、NumPy 等科学计算生态，旨在让机器学习变得简单高效。它提供了一套统一且简洁的接口，涵盖了从数据预处理、特征工程到模型训练、评估及选择的全流程工具，内置了包括线性回归、支持向量机、随机森林、聚类等在内的丰富经典算法。\n\n对于希望快速验证想法或构建原型的数据科学家、研究人员以及 Python 开发者而言，scikit-learn 是不可或缺的基础设施。它有效解决了机器学习入门门槛高、算法实现复杂以及不同模型间调用方式不统一的痛点，让用户无需重复造轮子，只需几行代码即可调用成熟的算法解决分类、回归、聚类等实际问题。\n\n其核心技术亮点在于高度一致的 API 设计风格，所有估算器（Estimator）均遵循相同的调用逻辑，极大地降低了学习成本并提升了代码的可读性与可维护性。此外，它还提供了强大的模型选择与评估工具，如交叉验证和网格搜索，帮助用户系统地优化模型性能。作为一个由全球志愿者共同维护的成熟项目，scikit-learn 以其稳定性、详尽的文档和活跃的社区支持，成为连接理论学习与工业级应用的最",65644,"2026-04-06T10:25:08",[20,18,14],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":10,"last_commit_at":63,"category_tags":64,"status":22},3364,"keras","keras-team\u002Fkeras","Keras 是一个专为人类设计的深度学习框架，旨在让构建和训练神经网络变得简单直观。它解决了开发者在不同深度学习后端之间切换困难、模型开发效率低以及难以兼顾调试便捷性与运行性能的痛点。\n\n无论是刚入门的学生、专注算法的研究人员，还是需要快速落地产品的工程师，都能通过 Keras 轻松上手。它支持计算机视觉、自然语言处理、音频分析及时间序列预测等多种任务。\n\nKeras 3 的核心亮点在于其独特的“多后端”架构。用户只需编写一套代码，即可灵活选择 TensorFlow、JAX、PyTorch 或 OpenVINO 作为底层运行引擎。这一特性不仅保留了 Keras 一贯的高层易用性，还允许开发者根据需求自由选择：利用 JAX 或 PyTorch 的即时执行模式进行高效调试，或切换至速度最快的后端以获得最高 350% 的性能提升。此外，Keras 具备强大的扩展能力，能无缝从本地笔记本电脑扩展至大规模 GPU 或 TPU 集群，是连接原型开发与生产部署的理想桥梁。",63927,"2026-04-04T15:24:37",[20,14,18],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":81,"owner_email":82,"owner_twitter":76,"owner_website":82,"owner_url":83,"languages":84,"stars":89,"forks":90,"last_commit_at":91,"license":82,"difficulty_score":10,"env_os":92,"env_gpu":93,"env_ram":93,"env_deps":94,"category_tags":100,"github_topics":82,"view_count":10,"oss_zip_url":82,"oss_zip_packed_at":82,"status":22,"created_at":101,"updated_at":102,"faqs":103,"releases":134},4866,"soulmachine\u002Fmachine-learning-cheat-sheet","machine-learning-cheat-sheet","Classical equations and diagrams in machine learning","machine-learning-cheat-sheet 是一份专为机器学习领域打造的开源速查手册，汇集了该学科中经典的数学公式、核心方程与关键图表。在机器学习知识体系庞大且复杂的背景下，它有效解决了从业者难以快速回顾理论基础、或在面试准备阶段缺乏系统化复习资料的痛点。通过高度浓缩的视觉化呈现，用户能迅速唤醒对算法原理的记忆，提升学习与工作效率。\n\n这份资源特别适合机器学习开发者、数据科学家、高校研究人员以及正在备战相关技术岗位的求职者使用。无论是日常工作中的灵感查阅，还是系统性的考前突击，它都能提供精准的知识索引。其独特的技术亮点在于采用了专业的 Springer LaTeX 模板进行排版，不仅确保了数学公式渲染的严谨性与美观度，还开放了完整的编译源码。用户既可以直接下载现成的 PDF 版本即刻使用，也能通过 Docker 或本地 TeX 环境自行编译，甚至基于此模板二次开发属于自己的知识库，兼具实用性与极高的可扩展性。","Machine learning cheat sheet\n============================\n\nThis cheat sheet contains many classical equations and diagrams on machine learning, which will help you quickly recall knowledge and ideas on machine learning.\n\nThe cheat sheet will also appeal to someone who is preparing for a job interview related to machine learning.\n\n\n## Download PDF\n[machine-learning-cheat-sheet.pdf](https:\u002F\u002Fgithub.com\u002Fsoulmachine\u002Fmachine-learning-cheat-sheet\u002Fraw\u002Fmaster\u002Fmachine-learning-cheat-sheet.pdf) \n\n\n## How to compile\n\n    docker pull soulmachine\u002Ftexlive\n    docker run -it --rm -v $(pwd):\u002Fdata -w \u002Fdata soulmachine\u002Ftexlive xelatex -synctex=1 --enable-write18 -interaction=nonstopmode machine-learning-cheat-sheet.tex\n\n\n## LaTeX template\nThis open-source book adopts the [Springer latex template](http:\u002F\u002Fwww.springer.com\u002Fauthors\u002Fbook+authors?SGWID=0-154102-12-970131-0).\n\n\n## How to compile on Windows\n1. Install [Tex Live 2014](http:\u002F\u002Fwww.tug.org\u002Ftexlive\u002F), then add its `bin` path for example `D:\\texlive\\2012\\bin\\win32` to he PATH environment variable.\n2. Install [TeXstudio](http:\u002F\u002Ftexstudio.sourceforge.net\u002F).\n3. Configure TeXstudio.  \n    Run TeXstudio, click `Options-->Configure Texstudio-->Commands`, set `XeLaTex` to `xelatex -synctex=1 -interaction=nonstopmode %.tex`.\n    \n    Click `Options-->Configure Texstudio-->Build`,   \n    set `Build & View` to `Compile & View`,  \n    set `Default Compiler` to `XeLaTex`,  \n    set `PDF Viewer` to `Internal PDF Viewer(windowed)`, so that when previewing it will pop up a standalone window, which will be convenient.\n4. Compile. Use Open `machine-learning-cheat-sheet.tex` with TeXstudio，click the green arrow on the menu bar, then it will start to compile.  \n    In the messages window below we can see the compilation command that TeXstudio is using is `xelatex -synctex=1 --enable-write18 -interaction=nonstopmode \"machine-learning-cheat-sheet\".tex`\n","机器学习速查表\n============================\n\n本速查表包含大量机器学习领域的经典公式和图表，可帮助您快速回顾机器学习的相关知识与思路。\n\n此外，这份速查表也非常适合正在准备机器学习相关职位面试的人士使用。\n\n\n## 下载 PDF\n[machine-learning-cheat-sheet.pdf](https:\u002F\u002Fgithub.com\u002Fsoulmachine\u002Fmachine-learning-cheat-sheet\u002Fraw\u002Fmaster\u002Fmachine-learning-cheat-sheet.pdf) \n\n\n## 编译方法\n\n    docker pull soulmachine\u002Ftexlive\n    docker run -it --rm -v $(pwd):\u002Fdata -w \u002Fdata soulmachine\u002Ftexlive xelatex -synctex=1 --enable-write18 -interaction=nonstopmode machine-learning-cheat-sheet.tex\n\n\n## LaTeX 模板\n本开源书籍采用了 [Springer LaTeX 模板](http:\u002F\u002Fwww.springer.com\u002Fauthors\u002Fbook+authors?SGWID=0-154102-12-970131-0)。\n\n\n## 在 Windows 上编译的方法\n1. 安装 [Tex Live 2014](http:\u002F\u002Fwww.tug.org\u002Ftexlive\u002F) 后，将其 `bin` 路径（例如 `D:\\texlive\\2012\\bin\\win32`）添加到系统的 PATH 环境变量中。\n2. 安装 [TeXstudio](http:\u002F\u002Ftexstudio.sourceforge.net\u002F)。\n3. 配置 TeXstudio。  \n    打开 TeXstudio，依次点击 `Options-->Configure Texstudio-->Commands`，将 `XeLaTex` 设置为 `xelatex -synctex=1 -interaction=nonstopmode %.tex`。\n    \n    再点击 `Options-->Configure Texstudio-->Build`，  \n    将 `Build & View` 设置为 `Compile & View`，  \n    将 `Default Compiler` 设置为 `XeLaTex`，  \n    将 `PDF Viewer` 设置为 `Internal PDF Viewer(windowed)`，这样预览时会弹出一个独立窗口，更加方便。\n4. 编译。用 TeXstudio 打开 `machine-learning-cheat-sheet.tex` 文件，点击菜单栏上的绿色箭头，即可开始编译。  \n    在下方的消息窗口中，我们可以看到 TeXstudio 使用的编译命令是 `xelatex -synctex=1 --enable-write18 -interaction=nonstopmode \"machine-learning-cheat-sheet\".tex`。","# machine-learning-cheat-sheet 快速上手指南\n\n本工具是一份经典的机器学习速查表，包含大量核心公式与图表，适合快速回顾知识点或准备面试。\n\n## 环境准备\n\n### 系统要求\n- **操作系统**：Linux \u002F macOS \u002F Windows\n- **核心依赖**：LaTeX 发行版（推荐 TeX Live），需支持 `xelatex` 编译器。\n\n### 前置依赖方案\n你可以选择以下任一方式准备编译环境：\n\n1.  **Docker 方案（推荐，跨平台一致）**\n    - 需安装 Docker 引擎。\n    - 镜像已预装完整环境，无需本地配置 LaTeX。\n\n2.  **本地安装方案（Windows 用户适用）**\n    - 安装 [TeX Live](http:\u002F\u002Fwww.tug.org\u002Ftexlive\u002F)（建议 2014 及以上版本）。\n    - 将 TeX Live 的 `bin` 目录（例如 `D:\\texlive\\2014\\bin\\win32`）添加至系统 `PATH` 环境变量。\n    - （可选）安装编辑器 [TeXstudio](http:\u002F\u002Ftexstudio.sourceforge.net\u002F) 以方便编译和预览。\n\n---\n\n## 安装与编译步骤\n\n### 方案一：使用 Docker 编译（最简单）\n\n无需安装额外软件，直接在项目根目录执行以下命令即可生成 PDF：\n\n```bash\ndocker pull soulmachine\u002Ftexlive\ndocker run -it --rm -v $(pwd):\u002Fdata -w \u002Fdata soulmachine\u002Ftexlive xelatex -synctex=1 --enable-write18 -interaction=nonstopmode machine-learning-cheat-sheet.tex\n```\n*注：执行成功后，当前目录下将生成 `machine-learning-cheat-sheet.pdf` 文件。*\n\n### 方案二：Windows 本地编译\n\n若已按“环境准备”安装好 TeX Live 和 TeXstudio，请按以下步骤操作：\n\n1.  **配置编译器**\n    打开 TeXstudio，点击 `Options` -> `Configure Texstudio` -> `Commands`，将 `XeLaTex` 设置为：\n    ```text\n    xelatex -synctex=1 -interaction=nonstopmode %.tex\n    ```\n\n2.  **配置构建选项**\n    点击 `Options` -> `Configure Texstudio` -> `Build`：\n    - `Build & View` 设置为：`Compile & View`\n    - `Default Compiler` 设置为：`XeLaTex`\n    - `PDF Viewer` 设置为：`Internal PDF Viewer(windowed)`（便于弹窗预览）\n\n3.  **开始编译**\n    - 用 TeXstudio 打开 `machine-learning-cheat-sheet.tex`。\n    - 点击菜单栏的绿色箭头图标。\n    - 编译完成后将自动弹出 PDF 预览窗口。\n\n---\n\n## 基本使用\n\n编译生成的 PDF 文件即为最终产物，无需运行其他程序。\n\n- **查看内容**：直接打开生成的 `machine-learning-cheat-sheet.pdf`。\n- **主要用途**：\n  - 快速查阅机器学习经典公式与架构图。\n  - 作为面试前的复习提纲。\n- **直接下载**：如果不需要修改源码，可直接下载预编译好的版本：\n  [machine-learning-cheat-sheet.pdf](https:\u002F\u002Fgithub.com\u002Fsoulmachine\u002Fmachine-learning-cheat-sheet\u002Fraw\u002Fmaster\u002Fmachine-learning-cheat-sheet.pdf)","一名算法工程师正在紧急备战某大厂的机器学习岗位面试，需要在短时间内系统回顾各类经典模型公式与推导逻辑。\n\n### 没有 machine-learning-cheat-sheet 时\n- **资料检索零散低效**：需要在教科书、博客和论文之间反复切换搜索，难以快速定位支持向量机或神经网络的精确数学表达。\n- **核心公式记忆模糊**：面对反向传播推导或贝叶斯决策理论等复杂公式，仅凭记忆容易混淆变量定义，导致手写推导时频频卡壳。\n- **知识体系缺乏全景**：脑海中知识点呈碎片化分布，缺少一张可视化的“地图”来串联不同算法间的联系与区别。\n- **复习重点难以把握**：在海量文献中迷失方向，无法快速识别出面试官最爱考察的经典方程与核心图表。\n\n### 使用 machine-learning-cheat-sheet 后\n- **一站式精准查阅**：直接打开 PDF，即可在几秒内找到涵盖分类、回归、聚类等所有经典算法的标准方程与原理图。\n- **公式推导准确无误**：对照书中清晰的 LaTeX 排版公式，迅速纠正记忆偏差，确保面试板演时符号规范、逻辑严密。\n- **构建完整知识图谱**：借助其系统化的章节编排，快速理清从线性模型到深度学习的演进脉络，形成结构化的认知框架。\n- **聚焦高频考点**：利用其精选的经典内容特性，集中攻克最高频的面试题型，将原本需要数天的资料整理时间压缩至几小时。\n\nmachine-learning-cheat-sheet 将零散的机器学习知识浓缩为一份精准的速查指南，极大提升了技术复习与实战应用的效率。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsoulmachine_machine-learning-cheat-sheet_0e36a71c.png","soulmachine","Frank Dai","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fsoulmachine_76ec2545.jpg","I test in prod","Google","Santa Clara, CA",null,"https:\u002F\u002Fgithub.com\u002Fsoulmachine",[85],{"name":86,"color":87,"percentage":88},"TeX","#3D6117",100,8013,1341,"2026-04-05T00:32:26","Linux, macOS, Windows","未说明",{"notes":95,"python":93,"dependencies":96},"该项目为机器学习公式速查表的 LaTeX 源码，不涉及机器学习模型训练或推理，因此无需 GPU 和 Python 环境。编译需要安装 TeX Live 发行版并使用 XeLaTeX 引擎。提供了 Docker 镜像 (soulmachine\u002Ftexlive) 以便在 Linux\u002FmacOS 上快速编译；Windows 用户需手动安装 TeX Live 和 TeXstudio 并进行相应配置。",[97,98,99],"TeX Live (2014+)","XeLaTeX","TeXstudio (可选)",[18],"2026-03-27T02:49:30.150509","2026-04-07T13:28:55.408605",[104,109,114,119,124,129],{"id":105,"question_zh":106,"answer_zh":107,"source_url":108},22124,"可以将内容翻译成其他语言吗？如何调整文件夹结构以支持多语言？","目前维护者尚未规划具体的国际化文件夹结构。如果您想进行翻译，可以直接 Fork 该仓库并自行组织翻译内容。该项目旨在作为轻量级浓缩手册，而非完整书籍。","https:\u002F\u002Fgithub.com\u002Fsoulmachine\u002Fmachine-learning-cheat-sheet\u002Fissues\u002F19",{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},22125,"发现文档中有错误，应该如何反馈以便修复？","维护者欢迎纠错，但需要用户提供具体的错误位置和内容。请明确指出错误所在的页码、章节或具体句子，以便维护者能够快速定位并修复问题。泛泛地指出“有错误”通常无法直接促成修复。","https:\u002F\u002Fgithub.com\u002Fsoulmachine\u002Fmachine-learning-cheat-sheet\u002Fissues\u002F18",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},22126,"文档中关于“向上取整”（Ceiling）的定义描述有误怎么办？","对于具体的拼写错误或定义错误（例如将 Ceiling 错误描述为向下取整），用户可以直接在 Issue 中指出具体页码和正确定义。维护者确认后会立即修复。例如第 11 页的 Ceiling 定义已根据反馈从“向下取整”修正为“向上取整”。","https:\u002F\u002Fgithub.com\u002Fsoulmachine\u002Fmachine-learning-cheat-sheet\u002Fissues\u002F4",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},22127,"这份速查表与 Kevin Murphy 的《Machine Learning: A Probabilistic Perspective》(MLAPP) 是什么关系？","该速查表的结构目前确实与 MLAPP 非常相似，部分内容也参考了该书。但其目标是作为一本轻量级、浓缩的手册，风格与完整的 MLAPP 教材不同。维护者计划在未来将其调整为全新的面貌。","https:\u002F\u002Fgithub.com\u002Fsoulmachine\u002Fmachine-learning-cheat-sheet\u002Fissues\u002F5",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},22128,"如何引用或在其他地方索引这份速查表？","用户可以自由地将此速查表添加到其他的 Awesome 列表或资源索引中（如 awesome-cheatsheet）。维护者对此表示欢迎和支持。","https:\u002F\u002Fgithub.com\u002Fsoulmachine\u002Fmachine-learning-cheat-sheet\u002Fissues\u002F11",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},22129,"项目是否计划进行全面修订以解决大量错误？","维护者承认存在错误并同意需要修订，但修订工作依赖于社区的具体反馈。如果没有用户指出具体的错误位置和细节，全面的修订难以开展。建议用户提交详细的错误报告来推动修订进程。","https:\u002F\u002Fgithub.com\u002Fsoulmachine\u002Fmachine-learning-cheat-sheet\u002Fissues\u002F20",[]]