ML Visuals：提升机器学习科学写作的终极视觉资源指南
项目地址: https://gitcode.com/gh_mirrors/ml/ml-visuals ML Visuals 是一个由 dair.ai 社区发起的协作项目，旨在通过提供免费、专业且引人入胜的视觉素材和图表，帮助机器学习社区提升科学传播效果。目前该项目已包含超过 100 个图表，所有内容均为社区贡献，任何人都可以在机器学习演示文稿或博客文章中免费使用这些视觉素材，无需获得许可，但如果能注明设计师/作者信息会更好（作者信息可在幻灯片注释中找到）。
为什么选择 ML Visuals？
在机器学习领域，清晰、专业的视觉呈现对于传达复杂概念至关重要。ML Visuals 提供了丰富的图表资源，涵盖神经网络结构、算法流程等多种类型，能够满足不同场景下的科学写作需求。这些图表不仅设计精美，而且具有高度的可定制性，用户可以根据自己的具体需求进行修改和调整。
如何获取 ML Visuals？
要获取 ML Visuals 的资源，首先需要克隆仓库，仓库地址为 https://gitcode.com/gh_mirrors/ml/ml-visuals。克隆完成后，你就可以在本地访问到项目中的各种图表和相关文件。
如何使用 ML Visuals？
ML Visuals 使用 Google Slides 来维护所有视觉素材和图表。要添加自己的自定义图表，只需添加新幻灯片并重用任何基本视觉组件（记得请求编辑权限）。你也可以创建幻灯片的副本并自定义任何内容。
从任何幻灯片下载图表都非常简单，只需点击“文件→下载→（选择格式）”即可。
如何为 ML Visuals 做贡献？
如果你想为 ML Visuals 项目贡献力量，可以通过以下方式：
- 查看项目页面（https://github.com/orgs/dair-ai/projects/8），了解所有正在进行的任务或相关问题，寻找带有“ml_visuals”标签的任务，带有“good first issue”标签的问题是很好的入门任务。
- 也可以直接查看问题标签页（https://github.com/dair-ai/ml-visuals/issues）。
- 在 Slack 群组的 #ml_visuals 频道中提问或交流相关想法。
一些可以添加到幻灯片中的图表想法包括线性回归、多层感知器、卷积神经网络、循环神经网络等多种常见的机器学习模型和算法相关图表。
引用 ML Visuals
如果使用了该资源，请按照以下方式引用：Saravia, E. (2021). ML Visuals. https://github.com/dair-ai/ml-visuals。
ML Visuals 已被用于支持众多硕士/博士学生的论文、学术论文等多种场景，是机器学习领域科学写作的有力助手。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
