vaex 适用于Python，ML的核心数据框
Vaex是一个高性能Python库，用于懒惰的Out-of-Core DataFrame（类似于Pandas），以可视化和探索大型表格数据集。
它在N维网格上以每秒超过十亿（10 ^ 9）的样本/行计算统计数据，例如平均值，总和，计数，标准差等。
可视化使用直方图，密度图和3d体积渲染完成，从而允许交互式探索大数据。
Vaex使用内存映射，零内存复制策略和惰性计算来获得最佳性能（不浪费内存）。
关键特性：
即时打开庞大数据文件（内存映射）
核外数据框
快速分组/聚合
快速高效的合并
集成到Jupyter和Voila中以实现交互式笔记本和仪表板
项目地址：
https://github.com/vaexio/vaex/
Semantic-Search 使用Transformers等进行语义搜索
使用感知嵌入的简单应用程序可以将文档投影到高维空间中，并使用余弦相似度找到大多数相似度。
目的是演示和比较模型。要进行大规模部署，必须计算并保存文档嵌入，以快速搜索和计算相似性。
第一次加载需要很长时间，因为该应用程序将下载所有模型。除了运行6个模型外，即使在CPU中，推理时间也是可以接受的。
演示文本包含有关每个主题的4个句子：Apple，操作系统，Java和Python。
可能会看到语义搜索效果很好，只过滤了有关特定查询的文档，即使查询中文档中没有俗套的单词也是如此。
项目地址：
https://github.com/renatoviolin/Semantic-Search
JioNLP 无模型中文 NLP 工具包
JioNLP 是一个提供常用 NLP 功能的工具包，宗旨是直接提供方便快捷的解析、词典类、深度学习模型加速的面向中文的工具接口，并提供一步到位的查阅入口。帮助开发者解决基础的 NLP 需求和操作。
功能主要包括：文本清洗，去除HTML标签、异常字符、冗余字符，转换全角字母、数字、空格为半角，抽取及删除E-mail及域名、电话号码、QQ号、括号内容、身份证号、IP地址、URL超链接、货币金额与单位，解析身份证号信息、手机号码归属地、座机区号归属地，按行快速读写文件，（多功能）停用词过滤，（优化的）分句，地址解析，新闻地域识别，繁简体转换，汉字转拼音，汉字偏旁、字形、四角编码拆解，基于词典的情感分析，色情数据过滤，反动数据过滤，关键短语抽取，成语词典、歇后语词典、新华字典、新华词典、停用词典、中国地名词典、世界地名词典，基于词典的NER，NER的字、词级别转换，NER的entity和tag格式转换，NER模型的预测阶段加速并行工具集，NER标注和模型预测的结果差异对比，NER标注数据集分割与统计，文本分类标注数据集的分割与统计。
特性：
正则抽取与解析
文件读写工具
词典加载与使用
实体识别(NER)算法辅助工具集
文本分类
项目地址：
https://github.com/dongrixinyu/JioNLP
deepdow是一个Python包，用于投资项目组合优化和深度学习。它的目标是促进对在一个前向计算中执行权重分配的网络的研究。
deepdow尝试合并投资组合优化中两个非常常见的步骤：
预测市场的未来发展（LSTM，GARCH等）
优化问题设计和解决方案（凸优化，...）
它通过构造层流水线来实现。最后一层执行分配，所有先前的层充当特征提取器。整个网络是完全可微的，可以通过梯度下降算法优化其参数。
特性：
所有层都建立在torch上并且完全可区分；
集成了可微凸优化（cvxpylayers）；
实现基于聚类的投资组合分配算法；
多种数据加载策略（RigidDataLoader，FlexibleDataLoader）；
通过回调与mlflow和tensorboard集成；
提供各种损失，例如锐化比，最大跌幅，...；
易于扩展和定制；
CPU和GPU支持。
项目地址：
https://github.com/jankrepl/deepdow
detr Transformers端对端物体检测
PyTorch训练代码和DETR（DEtection TRansformer）的预训练模型。我们用Transformer代替了整个复杂的手工物体检测管道，并用ResNet-50匹配了Faster R-CNN，使用一半的计算能力（FLOP）和相同数量的参数在COCO上获得了42个AP。在PyTorch的50行中进行推断。
与传统的计算机视觉技术不同，DETR将对象检测作为直接设置的预测问题。它由基于集合的全局损失（通过二分匹配强制唯一预测）和Transfromer编码器-解码器体系结构组成。
给定固定的学习对象查询集，则DETR会考虑对象与全局图像上下文之间的关系，以直接并行并行输出最终的预测集。由于这种并行性质，DETR非常快速和高效。
我们认为，对象检测不应该比分类困难，也不需要复杂的库来进行训练和推理。DETR的实现和实验非常简单，我们提供了一个独立的Colab笔记本，展示了如何仅用几行PyTorch代码进行DETR推理。
训练代码遵循了这个想法-它不是一个库，而是一个带有标准训练循环的main.py导入模型和标准定义。
项目地址：
https://github.com/facebookresearch/detr
06
FinancialDatasets 金融文本数据集
推荐研究方向：
Embedding (Word2Vec, Bert, 等)
实体识别 - NER
无监督聚类: 基于企业描述信息, 进行竞品聚类
企业行业分类
标题总结 - Text Summary
序列分类 - Sequence Classification
项目地址：
https://github.com/smoothnlp/FinancialDatasets
mmfashion 基于PyTorch的用于视觉时尚分析的开源工具箱
MMFashion是一个基于PyTorch的开源视觉时尚分析工具箱。这是香港中文大学多媒体实验室开发的开放式mmlab项目的一部分。
