一学术达人 TikZ 学术绘图库 - 机器学习方法图好全好看，速来！

主要观点总结

这篇文章介绍了一个名为“awesome-latex-drawing”的项目，该项目提供了LaTeX在学术绘图方面的应用示例。文章涵盖了该项目的详细介绍，包括作者、研究兴趣、项目的主要内容和最受欢迎的GitHub存储库等信息。

关键观点总结

关键观点1: 项目介绍

“awesome-latex-drawing”是一个包含30多个学术绘图示例的集合，展示了LaTeX在贝叶斯网络、图形模型、张量结构和技术框架等方面的应用。

关键观点2: 作者简介

项目的作者是陈新宇，现在是麻省理工学院的博士后助理，主导了GitHub上的时空数据建模项目。

关键观点3: 研究内容

作者目前致力于开发理论机器学习方法，用于对广泛的时空数据进行建模，包括矩阵/张量分解等。作者的博士论文主题是“时空交通数据插补和预测的矩阵和张量模型”。

关键观点4: 项目内容详解

文章详细描述了项目的各个部分，包括贝叶斯网络、图形模型、函数绘图、张量结构和技术框架等方面的绘图示例，以及相关的前置和主体代码。

关键观点5: 获奖情况

作者在博士学习期间获得了IVADO博士卓越奖学金和CIRRELT博士卓越奖学金，以资助其博士研究。

文章预览

“awesome-latex-drawing”是一个包含 30 多个学术绘图示例的集合，用于展示 LaTeX 在贝叶斯网络、函数绘图、图形模型、张量结构和技术框架等方面的绘图应用。 项目作者是陈新宇，现在是麻省理工学院的博士后助理，主导了 GitHub 上的时空数据建模项目。我目前正在致力于开发一些理论机器学习方法（例如，矩阵/张量分解），用于对广泛的时空数据进行建模。这些数据本质上是从现实世界系统中收集的多维张量，包括人类流动性、轨迹数据、交通流量、流体流量、气候/天气数据和能源消耗数据。作者的博士论文题为“时空交通数据插补和预测的矩阵和张量模型”。 我喜欢数学和计算机科学相关的东西。我的研究兴趣包括但不限于机器学习、时空数据建模、智能交通系统、城市科学和 AI for Science。两个最受欢迎的 GitHub 存储库是 transdim（为交通数据插 ………………………………