本文转载自公众号《核心阅读》（ID：AI_Discovery）。新事物令人兴奋，新框架、新仪器、新工具让生活更轻松。保持更新很难，我们需要花更多的时间在上面。当然，我们并不想一直更新到最新的发现，它可能是某个特定库的新小版本，也可能是出于兴趣或工作需要。让我们现在开始！Texthero：从零到多文本的预处理、矢量化和可视化。应用tf-idf和标记化查找函数来实现线性通信模型的主成分分析。GoogleDataStudio：未来的前端。以googledocs(GoogleDocs)的方式创建仪表板、报告和分析，只需插入数据库，上传csv文件，就可以开始了。Deepnote：优秀的jupyter笔记本。您可以在浏览器中进行协作、代码审查、更好地绘制、支持aws3、MongoDB等。Streamlit：是构建数据应用程序的最快方式，是GoogleDataStudio的替代品，可创建基于Python的Web应用程序、可视化和报告。从R到python，你可以试试plotnine，这是一个基于ggplot2的Python图形语法演示。pivottablejs：在Jupyter笔记本中拖放数据透视表。RISE：将您的笔记本变成基于.js的幻灯片显示。gmaps：一个基于谷歌地图的可视化库——创建漂亮的交互式地图和热图。flair：一个简单的最先进的自然语言处理框架，由来自柏林的Zalando支持。LightFM：一种用Python实现的流行推荐算法。ds-cheatsheets：大量备忘单，从python到R，包括SQL。Scraper.AI：一个真正有效的网络爬虫工具。AlwaysAI：在几分钟内将计算机视觉模型部署到NvidiaJetson、RaspberryPI等边缘设备，其目录涵盖从对象分割到估计的不同预训练模型。概念：带有配置项的笔记软件，使用Markdown创建表格、列表、画板和看板。概念：您将实际使用的笔记应用Weights&Biases：在训练深度学习模型时，经常会发生实验结果丢失、被覆盖或难以跟踪的情况。Weights&Biases只需添加几行代码即可帮助您跟踪模型训练和实验。使用Tensorflow无代码机器学习的W&B示例？显然，AI可能是AutoML的下一步。上传（或连接到）数据、选择目标就足够了，显然AI将完成剩下的工作来访问ML过程并让任何人都可以访问它。他们还会为您生成决策图，提供可解释的模型。使用AT&T数据集MLPlayground的示例：运行不同的算法、添加神经网络、删除图层、绘制数据或上传您自己的算法。Paperswithcode：顾名思义，找到Github的脚本文件，准备fork。CleverGrid：一个1核GPU和250GB的训练数据，每天大约10欧元。AWSDeepRacer：训练您的自动驾驶（模型）汽车在著名的F1赛道上与其他人竞争，例如巴塞罗那-加泰罗尼亚赛道。您还可以在亚马逊上购买DeepRacer汽车的硬件版本。MusicTimeforSpotify：一个VSCode编辑器插件，可以在编写代码的同时发现最流行的音乐。gspread_dataframe：是否需要将padas库中的数据发送到GoogleSheets。Kite:AI遇到代码自动补全的建议，他们提供了VSCode、Pycharm和Spyder等主要pythonides的插件。PuLP：对整数规划和线性规划感兴趣？对生产优化或多武装罪犯等问题感兴趣？查看他们的案例研究。使用ScikitLearn、Keras和TensorFlow进行机器学习实践：构建智能系统的概念、工具和技术：每位数据科学家的必备书籍涵盖从基础到高级的数据科学主题，以及实用的操作指南。datatau：数据科学黑客新闻。Deta：一个慷慨的免费云存储提供商。寻找副业项目？要找到您感兴趣的副业并参与其中，请查看Solodoers。cookiecutter-data-science：数据科学项目负责人。数据科学中的代码质量只不过是正确性和可重复性的问题。tqdm：我们一直希望在for循环中有一个进度条。ELI5：可视化和调试各种机器学习模型，从黑匣子到可解释的人工智能。ELI5文本分类中的gpxpy示例：您知道可以将您最喜欢的运行应用程序数据导出到.gpx文件吗？这些文件可以解析成pandas，我曾经做过类似的事情，从一次航海旅行中导出数据：《找到你的第一份数据科学工作》：一本关于数据科学职业和专家建议的70页免费书籍。GluonTS：基于mxnet的亚马逊式概率时间序列建模。Lifelines：一个实现一般生存分析模型的Python库。生存分析广泛用于预测事件在特定时间发生的可能性，例如，客户将取消订阅我们的服务。tensor-house：一组用于企业运营的参考机器学习和优化模型，对于想学习如何使用不同的机器学习模型来解决不同问题的人来说非常有趣。Gradio：让模型创建一个易于使用的界面设计，这对展示模型预测非常有帮助，包括自然语言分析、图像和回归。这些工具值得探索一段时间。
