ShowMeAI

兵欲善其事，必先利其器。对于数据科学家和数据开发工程师们来说，拥有好的工具会大大加速开发效率，本篇ShowMeAI介绍数据科学领域常用IDE Jupyter Notebook的拓展插件。

S3PRL 自监督语音预训练和表征学习工具包、Git 库命令行下载工具、把 LeetCode 题目生成卡片的刷题神器、redframes 用于机器学习和可视化的数据操纵库、时间序列数据挖掘工具库…

饼图是用于显示分类数据比例的典型图表，在数据可视化中经常使用，因为它直观且结果容易理解。但我们还有一些炫酷高级的图表可以表示比例或百分比，ShowMeAI在本篇进行介绍。

伪代码生成大幅可视化图、VTA个性化的自画像工具、tsai 基于Pytorch & fastai的深度学习时序处理库、Scholar构建在Nx基础上的机器学习工具、扩散模型资源列表、前沿论文…

机器学习算法理论比较枯燥乏味，但有许多有趣且有用的网站，您可以像游戏一样交互式操作，并同时学习机器学习概念、模型和应用知识。以下是 ShowMeAI 为大家整理的18个交互式机器学习网站，学起来！

通用信息抽取UIE的PyTorch版、基于MPSGraph的ONNX推理引擎、Google Earth Engine机器学习包、Selective 白盒特征选择库、系统设计资源合辑、前沿论文…

大量的数据科学职位需要精通 SQL，它也是数据分析师、数据科学家、数据建模岗最常考核的面试技能。在本篇内容中 ShowMeAI 将梳理汇总所有面试 SQL 问题，按照不同的主题构建练习专项块。

使用长文本生成AI图像、Umi-OCR 批量图片转文字、SynapseML 大规模可扩展分布式机器学习库、Cuby Text 开源个人知识管理应用、E2E测试和分析框架、机器学习数据工程实战教程…

本文讲解一种比较全能的『机器学习模型可解释性』方法——SHAP。通过调用Python的SHAP工具库，对机器学习模型做可解释性分析，判断不同特征对于当前模型的重要程度。