点击上方“python与机器智能”，选择“星标”公众号
重磅干货，第一时间送达

1. Papers With Code该网站按照计算机的不同应用领域进行划分，收集并整理了众多技术论文，每篇论文都包含着相关开源项目供学习参考。地址：https://paperswithcode.com/

2. Semantic Scholar该搜索引擎已涵盖艺术、商业、计算机科学、历史、医学等多个领域内容，其检索结果来自于各大学术会议、机构、期刊等公开资料，并通过 AI 从多个维度进行分析释义，让结果得以更加精准，极大减少了研究人员的检索成本。地址：https://www.semanticscholar.org/

3. Connect Papers文献阅读路径图，值得借鉴 链接：https://www.connectedpapers.com/

4. 基于PyTorch的可视化包，用于为CNN生成分层解释深度学习模型被视为黑匣子是一个常见的概念。针对这个问题，该项目提供了灵活且易于使用的pip包explainable-cnn，可帮助您为任何torch基于 CNN 的模型创建可视化 链接：https://github.com/ashutosh1919/explainable-cnn

5. BlocklyML 不用写代码，模块化机器学习

BlocklyML 是 Python 和机器学习的无代码训练场。该工具旨在简化标准机器学习实施。这个工具可以帮助任何想要开始使用机器学习或 python 的人

https://github.com/chekoduadarsh/BlocklyML

更多资源分享，请关注AI算法应用与研究社群：

AI算法应用与研究社群（知识星球） 是一个面向全体学生和算法工程师/研究员的学习交流平台。旨在分享AI论文解读，资源，求职技巧和个人成长等内容。

目前我们的社群更加专注于NLP和数据挖掘领域，具体来说涉及：NLP中的信息抽取、对话问答、query理解、情感分析、知识图谱等等；数据挖掘中的异常检测、分类回归、时序挖掘、图计算、图神经网络、AI可解释等等等等

干货/资源微信群

△长按添加小助手

扫描二维码添加小助手微信

请备注：姓名-学校/公司-研究方向-城市

（如：小明-浙大-对话系统-北京）

即可申请加入AI算法干货/资源等交流群