27 張 AI 超全速查表,神經網絡、機器學習、數據可視化一應俱全(附完整 pdf)

2021-03-02 大魚AI

關鍵時刻，第一時間送達！

工欲善其事，必先利其器。在機器學習、深度學習研究中，優秀的參考資料和手冊往往能夠助我們事半功倍！今天小編給大家整理了 27 張非常全面的 AI 速查表，以便供大家平時查詢所用！

這 27 張速查表內容非常全面，涉及神經網絡、機器學習、深度學習、Python 及其開源庫、數據可視化等。

下面，我們分別來詳細介紹。

1. 神經網絡基礎

Neural Networks Cheat Sheet

2. 神經網絡圖

Neural Networks Graphs Cheat Sheet

3. 數學基礎

Neural Network Cheat Sheet

Neural Network Cheat Sheet

4. 機器學習概述

Machine Learning Cheat Sheet

5. Scikit-Learn

Scikit-Learn 將幫助您在最困難的時候找到正確的估算器。流程圖將幫助您檢查文檔和每個估算器的大致指南，這些指南將幫助您了解更多有關問題和如何解決問題的信息。

Machine Learning Cheat Sheet

Scikit-Learn是一個基於 Python 程式語言的免費機器學習庫。它具有各種分類、回歸和聚類算法，包括支持向量機、隨機森林、梯度增強、k均值，旨在與 Python 數字和科學庫 NumPy和 SciPy 進行互操作。

Scikit-Learn Cheat Sheet

6. 機器學習：算法速查表

這份來自 Microsoft Azure 的機器學習速查表將幫助你在預測性分析解決方案上選擇適當的機器學習算法。首先，速查表會詢問你有關數據性質的問題，然後建議最佳算法。

MACHINE LEARNING ALGORITHM CHEAT SHEET

7. Python 數據科學

Python Data Science Cheat Sheet

Big Data Cheat Sheet


8. TensorFlow


TensorFlow 是一個基於數據流編程（dataflow programming）的符號數學系統，被廣泛應用於各類機器學習（machine learning）算法的編程實現。

TesorFlow Cheat Sheet

9. Keras

Keras 是一個高層神經網絡 API，Keras 由純 Python 編寫而成並基 Tensorflow、Theano 以及 CNTK 後端。

Keras Cheat Sheet

10. NumPy

NumPy(Numerical Python) 是 Python 語言的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。

Numpy Cheat Sheet

11. Pandas

Pandas 是基於 NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。Pandas 提供了大量能使我們快速便捷地處理數據的函數和方法。

Pandas Cheat Sheet

12. 數據整理(Data Wrangling)

數據整理(Data Wrangling)可歸納為以下三步：數據收集(Gather) ，數據評估(Assess)， 數據清理(Clean)。

Data Wrangling Cheat Sheet

Pandas Data Wrangling Cheat Sheet

13.使用 dplyr and tidyr 數據整理

Data Wrangling with dplyr and tidyr Cheat Sheet

Data Wrangling with dplyr and tidyr Cheat Sheet


14. SciPy

SciPy 是一個用於數學、科學、工程領域的常用軟體包，可以處理插值、積分、優化、圖像處理、常微分方程數值解的求解、信號處理等問題。它用於有效計算 NumPy 矩陣，使 NumPy 和 SciPy 協同工作，高效解決問題。

Scipy Cheat Sheet

15. Matplotlib

Matplotlib 是一個 Python 2D 繪圖庫，它可以在各種平臺上以各種硬拷貝格式和交互式環境生成出具有出版品質的圖形。Matplotlib 可用於 Python 腳本，Python 和IPython shell，Jupyter 筆記本，Web 應用程式伺服器和四個圖形用戶界面工具包。只需幾行代碼即可生成繪圖，直方圖，功率譜，條形圖，錯誤圖，散點圖等。

為了簡單繪圖，pyplot 模塊提供了類似於 MATLAB 的界面，特別是與 IPython 結合使用時。

Matplotlib Cheat Sheet

16. 數據可視化

Data Visualization Cheat Sheet

ggplot cheat sheet

17. PySpark

PySpark 是 Spark 為 Python 開發者提供的 API。

Pyspark Cheat Sheet

18. Big-O

Big-O Algorithm Cheat Sheet

Big-O Algorithm Complexity Chart

BIG-O Algorithm Data Structure Operations

Big-O Array Sorting Algorithms


原文連結：

https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-678c51b4b463

目前，本文整理的 27 張 AI 速查表高清無水印版已整理完畢！獲取方式如下：

1.掃描下方二維碼關注 "大魚AI" 公眾號

2.公眾號後臺回復關鍵詞：AISheet

👆掃描上方二維碼關注

相關焦點

  • AI Cheat Sheet 人工智慧、神經網絡、機器學習、深度學習和大數據領域覆蓋最全的一份速查表
    這是最完整的列表，Big-O就在最後，享受吧.機器學習：算法Microsoft Azure的這款機器學習備忘單將幫助您為預測分析解決方案選擇合適的機器學習算法。Chollet解釋說，Keras被認為是一個界面而不是端到端的機器學習框架。 它提供了更高級別，更直觀的抽象集，無論後端科學計算庫如何，都可以輕鬆配置神經網絡。
  • 十張機器學習和深度學習工程師必備速查表!
    >對於初學者，機器學習和深度學習課程會很困難，此外各類深度學習庫也十分難理解。我在Github上創建了一個本地庫（https://github.com/kailashahirwar/cheatsheets-ai），裡面包含了從不同渠道收集的速查表，可以直接下載。儘管拿去用吧，同時歡迎補充完善!Karas是Theano和TensorFlow平臺上一款強大易用的深度學習庫。它為發展和訓練深度學習模型提供高階神經網絡API接口。
  • 從理論概念到庫函數語法:機器學習速查表全集
    機器之心以前也發過初學者如何選擇合適的機器學習算法，該文章也有一張速查表，我們可以在以下展示。這一張速查表可以在特定任務下指導我們到底需要選擇什麼樣的機器學習算法。例如我們的數據不需要降維、有標註、預測的是類別、更關注模型精度，那麼就可以選擇帶核函數的支持向量機、隨機森林、神經網絡和梯度提升樹算法。
  • 高清圖解:神經網絡、機器學習、數據科學一網打盡|附PDF
    來源：becominghuman.ai　　編輯：元子　　【新智元導讀】完全圖解人工智慧、NLP、機器學習、深度學習、大數據！這份備忘單涵蓋了上述領域幾乎全部的知識點，並使用信息圖、腦圖等多種可視化方式呈現，設計精美，實用性強。　　今天，新智元要為大家推薦一個超實用、顏值超高的神經網絡+機器學習+數據科學和Python的完全圖解，文末附有高清PDF版連結，支持下載、列印，推薦大家可以做成滑鼠墊、桌布，或者印成手冊等隨手攜帶，隨時翻看。
  • 【乾貨】最新深度學習課程,多倫多大學「神經網絡與機器學習導論(2018年Spring)(附課件下載)
    http://www.cs.toronto.edu/~rgrosse/概述機器學習是一套強大的技術，它允許計算機從數據中學習，而不是讓人類專家手工編程行為。神經網絡是一類最初受大腦啟發的機器學習算法，但最近在實際應用中取得了很多成功。
  • 【下載】豆瓣評分8.1,《機器學習實戰:基於Scikit-Learn和TensorFlow》
    第一部分為第1章到第8章，涵蓋機器學習的基礎理論知識和基本算法——從線性回歸到隨機森林等，幫助讀者掌握Scikit-Learn的常用方法；第二部分為第9章到第16章，探討深度學習和常用框架TensorFlow，一步一個腳印地帶領讀者使用TensorFlow搭建和訓練深度神經網絡，以及卷積神經網絡。
  • Spark機器學習.pdf
    AI項目體驗地址 https://loveai.tech《Spark機器學習》內容提要彭特裡思著的《Spark機器學習》每章都設計了 案例研究，以機器學習算法為主線，結合實例探討了 spark的實際應用。
  • 分享《深度學習入門:基於Python的理論與實現》高清中文版PDF+原始碼
    AI算法工程  公眾號： datayx loveai.techAI圖譜，一個全新的機器學習技術分享社區原創作者在AI圖譜平臺上每成功發布一篇文章，通過審核後可獎勵人民幣30-50元不等，歡迎參與！3.1 從感知機到神經網絡3.2 激活函數3.3 多維數組的運算3.4 3層神經網絡的實現3.5 輸出層的設計3.6 手寫數字識別3.7 小結第4章 神經網絡的學習4.1 從數據中學習4.2 損失函數4.3 數值微分4.4 梯度4.5 學習算法的實現4.6 小結第5章 誤差反向傳播法
  • 吳恩達 AI 完整課程資源超級大匯總!
    課程中沒有複雜的公式推導和理論分析，讓機器學習初學者能夠快速對整個機器學習知識點有比較整體的認識，便於快速入門。>精煉知識點速查表：https://stanford.edu/~shervine/teaching/cs-229/完整速查表 GitHub（9.9k star）：https://github.com/afshinea/stanford-cs-229-machine-learning
  • 可能是史上最全機器學習和Python速查表(附下載連結)
    機器學習有很多方面。 當我開始刷新這個主題時，我遇到了各種「速查表」，這裡僅列出了需要知道的給定主題的所有要點。 最後，我收集了與機器學習相關的速查表。有些我經常參考，並且認為其他人也可能從中受益。因此， 這篇文章把我從網上發現的很好的27個速查表分享出來，以供大家參考。後臺回復關鍵詞「速查表」下載27個速查表。
  • 一圖抵千言:帶你了解最直觀的神經網絡架構可視化
    神經網絡是複雜、多維、非線性的數組運算。如何在避免過於複雜或重複的情況下呈現深度學習模型架構的重要特徵呢？又該以何種方式清晰直觀、啟發性地呈現它們呢？（好看也是加分項！）無論研究還是教學項目對此都沒有固定標準。本文我們就來了解一下可視化整個神經網絡架構和特定模塊的工具和技巧。
  • python機器學習預測分析核心算法.pdf
    AI項目體驗地址 https://loveai.tech《Python機器學習 預測分析核心算法》內容簡介　　在學習和研究機器學習的時候，面臨令人眼花繚亂的算法，機器學習新手往往會不知所措。本書從算法和Python語言實現的角度，幫助讀者認識機器學習。
  • 多倫多大學「神經網絡與機器學習導論(2018年春季)
    ▌概述機器學習是一套強大的技術，它允許計算機從數據中學習，而不是讓人類專家手工編程行為。神經網絡是一類最初受大腦啟發的機器學習算法，但最近在實際應用中取得了很多成功。本課程概述了神經網絡算法的基本思想和最新進展。本課程的前 2/3 大致集中在有監督的學習上，即訓練網絡在有大量標記的行為示例時產生特定的行為。最後 1/3 集中於無監督學習和強化學習。
  • CNN卷積特徵的可視化
    本文主要是實現了一個簡單的卷積神經網絡,並對卷積過程中的提取特徵進行了可視化.卷積神經網絡最早是為了解決圖像識別的問題,現在也用在時間序列數據和文本數據處理當中,卷積神經網絡對於數據特徵的提取不用額外進行,在對網絡的訓練的過程當中,網絡會自動提取主要的特徵.
  • 如何選擇神經網絡的超參數
    神經網絡的超參數分類  神經網路中的超參數主要包括1. 學習率 ηη，2. 正則化參數 λλ，3. 神經網絡的層數 LL，4. 每一個隱層中神經元的個數 jj，5. 學習的回合數EpochEpoch，6. 小批量數據 minibatchminibatch 的大小，7. 輸出神經元的編碼方式，8. 代價函數的選擇，9. 權重初始化的方法，10.
  • 《機器學習100天》一份超全機器學習實戰資料,初學者必備!
    、第二天的簡單線性回歸到第54天的層次聚類等，數據和代碼非常詳細，希望機器學習感興趣的讀者收藏和學習！課程列表中的第一個是黑盒機器學習。它給出了預測函數，特徵提取，學習算法，性能評估，交叉驗證，樣本偏差，非平穩性，過度擬合和超參數調整的整體觀點。
  • 下載量過百萬的吳恩達機器學習和深度學習筆記更新了!(附PDF下載)
    機器學習筆記pdf一共336頁，深度筆記pdf一共781頁，建議去網上找列印店（5分錢雙面的很多）。14.2 動機二：數據可視化14.3 主成分分析問題14.4 主成分分析算法14.5 選擇主成分的數量14.6 重建的壓縮表示14.7 主成分分析法的應用建議第9周15、        異常檢測(Anomaly Detection)15.1
  • 實體-關係信息抽取上線使用F1值87.1% (附數據集)
    43萬三元組數據、21萬中文句子及50個已定義好的schema，表1中展示了SKE數據集中包含的50個schema及對應的例子。《美團機器學習實踐》_美團算法團隊.pdf《深度學習入門：基於Python的理論與實現》高清中文PDF+源碼特徵提取與圖像處理(第二版).pdfpython就業班學習視頻，從入門到實戰項目2019最新《PyTorch
  • 資源 | 全機器學習和Python的27個速查表(完整版)
    按要求轉載自網路冷眼作者 | Robbie Allen機器學習（Machine Learning）有不少有用的流程圖和機器學習算法表
  • 教程| 初學者如何選擇合適的機器學習算法(附速查表)
    機器學習算法速查表機器學習算法速查表可幫助你從大量算法之中篩選出解決你的特定問題的算法，同時本文也將介紹如何使用該速查表。由於該速查表專門針對數據科學和機器學習的初學者，所以在探討這些算法之時，我們做了一些簡化的假設。本文中所有推薦的算法均來自於程序編譯反饋以及若干個數據科學家、機器學習專家和開發者的建議。