人工智慧、深度學習、神經網路速查表

今天在看網站時看到了一個比較老的資源

神經網路

神經網路備忘單

神經網路圖

神經網路圖形備忘錄

神經網路公式

神經網路公式備忘單

機器學習概述

機器學習備忘單

機器學習：Scikit學習演算法

這個機器學習備忘單將幫助您找到最難的部分的工作正確的估算。該流程圖將幫助您檢查每個估算器的文件和粗略指南，這將有助於您更多地瞭解問題以及如何解決問題。

機器學習備忘單

Scikit-學習

Scikit-learn （以前的scikits。learn ）是Python程式語言的免費機器學習庫。它具有各種分類，迴歸和聚類演算法，包括支援向量機，隨機森林，梯度提升， k-均值和DBSCAN ，並且設計為與Python數字和科學庫NumPy和SciPy互操作。

Scikit-Learn Cheat Sheet

機器學習：演算法乳膠片

這款來自Microsoft Azure的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演算法。首先，備忘單會詢問您有關資料的性質，然後為該作業提供最佳演算法。

機器學習演算法CHEAT SHEET

用於資料科學的Python

Python資料科學備忘單

大資料

大資料備忘單

TensorFlow

2017年5月，Google宣佈了第二代TPU以及Google Compute Engine中 TPU的可用性。［12］第二代TPU提供高達180 teraflops的效能，並且當組織成64個TPU的叢集時，可提供高達11。5 petaflops。

TesorFlow備忘單

Keras

2017年，Google的TensorFlow團隊決定在TensorFlow的核心庫中支援Keras。 Chollet解釋說Keras被認為是一個介面而不是一個端到端的機器學習框架。它提供了一個更高階，更直觀的抽象集，可以輕鬆配置神經網路，而不管後端科學計算庫如何。

Keras備忘單

NumPy

NumPy的目標是Python的CPython參考實現，它是一個非最佳化的位元組碼直譯器。為這個版本的Python編寫的數學演算法通常執行得比編譯後的版本慢得多。 NumPy解決緩慢問題的部分原因是提供了多維陣列和函式以及在陣列上高效執行的運算子，需要重寫一些程式碼，主要是使用NumPy的內部迴圈。

Numpy Cheat Sheet

Pandas

“Pandas”這個名字來源於“ panel data

”一詞，它是多維結構化資料集的計量經濟學術語。

Pandas Cheat Sheet

Data Wrangling

“data wrangler”一詞開始滲透流行文化。在2017年的電影“ Kong Sk：骷髏島”中，演員馬克埃文傑克遜扮演的角色之一被介紹為“我們的資料糾纏者（data wrangler）史蒂夫伍德沃德”。

資料Wrangling備忘單

Pandas Data Wrangling Cheat Sheet

資料與dplyr和tidyr糾纏在一起

Data Wrangling with dplyr and tidyr Cheat Sheet

SciPy

SciPy構建在NumPy陣列物件上，是NumPy棧的一部分，其中包括Matplotlib ， pandas和SymPy等工具以及一套擴充套件的科學計算庫。這個NumPy棧與其他應用程式（如MATLAB ， GNU Octave和Scilab）具有相似的使用者。 NumPy堆疊有時也被稱為SciPy堆疊。［3］

Scipy備忘錄

Matplotlib

matplotlib是Python程式語言及其數值數學擴充套件NumPy的繪圖庫。它提供了一個面向物件的 API，用於將圖表嵌入到使用Tkinter ， wxPython ， Qt或GTK +等通用GUI工具包的應用程式中。還有一個基於狀態機（如OpenGL ）的程式性 “pylab”介面，其設計與MATLAB非常相似，儘管它的使用不受歡迎。［2］ SciPy使用matplotlib。

pyplot是一個matplotlib模組，它提供了一個類似於MATLAB的介面。［6］ matplotlib被設計為與MATLAB一樣可用，並具有使用Python的能力，其優點是免費。