【AI速查表】神经网络、机器学习、深度学习与数据科学一览

1. 神经网络

2. 神经网络结构

3. 神经网络公式

4. 机器学习：概览

5. 机器学习：Scikit-learn算法

Scikit-learn是基于Python的功能强大的开源科学计算工具包，内含分类、回归、聚类、支持向量机、随机森林与Gradient Boosting等算法。

6. 机器学习：算法概览

7. Python数据科学

8. 大数据

9. TensorFlow

2017 年 5 月，谷歌宣布了第二代 TPU ，并在Google Compute Engine中加入了对 TPU 的支持。第二代 TPU 有高达 180 万亿次浮点运算性能。当 64 块TPU 组合使用时，可提供高达 11.5 千万亿次浮点运算的性能。

10. Keras

2017 年，TensorFlow核心库加入了对 Keras 的支持。Keras作者Chollet表示Keras更适合作端口使用，而非端对端的机器学习框架，它提供了更高级更直观的抽象集合，可轻松配置神经网络，无需考虑后端科学计算库。

11. NumPy

NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多。

12. Pandas：Python结构化数据分析利器

13. Data Wrangling

14. Data Wrangling with dplyr and tidyr

15. SciPy

基于 NumPy 数组对象构建，是 NumPy 堆栈的一部分，包含 Matplotlib，pandas 和 SymPy 等工具，以及一个科学计算库的扩展集。

16. Matplotlib

Matplotlib是Python中常用的可视化工具之一，便于创建海量类型2D图表和一些基本的3D图表。

17. 数据可视化

18. PySpark

19. Big-O

原文地址： https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-678c51b4b46

∞∞∞∞∞