资源 | AI、神经网络、机器学习、深度学习以及大数据学习备忘单
2017-10-11 13:41
851 查看
神经网络
Neural Networks Cheat Sheet
神经网络图谱
Neural Networks Graphs Cheat Sheet
Neural Network Cheat Sheet
机器学习概览
Machine Learning Cheat Sheet
机器学习:Scikit-learn算法
Machine Learning Cheat Sheet
Scikit-learn
开源的,功能强大的基于Python的科学计算工具包,包含大量的分类、回归与聚类算法,支持向量机、随机森林以及Gradient Boosting等。
Scikit-Learn Cheat Sheet
微软 Azure 算法流程帮你基于数据性质选择合适的算法
MACHINE LEARNING ALGORITHM CHEAT SHEET
Python for Data Science
Python Data Science Cheat Sheet
Big Data Cheat Sheet
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。
TesorFlow Cheat Sheet
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。
Keras Cheat Sheet
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。
Numpy Cheat Sheet
Pandas:Python中的结构化数据分析利器
Pandas Cheat Sheet
Data Wrangling
Data Wrangling Cheat Sheet
Pandas Data Wrangling Cheat Sheet
Data Wrangling with dplyr and tidyr Cheat Sheet
Data Wrangling with dplyr and tidyr Cheat Sheet
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。
Scipy Cheat Sheet
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。
Matplotlib Cheat Sheet
数据可视化
Data Visualization Cheat Sheet
ggplot cheat sheet
Pyspark Cheat Sheet
Big-O
Big-O Algorithm Cheat Sheet
Big-O Algorithm Complexity Chart
BIG-O Algorithm Data Structure Operations
Big-O Array Sorting Algorithms
Neural Networks Cheat Sheet
神经网络图谱
Neural Networks Graphs Cheat Sheet
Neural Network Cheat Sheet
机器学习概览
Machine Learning Cheat Sheet
机器学习:Scikit-learn算法
Machine Learning Cheat Sheet
Scikit-learn
开源的,功能强大的基于Python的科学计算工具包,包含大量的分类、回归与聚类算法,支持向量机、随机森林以及Gradient Boosting等。
Scikit-Learn Cheat Sheet
微软 Azure 算法流程帮你基于数据性质选择合适的算法
MACHINE LEARNING ALGORITHM CHEAT SHEET
Python for Data Science
Python Data Science Cheat Sheet
Big Data Cheat Sheet
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。
TesorFlow Cheat Sheet
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。
Keras Cheat Sheet
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。
Numpy Cheat Sheet
Pandas:Python中的结构化数据分析利器
Pandas Cheat Sheet
Data Wrangling
Data Wrangling Cheat Sheet
Pandas Data Wrangling Cheat Sheet
Data Wrangling with dplyr and tidyr
Data Wrangling with dplyr and tidyr Cheat Sheet
Data Wrangling with dplyr and tidyr Cheat Sheet
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。
Scipy Cheat Sheet
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。
Matplotlib Cheat Sheet
数据可视化
Data Visualization Cheat Sheet
ggplot cheat sheet
PySpark
Pyspark Cheat Sheet
Big-O
Big-O Algorithm Cheat Sheet
Big-O Algorithm Complexity Chart
BIG-O Algorithm Data Structure Operations
Big-O Array Sorting Algorithms
相关文章推荐
- 资源 | AI、神经网络、机器学习、深度学习以及大数据学习备忘单
- AI、机器学习、深度学习、神经网络
- AI(1)认知 人工智能、机器学习、神经网络、深度学习。
- 【AI速查表】神经网络、机器学习、深度学习与数据科学一览
- 机器学习:在Android中集成TensorFlow (深度学习,AI,人工智能,DL,ML,神经网络)
- 机器学习——神经网络、深度学习 知识点总结 及 面试题汇总
- DeepLearning.ai学习笔记(二)改善深层神经网络:超参数调试、正则化以及优化--week3 超参数调试、Batch正则化和程序框架
- 机器学习——神经网络、深度学习 知识点总结 及 面试题汇总
- [action] deep learning 深度学习 tensorflow 实战(2) 实现简单神经网络以及随机梯度下降算法S.G.D
- 数据分析、数据挖掘、机器学习、神经网络、深度学习和人工智能概念区别(入门级别)
- 谷歌新 AI 实验室主管 Hugo 深度学习教程:神经网络、CV、NLP 难点解析
- 人工智能、机器学习、深度学习、神经网络
- DeepLearning.ai学习笔记(二)改善深层神经网络:超参数调试、正则化以及优化--Week2优化算法
- DAY7: 神经网络及深度学习基础--算法的优化(deeplearning.ai)
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(1-2)-- 神经网络基础
- [DeeplearningAI笔记]改善深层神经网络_深度学习的实用层面1.9_归一化normalization
- [DeeplearningAI笔记]神经网络与深度学习3.2_3.11(激活函数)浅层神经网络
- 吴恩达-深度学习笔记《改善深层神经网络:超参数调试、正则化以及优化》
- [DeeplearningAI笔记]神经网络与深度学习4.深度神经网络
- Deep Learning(深度学习)之(十)神经网络在机器学习分类任务中的应用