一圖在手，機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)科學(xué)要點都有

完全圖解人工智能、NLP、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、大數(shù)據(jù)！這份備忘單涵蓋了上述領(lǐng)域幾乎全部的知識點，并使用信息圖、腦圖等多種可視化方式呈現(xiàn)，設(shè)計精美，實用性強(qiáng)。

今天，新智元要為大家推薦一個超實用、顏值超高的神經(jīng)網(wǎng)絡(luò)+機(jī)器學(xué)習(xí)+數(shù)據(jù)科學(xué)和Python的完全圖解，文末附有高清PDF版鏈接，支持下載、打印，推薦大家可以做成鼠標(biāo)墊、桌布，或者印成手冊等隨手?jǐn)y帶，隨時翻看。

這是一份非常詳實的備忘單，涉及具體內(nèi)容包括：

神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識

神經(jīng)網(wǎng)絡(luò)圖譜

機(jī)器學(xué)習(xí)基礎(chǔ)知識

著名Python庫Scikit-Learn

Scikit-Learn算法

機(jī)器學(xué)習(xí)算法選擇指南

TensorFlow

Python基礎(chǔ)

PySpark基礎(chǔ)

Numpy基礎(chǔ)

Bokeh

Keras

Pandas

使用Pandas進(jìn)行Data Wrangling

使用dplyr和tidyr進(jìn)行Data Wrangling

SciPi

MatPlotLib

使用ggplot進(jìn)行數(shù)據(jù)可視化

Big-O

神經(jīng)網(wǎng)絡(luò)Cheat Sheet

神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識

人工神經(jīng)網(wǎng)絡(luò)（ANN），俗稱神經(jīng)網(wǎng)絡(luò)，是一種基于生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能的計算模型。 它就像一個人工神經(jīng)系統(tǒng)，用于接收，處理和傳輸計算機(jī)科學(xué)方面的信息。

基本上，神經(jīng)網(wǎng)絡(luò)中有3個不同的層：

輸入層（所有輸入都通過該層輸入模型）

隱藏層（可以有多個隱藏層用于處理從輸入層接收的輸入）

輸出層（處理后的數(shù)據(jù)在輸出層可用）

神經(jīng)網(wǎng)絡(luò)圖譜

圖形數(shù)據(jù)可以與很多學(xué)習(xí)任務(wù)一起使用，在元素之間包含很多豐富的關(guān)聯(lián)數(shù)據(jù)。例如，物理系統(tǒng)建模、預(yù)測蛋白質(zhì)界面，以及疾病分類，都需要模型從圖形輸入中學(xué)習(xí)。圖形推理模型還可用于學(xué)習(xí)非結(jié)構(gòu)性數(shù)據(jù)，如文本和圖像，以及對提取結(jié)構(gòu)的推理。

機(jī)器學(xué)習(xí)Cheat Sheet

用Emoji解釋機(jī)器學(xué)習(xí)

Scikit-Learn基礎(chǔ)

Scikit-learn是由Python第三方提供的非常強(qiáng)大的機(jī)器學(xué)習(xí)庫，它包含了從數(shù)據(jù)預(yù)處理到訓(xùn)練模型的各個方面，回歸和聚類算法，包括支持向量機(jī)，是一種簡單有效的數(shù)據(jù)挖掘和數(shù)據(jù)分析工具。在實戰(zhàn)使用scikit-learn中可以極大的節(jié)省代碼時間和代碼量。它基于NumPy，SciPy和matplotlib之上，采用BSD許可證。

Scikit-Learn算法

這張流程圖非常清晰直觀的給出了Scikit-Learn算法的使用指南。

針對Azure Machine Learning Studios的Scikit-Learn算法

被Python武裝起來的數(shù)據(jù)科學(xué)Cheat Sheet

TensorFlow

Python基礎(chǔ)

溫馨提示，本圖配合《100天從Python萌新到王者》食用，效果更佳。

PySpark RDD基礎(chǔ)

Apache Spark是專為大規(guī)模數(shù)據(jù)處理而設(shè)計的快速通用的計算引擎，通過Scala語言實現(xiàn)，擁有Hadoop MapReduce所具有的優(yōu)點，不同的是Job中間輸出結(jié)果可以保存在內(nèi)存中，從而不再需要讀寫HDFS，因此Spark能更好地適用于數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)等需要迭代的MapReduce的算法。PySpark是Spark 為 Python開發(fā)者提供的 API。

NumPy基礎(chǔ)

NumPy是Python語言的一個擴(kuò)展程序庫。支持高端大量的維度數(shù)組與矩陣運算，此外也針對數(shù)組運算提供大量的數(shù)學(xué)函數(shù)庫，前身Numeric，主要用于數(shù)組計算。它實現(xiàn)了在Python中使用向量和數(shù)學(xué)矩陣、以及許多用C語言實現(xiàn)的底層函數(shù)，并且速度得到了極大提升。

Bokeh

Bokeh是一個交互式可視化庫，面向現(xiàn)代Web瀏覽器。目標(biāo)是提供優(yōu)雅、簡潔的多功能圖形構(gòu)造，并通過非常大或流數(shù)據(jù)集的高性能交互來擴(kuò)展此功能。Bokeh可以實現(xiàn)快速輕松地創(chuàng)建交互式圖表、儀表板和數(shù)據(jù)應(yīng)用程序。

Keras

Keras 是一個用 Python 編寫的高級神經(jīng)網(wǎng)絡(luò) API，它能夠以 TensorFlow, CNTK, 或者 Theano 作為后端運行。Keras 的開發(fā)重點是支持快速的實驗。能夠以最小的時延把你的想法轉(zhuǎn)換為實驗結(jié)果，是做好研究的關(guān)鍵。

Pandas

pandas是一個為Python編程語言編寫的軟件庫，用于數(shù)據(jù)操作和分析，基于NumPy，納入了大量庫和一些標(biāo)準(zhǔn)的數(shù)據(jù)模型，提供了高效地操作大型數(shù)據(jù)集所需的工具。Pandas提供了大量快速便捷地處理數(shù)據(jù)的函數(shù)和方法。

使用Pandas進(jìn)行Data Wrangling

Data Wrangling通常被翻譯成數(shù)據(jù)整理，這個詞最開始火起來是因為2017年的電影《金剛·骷髏島》，演員馬克·埃文·杰克遜扮演的角色之一被介紹為“我們的Data Wrangler史蒂夫伍德沃德”。

使用ddyr和tidyr進(jìn)行Data Wrangling

為什么使用tidyr和dplyr呢？因為雖然R中存在許多基本數(shù)據(jù)處理功能，但都有點復(fù)雜并且缺乏一致的編碼，導(dǎo)致可讀性很差的嵌套功能以及臃腫的代碼。使用ddyr和tidyr可以獲得：

更高效的代碼

更容易記住的語法

更好的語法可讀性

Scipy線性代數(shù)

SciPy是一個開源的Python算法庫和數(shù)學(xué)工具包。 SciPy包含的模塊有最優(yōu)化、線性代數(shù)、積分、插值、特殊函數(shù)、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學(xué)與工程中常用的計算。 與其功能相類似的軟件還有MATLAB、GNU Octave和Scilab。

Matplotlib

Matplotlib是Python編程語言及其數(shù)值數(shù)學(xué)擴(kuò)展包NumPy的可視化操作界面。 它為利用通用的圖形用戶界面工具包，如Tkinter, wxPython, Qt或GTK+向應(yīng)用程序嵌入式繪圖提供了應(yīng)用程序接口（API）。

使用ggplot2進(jìn)行數(shù)據(jù)可視化

Big-O

大O符號（英語：Big O notation），又稱為漸進(jìn)符號，是用于描述函數(shù)漸近行為的數(shù)學(xué)符號。 更確切地說，它是用另一個（通常更簡單的）函數(shù)來描述一個函數(shù)數(shù)量級的漸近上界。 ... 階）的大O，最初是一個大寫希臘字母“Ο”（omicron），現(xiàn)今用的是大寫拉丁字母“O”。