神经网络
Scikit-learn
Microsoft Azure机器学习
Python for Data Science
TensorFlow
Keras
NumPy
Pandas
Data Wrangling
Scipy
Matplotlib
Data Visualization
PySpark
Big-O
神经网络清单
神经网络图清单
神经网络清单
该流程图将帮助您查看每个估算器的文档和粗略指南,以帮助您了解有关问题的更多信息以及解决方法。
Scikit-learn(以前称为scikits.learn)是一个用于Python编程语言的免费软件机器学习库。它有各种分类、回归和聚类算法,包括支持向量机、随机森林、梯度增强、k -means和DBSCAN,旨在与Python数值、科学库NumPy和SciPy能互操作。
Microsoft Azure的这款机器学习备忘单将帮助您为预测分析解决方案选择合适的机器学习算法。首先,备忘单将询问您数据的性质,然后为该作业建议最佳算法。
Python数据科学备忘单
大数据备忘单
2017年5月,Google发布了第二代TPU,以及Google Compute Engine中 TPU的可用性。第二代TPU可提供高达180 teraflops的性能,当组织成64个TPU的簇时,可提供高达11.5 petaflops的性能。
2017年,Google的TensorFlow团队决定在TensorFlow的核心库中支持Keras。Chollet解释说,Keras被认为是一个界面,而不是端到端的机器学习框架。它提供了更高级别,更直观的抽象集,无论后端科学计算库如何,都可以轻松配置神经网络。
NumPy的目标是Python 的CPython参考实现,它是一个非优化的字节码解释器。为此版本的Python编写的数学算法通常比编译的等效算法慢得多。NumPy通过提供多维数组以及在数组上高效运行的函数和运算符来解决缓慢问题,需要重写一些代码,主要是使用NumPy的内部循环。
“Pandas”这个名称来自术语“ 面板数据 ”,这是一个多维结构化数据集的计量经济学术语。
SciPy构建于NumPy数组对象之上,包括Matplotlib/pandas和SymPy等工具,以及一组不断扩展的科学计算库。这个NumPy具有与其他应用程序类似的用户,例如MATLAB、GNU Octave和Scilab。
matplotlib提供了一个面向对象的 API,用于使用通用GUI工具包(如Tkinter、wxPython、Qt或GTK +)将绘图嵌入到应用程序中。
数据可视化备忘单
ggplot备忘单
Big-O算法备忘单
Big-O算法复杂度图
BIG-O算法数据结构操作
Big-O阵列排序算法
信息来源:https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-678c51b4b463