Source: New Ji-won
article Et plus de ressources, proposition Collection.
Une carte à la main, toutes les connaissances que vous avez!
Entièrement intelligence artificielle schématique, la PNL, l'apprentissage machine, apprentissage en profondeur, les grandes données! Cette garantie couvre cheat feuille presque toutes les connaissances dans ces domaines, et utiliser la carte d'information, une variété de diagrammes présenté visuellement cerveau, magnifiquement conçu, pratique.
Aujourd'hui, les petites séries pour tout le monde de recommander une valeur de super couleur pratique, super haut de la machine d'apprentissage réseau de neurones + + complète la science des données graphiques et Python. La fin de la version PDF avec lien haute définition, supports télécharger, imprimer. Nous pouvons vous recommander de faire des tapis de souris, des nappes ou des manuels imprimés à portée de main pour transporter, à tout moment look.
Ceci est une feuille de triche très instructif, lié à des contenus spécifiques comprennent:
- Principes de base du réseau de neurones
Artificial Neural Network (ANN sur), communément connu sous le nom de réseaux de neurones, un modèle de calcul de réseau neuronal biologique basé sur la structure et la fonction. Il est comme un système nerveux artificiel pour recevoir, traiter et transmission de l'information et de l'informatique.
Fondamentalement, le réseau de neurones comprend trois couches différentes:
- couche d'entrée (toutes les entrées sont entrées par l'intermédiaire du modèle de couche)
- couche cachée (il peut y avoir plusieurs couches cachées de traitement reçues de la couche d'entrée)
- La couche de sortie (les données traitées sont disponibles dans la couche de sortie)
- carte du réseau de neurones
Les données graphiques peuvent être utilisés avec beaucoup de tâches d'apprentissage, y compris de nombreuses associations riches entre les éléments de données. Par exemple, une modélisation du système physique, la prédiction de l'interface de protéines, et la classification des maladies, la nécessité d'apprendre l'entrée de modèle modèle. modèle d'inférence de modèle peut également être utilisé pour étudier les données non structurées, comme des textes et des images, et la structure d'extraction du raisonnement.
- Expliquer la Emoji machine-learning
- Scikit-learn de base
Scikit-learn est une machine très puissante d'apprentissage des bibliothèques Python fournis par des tiers, qui comprend les données de tous les aspects du modèle de pré-formation, les algorithmes de régression et de regroupement, y compris le soutien des machines à vecteur, est une donnée simple et efficace l'exploitation minière et des outils d'analyse des données. En utilisation réelle scikit-learn codes peuvent grandement économiser le temps et la quantité de codes. Il est basé sur NumPy, SciPy et matplotlib, une licence BSD.
- Scikit-learn algorithme
Ce diagramme donne un guide d'utilisation très claire et intuitive scikit-learn algorithme.
- Scikit-learn algorithme pour les studios d'apprentissage Azure machine
- tensorflow
- base Python
Conseils: Ce chiffre avec « New King 100 jours à partir du bourgeonnement Python », le meilleur.
- PySpark base RDD
Spark Apache est conçu pour les données à grande échelle en cours de traitement conçus pour solveur usage général rapidement par le langage Scala avec Hadoop MapReduce a l'avantage, sauf que les résultats intermédiaires des résultats d'emploi peuvent être sauvegardés dans la mémoire, ce qui élimine la nécessité de lire et d'écrire HDFS, Spark donc mieux adapté pour l'algorithme MapReduce pour l'exploration de données et l'apprentissage de la machine itération a besoin. PySpark API Spark est offert pour les développeurs Python.
- base NumPy
NumPy est une bibliothèque d'extension langage Python. Soutenir un grand nombre d'opérations de réseau de grande dimension et de la matrice, en outre, il offre beaucoup de bibliothèque de mathématiques pour les opérations Array, auparavant numérique, principalement utilisé pour un tableau de calcul. Il permet l'utilisation des mathématiques vectorielles et matricielles en Python, ainsi que beaucoup de la fonction sous-jacente de la langue C, et la vitesse a été grandement amélioré.
- bokeh
Bokeh est une bibliothèque de visualisation interactive, pour le navigateur Web moderne. L'objectif est de fournir élégant, simple et configurations graphiques polyvalentes, et d'étendre cette fonctionnalité en très grande ou haute performance ensembles de données de transmission en continu interactif. Bokeh peut être mis en uvre pour créer des graphiques interactifs, tableaux de bord et des applications de données rapidement et facilement.
- Keras
Keras écrit en Python est une API de réseau de neurones de haut niveau, il peut fonctionner tensorflow, CNTK ou Théano comme la fin arrière. L'objectif de développement de Keras est de soutenir le test rapide. Avec un délai minimal pour convertir vos idées en résultats, il est la clé de la bonne recherche.
- pandas
pandas géants sont écrits pour la bibliothèque de logiciels de langage de programmation Python pour la manipulation et l'analyse des données, sur la base NumPy, inclus un grand nombre de bibliothèques et modèle de données standard fournit les outils nécessaires pour fonctionner efficacement de grands ensembles de données. Pandas fournit un certain nombre de fonctions et un procédé de traitement rapidement et facilement des données.
- Pandas utilisaient des données Wrangling
Les données Wrangling habituellement traduit par une réduction des données, le mot a commencé à tirer le plus depuis le 2017 film « King Kong * Skull Island », l'un des rôles de l'acteur joue Marc Evan Jackson a été présenté comme « notre Steve Wrangler données ".
- Utilisez ddyr et tidyr conduite de données Wrangling
Pourquoi tidyr et dplyr il? Bien qu'il existe autant de fonctions de traitement des données de base en R, mais un peu complexe et sont compatibles avec le manque de codage, entraînant l'imbrication de mauvaise lisibilité et le code pléthorique. Utilisez ddyr et tidyr peuvent être obtenues:
- un code plus efficace
- Plus facile de se rappeler la grammaire
- Syntaxe une meilleure lisibilité
- Scipy algèbre linéaire
SciPy est une bibliothèque Python open source d'algorithmes et outils mathématiques. Module SciPy contient les plus optimisées algèbre linéaire, l'intégration, interpolation, des fonctions spéciales, transformée rapide de Fourier, le traitement du signal et de traitement de l'image, la résolution de fréquence et d'autres calculs scientifiques et techniques couramment utilisés équations différentielles. Similaire à la fonctionnalité de son logiciel ainsi que Matlab, GNU Octave et Scilab.
- matplotlib
langage de programmation Python est Matplotlib package étendu NumPy mathématiques numériques et l'interface visuelle. Il est une interface utilisateur graphique à l'aide d'un outil de paquets communs, tels que Tkinter, wxPython, Qt GTK +, ou l'application fournit une interface (API) de programme d'application graphique intégré.
- visualisation de données en utilisant ggplot2
- Big-O
notation Big O (Anglais: notation Big O), également connu sous le symbole progressif, il est un symbole mathématique utilisé pour décrire le comportement asymptotique de la fonction. Au contraire, il est l'autre fonction (généralement plus simple) pour décrire la limite asymptotique supérieure à l'amplitude d'une fonction. Au nom de « l'ordre de ... » (...... ordre) d'un grand O, à l'origine d'une lettre grecque majuscule « » (Omicron), maintenant avec une lettre majuscule latine « O ».
Les liens de référence:
https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-science-pdf-f22dc900d2d7
Editeur: Huang Jiyan Relecture: la force Gongattention Tsinghua - données Académie des sciences de Qingdao plate-forme publique micro-canal officiel " données d'envoi THU « Sisters et n ° » Les données envoyées THU « Pour plus de conférences et de bien-être contenu de qualité.
