专栏首页企鹅号快讯AI、神经网络、机器学习、深度学习和大数据的核心知识备忘录分享

AI、神经网络、机器学习、深度学习和大数据的核心知识备忘录分享

来源:深度学习与NLP

在过去的几个月里,我一直在收集AI相关知识,并整理成易于记忆的备忘录。在这期间,我也和我的朋友、同事分享这些备忘录,都反映不错,所以我决定把这些知识组织一下,并分享出来。包括神经网络结构、机器学习、神经网络图结构、Tensorflow基本概念、Pandas、Numpy、Python、Scikit - Learn、Scipy等核心知识。

1、神经网络结构整理

神经网络结构备忘录

2、神经网络图整理

神经网络图整备忘录

神经网络图整备忘录

神经网络图整备忘录

3、机器学习概述

机器学习概念备忘录

4、机器学习库:Scikit-learn 算法

该机器学习概念备忘录可以帮助我们找到需要解决的机器学习问题最难的部分。该流程图将帮助我们,更深入地了解问题以及寻找如何解决问题。

Scikit-learn算法备忘录

5、Scikit-learn库

Scikit-learn(以前称为scikits.learn)是用Python编写的免费软件机器学习库。它包括各种分类,回归和聚类算法,包括支持向量机,随机森林,梯度上升,k-mean和DBSCAN,并且被设计为可以与Python数字和科学库NumPy和SciPy进行交互操作。

Scikit-learn备忘录

6、机器学习:算法概念备忘录

来自Microsoft Azure,此机器学习备忘录可以帮助我们选择适当的机器学习算法去解决预测分析问题。首先,需要了解的数据本质,然后找到最适合解决该问题的算法。

机器学习算法备忘录

7、数据科学Python

Python数据科学备忘录

大数据备忘录

8、TensorFlow

2017年5月,Google宣布推出第二代TPU,同时TPU可以在Google Compute Engine中使用。第二代TPU可以提供高达180 teraflops的性能,当组织成64个TPU的构成集群时,可以提供高达11.5 petaflops的性能。

TesorFlow备忘录

9、Keras

在2017年,Google的TensorFlow团队决定在TensorFlow的核心库中支持Keras。Chollet解释说,Keras被认为是一个接口,而不是一个端到端的机器学习框架。它提供了更高级别,更直观的抽象集合,使得无论后端科学计算库是什么,都可以轻松配置神经网络。

keras备忘录

10、NumPy

NumPy是针对Python的CPython为参考实现的,Python是一个非优化的字节码解释器。使用Python编写的数学算法的运行速度要比编译的生成的数学算法的运行效运算慢很多。NumPy通过提供多维数组、函数、运算符来解决python的低效问题,需要重写一些代码,主要是使用NumPy的内部循环。

Numpy备忘录

11、Pandas

“Pandas”这个名称来源于“panel data”一词,一个用于多维结构化数据集的计量经济学术语。

Pandas备忘录

12、Data Wrangling

Data Wrangling是一款比较好的数据清洗软件。

Pandas Data Wrangling备忘录

13、Data Wrangling与dplyr和tidyr结合

Data Wrangling 与dplyr和tidyr结合备忘录

Data Wrangling 与dplyr和tidyr结合备忘录

13、SciPy

SciPy是建立在NumPy数组对象基础上,是NumPy工具集的一部分,这一工具集还包括Matplotlib,pandas和SymPy等工具,以及扩展的科学计算库集。该NumPy工具集与其他应用程序(如MATLAB,GNU Octave和Scilab)具有类似的用户。NumPy工具集有时也被称为SciPy工具集。

Scipy备忘录

14、Matplotlib

matplotlib是一个用于Python和Numpy的绘图库。matplotlib提供了一个面向对象的API,用于嵌入到一些通用的GUI工具包中使用,如Tkinter、wxPython、QT、GTK +。还有一个基于状态机(如OpenGL)的程序“pylab”接口,设计成与MATLAB非常相似,但并不鼓励使用它。SciPy中使用matplotlib。

pyplot是一个matplotlib模块,它提供了一个类似MATLAB的界面。matplotlib被设计为与MATLAB类似,可以使用Python,最大优势是免费。

Matplotlib备忘录

15、数据可视化

数据可视化备忘录

ggplot备忘录

16、PySpark

Pyspark备忘录

本文来自企鹅号 - 互联网新技术新应用动态媒体

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Google机器学习笔记(七)TF.Learn 手写文字识别

    mnist问题 计算机视觉领域的Hello world 给定55000个图片,处理成28*28的二维矩阵,矩阵中每个值表示一个像素点的灰度,作为feature...

    梦里茶
  • TensorFlow 深度学习笔记 Logistic Classification

    Logistic Classification Github工程地址:https://github.com/ahangchen/GDLnotes 欢迎sta...

    梦里茶
  • Google机器学习教程心得(一)

    Supervised learning 原本我们是教会机器我们的规则,由机器执行规则进行分类,识别。 但规则总有漏洞,我们总能举出规则的反例。 我们不能为每种反...

    梦里茶
  • Google机器学习教程心得(二)决策树与可视化

    Visualizing a Decision Tree Google Machine Learning Recipes 2 官方中文博客 http://ch...

    梦里茶
  • Google机器学习笔记 4-5-6 分类器

    Recipes 4 Let’s Write a Pipeline 复习与强化概念 监督学习基础套路 例子: 一个用于举报邮件的分类器 关键在于举报新的邮件 ...

    梦里茶
  • Google机器学习教程心得(三) 好的feature

    什么造就好的Feature 这里举了一个对两种狗狗做分类的问题介绍好的Feature应有的特性 简化问题 好的feature能有力地说明两个类别的不同 ...

    梦里茶
  • 【机器学习实战】第6章 支持向量机

    第6章 支持向量机 <script type="text/javascript" src="http://cdn.mathjax.org/mathjax/la...

    片刻
  • TensorFlow 深度学习笔记 Stochastic Optimization

    Stochastic Optimization 转载请注明作者:梦里风林 Github工程地址:https://github.com/ahangchen/G...

    梦里茶
  • CNCC2017中的深度学习与跨媒体智能

    转载请注明作者:梦里茶 目录 机器学习与跨媒体智能 传统方法与深度学习 图像分割 小数据集下的深度学习 语音前沿技术 生成模型 基于贝叶斯的视觉信息编解码 ...

    梦里茶
  • 基于神经网络动力学模型的强化学习

    选文|丁建峰翻译| 张一 许峰 金明 校对| 李韩超 编辑| 李韩超 素材来源:robohub & BAIR 泡泡机器人推广内容组编译作品 01 让机器人...

    企鹅号小编

扫码关注云+社区

领取腾讯云代金券