打包汇总资料--机器学习、Python和数学学习

机器学习保罗万象,在学习这门技术时,最好可以有一些速查手册之类的东西在手边,它们列出了需要了解的关键点。Robbie Allen整理了20多个与机器学习相关的速查资料,并分享出来,或许也可以帮助其他学习这门技术的人。

机器学习领域正发生着日新月异的变化,这些资料总有一天会过时,不过至少在目前看来,它们仍然十分有用。如果不想一个接一个地下载这些资料,可以从这里打包下载所有的资料。

机器学习

下面是机器学习算法的一些图表,非常有用。

  • 神经网络架构:http://www.asimovinstitute.org/neural-network-zoo/
  • 微软Azure算法图表:https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-sheet
  • SAS算法图表:http://blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/
  • 算法总结:http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/ http://thinkbigdata.in/best-known-machine-learning-algorithms-infographic/
  • 算法的优劣对比:https://blog.dataiku.com/machine-learning-explained-algorithms-are-your-friend

Python

网络上有很多Python相关的学习课程,下面列出最好的部分资料。

  • 算法:https://www.analyticsvidhya.com/blog/2015/09/full-cheatsheet-machine-learning-algorithms/
  • Python基础:http://datasciencefree.com/python.pdf https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics#gs.0x1rxEA
  • Numpy:https://www.dataquest.io/blog/numpy-cheat-sheet/ http://datasciencefree.com/numpy.pdf
  • https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.Nw3V6CE
  • https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/numpy/numpy.ipynb
  • Pandas:http://datasciencefree.com/pandas.pdf
  • https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.S4P4T=U
  • https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/pandas/pandas.ipynb
  • Matplotlib:https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet
  • https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/matplotlib/matplotlib.ipynb
  • Scikit Learn:https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet#gs.fZ2A1Jk http://peekaboo-vision.blogspot.de/2013/01/machine-learning-cheat-sheet-for-scikit.html https://github.com/rcompton/ml_cheat_sheet/blob/master/supervised_learning.ipynb
  • TensorFlow:https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynb
  • PyTorch:https://github.com/bfortuner/pytorch-cheatsheet

数学

如果要学习机器学习,需要了解统计学、线性代数和微积分。以下的资料可以帮助你很好地了解机器学习背后的数学。

  • 概率学:http://www.wzchen.com/s/probability_cheatsheet.pdf
  • 线性代数:https://minireference.com/static/tutorials/linear_algebra_in_4_pages.pdf
  • 统计学:http://web.mit.edu/~csvoss/Public/usabo/stats_handout.pdf
  • 微积分:http://tutorial.math.lamar.edu/getfile.aspx?file=B,41,N

原文发布于微信公众号 - 机器人网(robot_globalsources)

原文发表时间:2017-10-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏专知

【AAAI2018】预测你的下一步-动态网络节点表示学习,浙江大学和南加州大学团队工作,代码已开源

【导读】以往的网络表示学习模型只会为固定的网络节点学习表示向量,而实际上,网络节点会根据时间的变化通过节点间的交互呈现出不同的网络结构特性。浙江大学和南加州大学...

4458
来自专栏云时之间

如何加速我们的神经网络?

各位老哥们大家好,双击喜欢666。今天我们来聊一聊本萌新最新学习的一些知识。让我们一起来想一下怎么样来加速我们的神经网络的训练过程。 通常我们知道,越复杂的神...

4106
来自专栏专知

基于TensorFlow的机器学习速成课程25讲视频全集(19-20讲)

1892
来自专栏牛客网

机器学习算法面筋

蛮感谢牛客网的,拿到了些二线互联网的算法offer,待遇达到了牛客网起薪水平,哈哈,不过看到身边不少是一线互联网sp,打算蛰伏,等待机会,打个翻身战。在多说一句...

3713
来自专栏数据派THU

资源 | 25个深度学习开源数据集,have fun !

2445
来自专栏Albert陈凯

机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)

机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1) 注:机器学习资料篇目一共500条,篇目二开始更新...

4298
来自专栏SIGAI学习与实践平台

理解计算:从√2到AlphaGo ——第1季 从√2谈起

计算的概念看似简单却又十分宽泛,它实际上是计算机学科永远不变的核心内容,就算现在所谓的人工智能,在我看来也不过是一种计算或计算结果的应用。本文将从简单的例子出发...

1033
来自专栏AI研习社

数据分析秘籍在这里:Kaggle 六大比赛最全面解析(上)

AI 研习社按,Kaggle 上有各式各样的数据挖掘类比赛,很多参赛者也乐于分享自己的经验,从他人的经验中进行总结归纳,对自己的实践也非常重要。

1383
来自专栏华章科技

人人都会用到的数据可视化之常用图表类型

图表是”数据可视化”的常用手段,其中又以基本图表——柱状图、折线图、饼图等等最为常用。

973
来自专栏小樱的经验随笔

【资料分享】500篇干货解读人工智能新时代

500篇干货解读人工智能新时代 本文主要目的是为了分享一些机器学习以及深度学习的资料供大家参考学习,整理了大约500份国内外优秀的材料文章,打破一些学习人工智能...

4314

扫码关注云+社区

领取腾讯云代金券