来源 | https://www.jianshu.com/u/be48b04ecc3e
作者在 Github 上建立了一个代码速查表，对机器学习初学者来说是不可多得的一个资源。机器之心将文章中的高清图片下载到了百度网盘，读者可从中浏览，也可以点击项目地址或文后的原文地址查阅。
作者在 Github 上建立了一个代码速查表，对机器学习初学者来说是不可多得的一个资源。文章中的高清图片附加百度网盘，读者可从中浏览，也可以点击项目地址或文后的原文地址查阅。 对于初学者来讲，入门机器学习和深度学习非常困难；同时深度学习库也难以理解。通过收集多方资源，我在 Github 上创建了一个速查表库，希望能对你有所帮助。欢迎访问这个库，并完善它（如果你也有速查表）。 链接: http://pan.baidu.com/s/1o8ymXcu 密码: tkpe 项目地址：https://github.co
本文介绍了深度学习、大数据和机器学习的技术原理、相关库和工具，以及其在实际应用中的优势和挑战。
关于Python、R和Numpy、Scipy以及Pandas的速查表 有了这些和R语言、python、Django、MySQL、SQL、Hadoop、Apache Spark以及机器学习算法相关的速查表，会让你对数据科学和数据挖掘的概念及相关命令得心应手，并加快开发速度。 在数据科学界，有着成千上万的软件包和成百上千的函数！一个激情澎拜的数据爱好者没有必要掌握所有的。这里会包含大多数重要的软件包和函数，能够让你在紧凑的几页中集思广益并吸收知识。 精通数据科学需要掌握统计学、数学、编程知识，特别是R语言、
这个速查表可以帮助你为你的任务找到合适的estimator，这个是工作中最困难的地方。流向图帮助你查找文档，estimator也能大致的帮助你更加好的理解你的问题，以及如何解决问题。
选自medium 作者：Kailash Ahirwar 机器之心编译 参与：黄小天 作者在 Github 上建立了一个代码速查表，对机器学习初学者来说是不可多得的一个资源。机器之心将文章中的高清图片下载到了百度网盘，读者可从中浏览，也可以点击项目地址或文后的原文地址查阅。 对于初学者来讲，入门机器学习和深度学习非常困难；同时深度学习库也难以理解。通过收集多方资源，我在 Github 上创建了一个速查表库，希望能对你有所帮助。欢迎访问这个库，并完善它（如果你也有速查表）。 网盘地址：https://pan.b
导读：本文是根据 Stefan Kojouharov 发表在 Medium 上的文章整理而成的一份人工智能、神经网络、机器学习、深度学习和大数据方面的速查表。为了便于查找与使用，本文对每个主题进行了分类，希望可以对各位的工作有所帮助。
Python 作为当下最大众化的编程语言，相信每天都会有大量的新手朋友进入学习大军的行列。但是无论一门语言是多么的容易学习，其基本概念、基础知识还是比较多的，对于小白来说，一时间要掌握这么多还是有些吃力。今天精选收集了众多 Python 相关的知识速查表，可以说是包罗万象，以后妈妈再也不用担心大家记不住任何知识点了！
选自Github等 机器之心编译 参与：蒋思源 机器之心此前曾提供过机器学习和深度学习最好的九张代码速查表，不过近日又有博主发表了一次完全的速查表。虽然有一些和以前是重复的，但还是增加了一些新的速查表。本文前一部分主要重点描述新添加的速查表，后一部分再为读者提供一些以前的速查表资源。这些速查表暂时是保持英文的，因为后面一些不熟悉的库和函数我们可能编译不太精确。所以如果读者有较多需求，机器之心会考虑在 Github 中汉化这些概念和库函数速查表。文末提供了所有速查表的百度云下载地址。 首先第一张图描述了机器学
在数据科学领域有成千上万的包和数以百计的函数公式，你虽然不需要掌握所有的这些知识，但是有一些速查表在你的学习中是非常重要的。学习大数据包括对统计学、数学、编程知识（尤其是R、python、SQL）等知识的理解，还需要理解业务来驱动决策。这些表单也许能给你一些帮助。 Python的速查表 Python在初学者中非常受欢迎，同样足以支持那些最受欢迎的产品和应用程序，它的设计让你在编程的时候感觉同用英语写作一样自然，Python basics 或者Python Debugger的速查表覆盖了重要的语法。 Pyth
过去的几个月中，我都在收集AI速查表。我时不时的分享给同学和朋友，他们经常问我要。所以我决定整理一下，发出来。为了让这件事情更加有趣，我对每个主题加了点描述。
AI 研习社按：这是 Karlijn Willems 发布于 Medium 的一篇关于 Python 中数据导入问题的博客。Karlijn Willems 是来自于 DataCamp 的数据科学研究员。她在本文中介绍一份 Python 中数据导入操作的速查表，雷锋网(公众号：雷锋网) AI 科技评论对原文进行了编译。 借助这个 Python 速查表，你将拥有一份便捷的数据导入参考指南。该速查表全面涵盖了平面文件（Flat files）、其它软件所定义的原生文件类型以及关系型数据库数据的导入方法。 在你对数据
来源：网路冷眼 作者：Hanson 本文长度为680字，建议阅读5分钟 本文为你分享有关机器学习、Python和相关数学知识的速查表大全。 机器学习有很多方面。 当我开始刷新这个主题时，我遇到了各种“速查表”，这里仅列出了需要知道的给定主题的所有要点。 最后，我收集了与机器学习相关的速查表。有些我经常参考，并且认为其他人也可能从中受益。因此， 这篇文章把我从网上发现的很好的27个速查表分享出来，以供大家参考。 后台回复关键词“速查表”下载27个速查表。 机器学习（Machine Learning） 有不
这段时间代码写的少了，周末用python写一个小爬虫，却发现连线程的一些方法都不记得了，还得百度查教程。工作越忙，记性越差，发现我疏远了代码，代码也疏远了我。
今天推荐三份知识点的速查表，分别是机器学习、深度学习和 Python 三方面的知识点速查表。其中前两份都是来自斯坦福大学的课程，分别是 CS229 机器学习 和 CS230 深度学习课程。
Kailash Ahirwar，Mate Lab 联合创始人，Github的一位资深作者，也是一位活雷锋，近日在其Github个人主页上发表了一个机器学习/深度学习的代码速查表，包括： Keras Numpy Scipy Pandas Scikit-learn Matplotlib 五大工具库常用代码，以及 Neural Networks Zoo——27种神经网络图概览。 可以说极大方便了学习者的代码查找。 附上网址：https://github.com/kailashahirwar/cheatsheet
原文地址：How to Learn Python for Data Science the Right Way
随着深度学习的蓬勃发展，越来越多的小伙伴们开始使用python作为主打代码，python有着种类繁多的第三方库，这里为大家从网络上收集了一些代码速查表，包括深度神经网络、机器学习、数据可视化、python基础、科学计算等等，希望可以帮你在码代码时提速。
教程地址：http://www.showmeai.tech/tutorials/33
机器学习涉及到的方面非常多。当我开始准备复习这些内容的时候，我找到了许多不同的”速查表”, 这些速查表针对某一主题都罗列出了所有我需要知道的知识重点。最终我编译了超过 20 份机器学习相关的速查表，其中一些是我经常用到的而且我相信其他人也会从中受益。本文整理了我在网络上找到的 27 个速查表，我认为比较好。如果我有遗漏，欢迎补充。
这次一个名为 Data-Science--Cheat-Sheet 的项目突然蹿到了第三名。
我们应该都学过三角函数吧，比如正弦函数，在最初接触到这方面的知识的时候，我们要求sin30°是不是要去查一个叫做“三角函数值查表”的东西，然后得出sin30° = 0.5。
Python 被称为万能胶水语言，适用性强，能轻松实现很多数据科学应用，还能使数据分析工作自动化。
今天给大家分享一份关于数据分析、机器学习、深度学习、可视化的速查表，帮助你快速了解Python在数据科学领域的强大应用。
你能很轻松的从上面找到具体某项技术的快捷命令与基础语法，用上之后，相信能大幅提升开发效率。
大家好，今天给大家重磅推荐我的好朋友J哥的公众号——「菜J学Python」，J哥经常在公众号分享有趣的Python实战项目，而且基本都附代码和数据。废话不多说，大家先点击以下卡片关注一波： 点击关注菜J学Python J哥是985金融硕士毕业的，目前已在菜J学Python公众号发布100多篇原创技术文章，涵盖爬虫、数据分析、数据可视化、自动化办公等内容，几乎每篇文章都有源码和数据分享。文章非常受编程学习者的欢迎，不少文章被各大平台转载。 以下是J哥的部分原创文章，大家一起来看看： 01 基础篇 （一）Py
盘点2017年优质文章，并给出传送链接，方便大家取阅回顾。文末有福利~！ 1、Python & R 代码对照速查表 文中将常用机器学习算法的Python和R代码对照整理成一个表，方便查找和对比学习 Python & R 代码 对照速查表 2、文本系列 余弦相似度思想 词频与余弦相似度 TF-IDF 常用距离/相似度 一览 哈希函数的套路 3、什么是 TPU TPU 是专门用来做机器学习的处理器，全称Tensor Processing Unit 张量处理器，与CPU和GPU有什么区别？ 懂点硬件 | Al
工欲善其事，必先利其器。在机器学习、深度学习研究中，优秀的参考资料和手册往往能够助我们事半功倍！今天给大家推荐一个在 GitHub 上非常受欢迎的项目：cheatsheets-ai，涉及 AI 领域完整的速查表。目前，该项目已收获近 1.1 w 的 stars 了。下面是项目地址：
“小抄”一词大家应该不会陌生，它有个学名叫做“速查表”（cheatsheet）是用来快速找到你知识点和答案的表格，因为其有体积小、不易察觉等特点，频繁出现在考场和演讲中...
晚上汇总了Python与数值运算相关的基本操作，完成如下一个速查表，总第6个速查表：
我们中的许多人经常查看 man 页面 来了解命令开关（选项），它会显示有关命令语法、说明、细节和可用的选项，但它没有任何实际的例子。因此，在组合成一个我们需要的完整命令时会遇到一些麻烦。 -- Magesh Maruthamuthu 本文导航 ◈ Cheat 是什么 10% ◈ 如何安装 Cheat 16% ◈ 如何使用 Cheat 62% 编译自 | https://www.2daygeek.com/cheat-a-collection-of-practical-linux-command-examp
随着深度学习的蓬勃发展，越来越多的小伙伴们开始使用python作为主打代码，python有着种类繁多的第三方库，这里为大家从网络上收集了一些代码速查表，希望可以帮你在码代码时提速。
Jupyter Notebook是编写和迭代Python代码进行数据分析的强大方式。Jupyter Notebook基于IPython构建，内核运行计算并与Jupyter Notebook前端接口通信。这张Jupyter Notebook速查表将帮助你找到著名的笔记本应用程序，这是Jupyter项目的一个子项目。
教程地址：http://www.showmeai.tech/tutorials/56
在拿破仑？希尔的名著《思考与致富》中讲述了达比的故事：达比经过几年的时间快要挖掘到了金矿，却在离它三英尺的地方离开了！ 现在，我不知道这个故事是否真实。但是，我肯定在我的周围有一些跟达比一样的人，这些人认为，不管遇到什么问题， 机器学习的目的就是执行以及使用2 – 3组算法。他们不去尝试更好的算法和技术，因为他们觉得太困难或耗费时间。 像达比一样，他们无疑是在到达最后一步的时候突然消失了！最后，他们放弃机器学习，说计算量非常大、非常困难或者认为自己的模型已经到达优化的临界点——真的是这样吗？ 下面这些速查表
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
云直播
