资源 | AI、神经网络、机器学习、深度学习以及大数据学习备忘单

神经网络

Neural Networks Cheat Sheet

神经网络图谱

Neural Networks Graphs Cheat Sheet

Neural Network Cheat Sheet

机器学习概览

Machine Learning Cheat Sheet

机器学习：Scikit-learn算法

Machine Learning Cheat Sheet

Scikit-learn

开源的，功能强大的基于Python的科学计算工具包，包含大量的分类、回归与聚类算法，支持向量机、随机森林以及Gradient Boosting等。

Scikit-Learn Cheat Sheet

微软 Azure 算法流程帮你基于数据性质选择合适的算法

MACHINE LEARNING ALGORITHM CHEAT SHEET

Python for Data Science

Python Data Science Cheat Sheet

Big Data Cheat Sheet

TensorFlow

 2017 年 5 月，谷歌宣布了第二代 TPU ，并在Google Compute Engine中加入了对 TPU 的支持。第二代 TPU 有高达 180 万亿次浮点运算性能。当 64 块TPU 组合使用时，可提供高达 11.5 千万亿次浮点运算的性能。

TesorFlow Cheat Sheet

Keras

2017 年，TensorFlow核心库加入了对 Keras 的支持。Keras作者Chollet表示Keras更适合作端口使用，而非端对端的机器学习框架，它提供了更高级更直观的抽象集合，可轻松配置神经网络，无需考虑后端科学计算库。

Keras Cheat Sheet

NumPy

NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多。

Numpy Cheat Sheet

Pandas：Python中的结构化数据分析利器

Pandas Cheat Sheet

Data Wrangling

Data Wrangling Cheat Sheet

Pandas Data Wrangling Cheat Sheet

Data Wrangling with dplyr and tidyr

Data Wrangling with dplyr and tidyr Cheat Sheet

Data Wrangling with dplyr and tidyr Cheat Sheet

SciPy

基于 NumPy 数组对象构建，是 NumPy 堆栈的一部分，包含 Matplotlib，pandas 和 SymPy 等工具，以及一个科学计算库的扩展集。

Scipy Cheat Sheet

Matplotlib

Matplotlib是Python中常用的可视化工具之一，便于创建海量类型2D图表和一些基本的3D图表。

Matplotlib Cheat Sheet

数据可视化

Data Visualization Cheat Sheet

ggplot cheat sheet

PySpark

Pyspark Cheat Sheet

Big-O

Big-O Algorithm Cheat Sheet

Big-O Algorithm Complexity Chart

BIG-O Algorithm Data Structure Operations

Big-O Array Sorting Algorithms