确定不收藏?十张机器学习和深度学习工程师必备速查表!

简介: 本文讲的是十张机器学习和深度学习工程师必备速查表,<对于初学者,机器学习和深度学习课程会很困难,此外各类深度学习库也十分难理解。我在Github上创建了一个本地库(https://github.com/kailashahirwar/cheatsheets-ai ),里面包含了从不同渠道收集的速查表,可以直接下载。


image


本文讲的是十张机器学习和深度学习工程师必备速查表,对于初学者,机器学习和深度学习课程会很困难,此外各类深度学习库也十分难理解。我在Github上创建了一个本地库(https://github.com/kailashahirwar/cheatsheets-ai ),里面包含了从不同渠道收集的速查表,可以直接下载。尽管拿去用吧,同时欢迎补充完善!

1. Keras

Karas是Theano和TensorFlow平台上一款强大易用的深度学习库。它为发展和训练深度学习模型提供高阶神经网络API接口。

image


来源:
https://www.datacamp.com/community/blog/keras-cheat-sheet#gs.DRKeNMs

2. Numpy

Numpy 是Python中的科学计算核心库。它能够创建高性能多维数组对象Array并提供处理数组的相关工具。


image


来源  :
https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.AK5ZBgE

3. Pandas

Pandas是基于Numpy的分析库,用python的编程语言提供了易用的数据结构和数据分析工具。


image
image

来源:
https://www.datacamp.com/community/blog/pandas-cheat-sheet-python#gs.HPFoRIc

image


来源 :
https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.oundfxM

4. Scipy

Scipy是基于Python中Numpy的扩展包,包含一些数学算法和便捷方程,是科学计算核心库之一。


image


来源:
https://www.datacamp.com/community/blog/python-scipy-cheat-sheet#gs.JDSg3OI

5. Matplotlib

Matplotlib是python的2D绘制图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。


image


来源:
https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet#gs.uEKySpY

6. Scikit-learn

Scikit-learn是python的一个用统一接口进行机器学习预处理、交叉验证和可视化算法的开源库。


image


来源:
https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet

7. Neural Networks Zoo


image


来源:
http://www.asimovinstitute.org/neural-network-zoo/

8. ggplot2

ggplot2基于图形语法,它的核心理念是每张图片都可以拆解为一个数据集,一套可以展示数据点的视觉系统和一个坐标系。


image
image

9. PySpark

pyspark是 Spark 为 Python 开发者提供的 API

image

来源:
https://www.datacamp.com/community/blog/pyspark-cheat-sheet-python#gs.L=J1zxQ

10. R Studio (dplyr and tidyr)

image
image


来源:
https://www.rstudio.com/wp-content/uploads/2015/02/data-wrangling-cheatsheet.pdf

原文发布时间为:2017-09-25
作者:Kailash Ahirwar
编译:糖竹子,一针,Aileen
本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”微信公众号

相关文章
|
22天前
|
机器学习/深度学习 人工智能 安全
探索AI的未来:从机器学习到深度学习
【10月更文挑战第28天】本文将带你走进AI的世界,从机器学习的基本概念到深度学习的复杂应用,我们将一起探索AI的未来。你将了解到AI如何改变我们的生活,以及它在未来可能带来的影响。无论你是AI专家还是初学者,这篇文章都将为你提供新的视角和思考。让我们一起探索AI的奥秘,看看它将如何塑造我们的未来。
60 3
|
12天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
42 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
1月前
|
机器学习/深度学习 人工智能 算法
揭开深度学习与传统机器学习的神秘面纱:从理论差异到实战代码详解两者间的选择与应用策略全面解析
【10月更文挑战第10天】本文探讨了深度学习与传统机器学习的区别,通过图像识别和语音处理等领域的应用案例,展示了深度学习在自动特征学习和处理大规模数据方面的优势。文中还提供了一个Python代码示例,使用TensorFlow构建多层感知器(MLP)并与Scikit-learn中的逻辑回归模型进行对比,进一步说明了两者的不同特点。
67 2
|
1月前
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
59 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
1月前
|
机器学习/深度学习 算法 决策智能
【机器学习】揭秘深度学习优化算法:加速训练与提升性能
【机器学习】揭秘深度学习优化算法:加速训练与提升性能
|
1月前
|
机器学习/深度学习 自然语言处理 算法
机器学习和深度学习之间的区别
机器学习和深度学习在实际应用中各有优势和局限性。机器学习适用于一些数据量较小、问题相对简单、对模型解释性要求较高的场景;而深度学习则在处理大规模、复杂的数据和任务时表现出色,但需要更多的计算资源和数据,并且模型的解释性较差。在实际应用中,需要根据具体的问题和需求,结合两者的优势,选择合适的方法来解决问题。
67 0
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
浅谈机器学习与深度学习的区别
浅谈机器学习与深度学习的区别
52 0
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能的未来:从机器学习到深度学习的演进
【10月更文挑战第8天】人工智能的未来:从机器学习到深度学习的演进
64 0
|
6月前
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
239 14
|
6月前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)

热门文章

最新文章

下一篇
无影云桌面