作者：Stefan Kojouharov
编译：ronghuaiyang
原文链接：https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-678c51b4b463
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。
这个应该是史上最全的了，希望你喜欢...
神经网络
神经网络图
机器学习概述
机器学习: Scikit-learn算法
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。
Scikit-Learn
Scikit-learn 是一个开源的机器学习Python库。功能包括分类，回归，聚类，算法包括支持向量机，随机森林，梯度提升，k均值和密度聚类算法。而且和Python的数值处理库如Numpy和SciPy能够互通。
机器学习 : 算法速查表
这是一个来自Microsoft Azure的机器学习速查表，你可以为你的预测任务选取合适的机器学习的算法。首选，速查表会问你数据的形式，然后给你一个适合你的任务的最佳的算法建议。
用Python做数据科学
TensorFlow
在2017年的5月，Google发布了第二代的TPU，第二代的TPU有高达180 teraflops的性能，64个TPU的集群可以提供11.5 petaflops的计算能力。
Keras
在2017年，Google的TensorFlow决定在其核心库中支持Keras。Keras是一套接口，而不是一个机器学习的框架。它提供一套高级的，更加直接的抽象功能，使得配置一个神经网络更加的容易，而不用管背后是哪个计算库。
Numpy
Numpy是一个没有优化过的解释器，目的是用Python来实现CPython中的东西。使用这个版本的数学计算往往比较慢。Numpy提供了多维数组的计算和操作，非常的有效，当需要重用代码时，大部分的内部的循环都是使用Numpy。
Pandas
这个名字是来自于 “panel data”，是一个经济学的词语，用来处理多维度的结构化的数据。
数据整理 data wrangler
"data wrangler"这个词开始于流行文化的渗透。在2017年的电影 Kong: Skull Island，其中一个角色，被介绍为“Steve Woodward, our data wrangler”。
Scipy
Scipy是基于Numpy的数组的对象构建的，是Numpy的一部分，包括的工具如 Matplotlib, pandas and SymPy，还有一个科学计算的扩展库。Numpy和其他的一些科学计算工具如 MATLAB, GNU Octave, and Scilab很像。Numpy的技术栈也有时候叫做SciPy 技术栈。
Matplotlib
matplotlib是一个基于Python的绘图库，是Numpy的一个扩展。提供了面向对象的API。
pyplot是一个matplotlib的模块，提供了类似Matlab的绘图接口，可以像Matlab一样简单易用，而且免费。
资源
数据科学速查表: https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics
数据整理速查表: https://www.rstudio.com/wp-content/uploads/2015/02/data-wrangling-cheatsheet.pdf
数据整理: https://en.wikipedia.org/wiki/Data_wrangling
Keras速查表: https://www.datacamp.com/community/blog/keras-cheat-sheet#gs.DRKeNMs
Keras: https://en.wikipedia.org/wiki/Keras
机器学习速查表: https://ai.icymi.email/new-machinelearning-cheat-sheet-by-emily-barry-abdsc/
机器学习速查表: https://docs.microsoft.com/en-in/azure/machine-learning/machine-learning-algorithm-cheat-sheet
机器学习速查表: http://peekaboo-vision.blogspot.com/2013/01/machine-learning-cheat-sheet-for-scikit.html
Matplotlib速查表: https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet#gs.uEKySpY
Matpotlib: https://en.wikipedia.org/wiki/Matplotlib
神经网络速查表: http://www.asimovinstitute.org/neural-network-zoo/
神经网络图速查表: http://www.asimovinstitute.org/blog/
神经网络: https://www.quora.com/Where-can-find-a-cheat-sheet-for-neural-network
Numpy速查表: https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.AK5ZBgE
NumPy: https://en.wikipedia.org/wiki/NumPy
Pandas速查表: https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.oundfxM
Pandas: https://en.wikipedia.org/wiki/Pandas_(software)
Pandas速查表: https://www.datacamp.com/community/blog/pandas-cheat-sheet-python#gs.HPFoRIc
Scikit速查表: https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet
Scikit-learn: https://en.wikipedia.org/wiki/Scikit-learn
Scikit-learn速查表: http://peekaboo-vision.blogspot.com/2013/01/machine-learning-cheat-sheet-for-scikit.html
Scipy速查表: https://www.datacamp.com/community/blog/python-scipy-cheat-sheet#gs.JDSg3OI
SciPy: https://en.wikipedia.org/wiki/SciPy
TesorFlow速查表: https://www.altoros.com/tensorflow-cheat-sheet.html
本文可以任意转载，转载时请注明作者及原文地址。
