看到这些备忘单不明觉厉，收藏之。 原文在此
神经网络
神经网络图
神经网络公式
机器学习概述
机器学习：Scikit学习算法
这个机器学习备忘单将帮助您找到最难的部分的工作正确的估算。 该流程图将帮助您检查每个估算器的文档和粗略指南，这将有助于您更多地了解问题以及如何解决问题。
Scikit-学习
Scikit-learn （以前的scikits.learn ）是Python编程语言的免费机器学习 库 。 它具有各种分类 ， 回归和聚类算法，包括支持向量机， 随机森林， 梯度提升 ， k-均值和DBSCAN ，并且设计为与Python数字和科学库NumPy和SciPy互操作。
机器学习：算法乳胶片
这款来自Microsoft Azure的机器学习备忘单将帮助您为预测分析解决方案选择合适的机器学习算法。 首先，备忘单会询问您有关数据的性质，然后为该作业提供最佳算法。
用于数据科学的Python
大数据
TensorFlow
2017年5月，Google宣布了第二代TPU以及Google Compute Engine中 TPU的可用性。 [12]第二代TPU提供高达180 teraflops的性能，并且当组织成64个TPU的集群时，可提供高达11.5 petaflops。
Keras
2017年，Google的TensorFlow团队决定在TensorFlow的核心库中支持Keras。 Chollet解释说Keras被认为是一个接口而不是一个端到端的机器学习框架。 它提供了一个更高级，更直观的抽象集，可以轻松配置神经网络，而不管后端科学计算库如何。
NumPy
NumPy的目标是Python的CPython参考实现 ，它是一个非优化的字节码解释器。 为这个版本的Python编写的数学算法通常运行得比编译后的版本慢得多。 NumPy解决缓慢问题的部分原因是提供了多维数组和函数以及在数组上高效运行的操作符，需要重写一些代码，主要是使用NumPy的内部循环。
Pandas
“Pandas”这个名字来源于“ panel data
”一词，它是多维结构化数据集的计量经济学术语。
Data Wrangling
“data wrangler”一词开始渗透流行文化。 在2017年的电影“ Kong Sk：骷髅岛”中 ，演员马克埃文杰克逊扮演的角色之一被介绍为“我们的数据纠缠者（data wrangler）史蒂夫伍德沃德”。
数据与dplyr和tidyr纠缠在一起
SciPy
SciPy构建在NumPy数组对象上，是NumPy栈的一部分，其中包括Matplotlib ， pandas和SymPy等工具以及一套扩展的科学计算库。 这个NumPy栈与其他应用程序（如MATLAB ， GNU Octave和Scilab）具有相似的用户。 NumPy堆栈有时也被称为SciPy堆栈。 [3]
Matplotlib
matplotlib是Python编程语言及其数值数学扩展NumPy的绘图 库 。 它提供了一个面向对象的 API，用于将图表嵌入到使用Tkinter ， wxPython ， Qt或GTK +等通用GUI工具包的应用程序中。 还有一个基于状态机 （如OpenGL ）的程序性 “pylab”接口，其设计与MATLAB非常相似，尽管它的使用不受欢迎。 [2] SciPy使用matplotlib。
pyplot是一个matplotlib模块，它提供了一个类似于MATLAB的界面。 [6] matplotlib被设计为与MATLAB一样可用，并具有使用Python的能力，其优点是免费。
数据可视化
PySpark
Big-O
Resources
Big-O Algorithm Cheat Sheet: http://bigocheatsheet.com/
Bokeh Cheat Sheet: https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Python_Bokeh_Cheat_Sheet.pdf
Data Science Cheat Sheet: https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics
Data Wrangling Cheat Sheet: https://www.rstudio.com/wp-content/uploads/2015/02/data-wrangling-cheatsheet.pdf
Data Wrangling: https://en.wikipedia.org/wiki/Data_wrangling
Ggplot Cheat Sheet: https://www.rstudio.com/wp-content/uploads/2015/03/ggplot2-cheatsheet.pdf
Keras Cheat Sheet: https://www.datacamp.com/community/blog/keras-cheat-sheet#gs.DRKeNMs
Machine Learning Cheat Sheet: https://ai.icymi.email/new-machinelearning-cheat-sheet-by-emily-barry-abdsc/
Machine Learning Cheat Sheet: https://docs.microsoft.com/en-in/azure/machine-learning/machine-learning-algorithm-cheat-sheet
ML Cheat Sheet:: http://peekaboo-vision.blogspot.com/2013/01/machine-learning-cheat-sheet-for-scikit.html
Matplotlib Cheat Sheet: https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet#gs.uEKySpY
Matpotlib: https://en.wikipedia.org/wiki/Matplotlib
Neural Networks Cheat Sheet: http://www.asimovinstitute.org/neural-network-zoo/
Neural Networks Graph Cheat Sheet: http://www.asimovinstitute.org/blog/
Neural Networks: https://www.quora.com/Where-can-find-a-cheat-sheet-for-neural-network
Numpy Cheat Sheet: https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.AK5ZBgE
Pandas Cheat Sheet: https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.oundfxM
Pandas Cheat Sheet: https://www.datacamp.com/community/blog/pandas-cheat-sheet-python#gs.HPFoRIc
Pyspark Cheat Sheet: https://www.datacamp.com/community/blog/pyspark-cheat-sheet-python#gs.L=J1zxQ
Scikit Cheat Sheet: https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet
Scikit-learn: https://en.wikipedia.org/wiki/Scikit-learn
Scikit-learn Cheat Sheet: http://peekaboo-vision.blogspot.com/2013/01/machine-learning-cheat-sheet-for-scikit.html
Scipy Cheat Sheet: https://www.datacamp.com/community/blog/python-scipy-cheat-sheet#gs.JDSg3OI
TesorFlow Cheat Sheet: https://www.altoros.com/tensorflow-cheat-sheet.html
Tensor Flow: https://en.wikipedia.org/wiki/TensorFlow
