注意！這可能是相關(guān)領域最全的的一份速查表，文末還列出了各種算法的復雜度統(tǒng)計。
圖 1：神經(jīng)網(wǎng)絡速查表
圖 2：神經(jīng)網(wǎng)絡結(jié)構(gòu)圖速查表
圖 3a：神經(jīng)網(wǎng)絡相關(guān)概念速查表（上）
圖 3b：神經(jīng)網(wǎng)絡相關(guān)概念速查表（下）
圖 4：機器學習速查表
如果在你的項目中出現(xiàn)了一些未知問題，那么這份機器學習速查表可以幫助你快速地找到出問題的那部分。下面這個流程圖可以幫助你快速的瀏覽文檔并快速導航，這可以幫助你更深入的理解問題的原因，同時為你提供對應的解決方案。
圖 5：機器學習速查表
Scikit-learn(原 scikits.learn) 是基于 Python 的一款免費機器學習庫。它涵蓋了很多 分類、回歸 以及 聚類 算法，包括 支持向量機、隨機森林、梯度加速、k-means 聚類 以及 DBSGAN 聚類算法。該庫可以與 Python 的科學計算庫 Numpy 以及 SciPy 互操作。
圖 6：Scikit-Learn 速查表
這份來自微軟 Azure 的機器學習速查表可以幫助你在解決方案的預分析過程中快速選擇合適的機器學習算法。使用這份速查表時，你可以根據(jù)自己的目的和數(shù)據(jù)特征快速地選擇對應的算法。
圖 7：機器學習速查表
圖 8：Python 數(shù)據(jù)科學速查表
圖 9：大數(shù)據(jù)速查表
2017 年 5 月，Google 發(fā)布了第二代 TPU（張量計算單元），同時在 谷歌計算引擎 上提供了 TPU 集群。第二代 TPU 提供了高達每秒 180 萬億次的浮點數(shù)運算能力，由 64 個 TPU 組成的集群可以提供每秒 1.15 億億次的浮點數(shù)運算能力。
圖 10：TensoFlow 速查表
2017 年，Google 的 TensorFlow 團隊決定在 TensorFlow 的核心庫中添加 Keras 支持。Ghollet 解釋說，Keras 是按接口來設計的，而不是一個端到端的機器學習框架。它代表著更高級、更直觀的使用方式，這使得配置神經(jīng)網(wǎng)絡變得更為簡單，用戶不需要再去了解復雜的后端科學計算庫。
圖 11：Keras 速查表
Numpy 旨在作為 Python 的 CPython 參考實現(xiàn)，它是一個非優(yōu)化的字節(jié)碼解釋器。針對這個 Python 版本編寫的一些數(shù)學算法通常比相同代碼的編譯版本慢一些。Numpy 通過提供多維數(shù)組和函數(shù)，以及在數(shù)組上的高效運算符來解決運算緩慢的問題，這需要需要重寫一些代碼，主要是使用 NumPy 的一些內(nèi)循環(huán)。
圖 12：Numpy 速查表
'Pandas' 這個名稱來源于術(shù)語 '面板數(shù)據(jù)', 這是多維結(jié)構(gòu)化數(shù)據(jù)集的一個計量經(jīng)濟學術(shù)語。
圖 13：Pandas 速查表
“數(shù)據(jù)清洗”正逐漸滲入流行文化。在 2017 年的電影《金剛：骷髏島》中，由 Marc Evan Jackson 扮演的角色 Steve Woodward 就是一位數(shù)據(jù)清洗師。
圖 14：數(shù)據(jù)清洗速查表
圖 15：Pandas 數(shù)據(jù)清洗速查表
圖 16a：基于 dplyr 和 tidyr 的數(shù)據(jù)清洗速查表
圖 16b：基于 dplyr 和 tidyr 的數(shù)據(jù)清洗速查表
Scipy 是基于 Numpy 數(shù)組對象的一個科學計算庫，它是 NumPy 全家桶（包括 Matplotlib、Pandas、SymPy 等工具包）的一部分，也是科學計算庫的一個擴展集。這個 Numpy 全家桶與其他應用程序（如 MATLAB、GNU Octave 和 Scilab）有很多共同的用戶。NumPy 全家桶有時也被稱為 SciPy 全家桶。
圖 17：Scipy 速查表
Matplotlib 是一個面向 Python 編程語言及其數(shù)學計算庫 NumPy 的繪圖工具庫。Matplotlib 提供了面向?qū)ο蟮?API，它使用通用的 GUI 工具包（例如 Tkinter、wxPython、Qt 或者 GTK+）。雖然也有基于狀態(tài)機的程序接口“pylab“（像 OpenGL），其設計與 MATLAB 非常相似，但是大家卻不提倡使用它。SciPy 使用了 matplotlib。
pyplot 是 matplotlib 中的一個模塊，提供類似 MATLAB 的接口。按照設計，Matplotlib 可以跟 MATLAB 一樣使用，你可以在 Python 中使用它，并且是免費的。
圖 18：Matplotlib 速查表
圖 19：數(shù)據(jù)可視化速查表
圖 20：ggplot 速查表
圖 21：Pyspark 速查表
圖 22：Big-O 算法速查表
圖 23：Big-O 算法復雜度表
圖 24：不同數(shù)據(jù)結(jié)構(gòu)實現(xiàn)算法的時間復雜度
圖 25：不同的數(shù)組排序算法時間復雜度
Stefan 是 Chatbot's Life 的創(chuàng)始人，這是一家聊天機器人媒體和咨詢公司。到目前為止，Chatbot's Life 每月的瀏覽量超過了 150k，成了在線學習 Bots&AI 的優(yōu)質(zhì)資源。同時，Chatbot's Life 還為多家頂級機器人企業(yè)提供咨詢工作，例如 Swelly、Instavest、OutBrain 和 NearGrop。
查看英文原文：
https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-678c51b4b463
如果你喜歡這篇文章，或希望看到更多類似優(yōu)質(zhì)報道，記得給我留言和點贊哦！
