本文是Chatbots Life創(chuàng)始人Stefan Kojouharov花費數(shù)學(xué)心血搜集的AI概念速查表，是學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)、深度學(xué)習(xí)與大數(shù)據(jù)必備之良方。

1. 神經(jīng)網(wǎng)絡(luò)

2. 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3. 神經(jīng)網(wǎng)絡(luò)公式

4. 機器學(xué)習(xí)：概覽

5. 機器學(xué)習(xí)：Scikit-learn算法

Scikit-learn是基于Python的功能強大的開源科學(xué)計算工具包，內(nèi)含分類、回歸、聚類、支持向量機、隨機森林與Gradient Boosting等算法。

6. 機器學(xué)習(xí)：算法概覽

7. Python數(shù)據(jù)科學(xué)

8. 大數(shù)據(jù)

9. TensorFlow

2017 年 5 月，谷歌宣布了第二代 TPU ，并在Google Compute Engine中加入了對 TPU 的支持。第二代 TPU 有高達 180 萬億次浮點運算性能。當 64 塊TPU 組合使用時，可提供高達 11.5 千萬億次浮點運算的性能。

10. Keras

2017 年，TensorFlow核心庫加入了對 Keras 的支持。Keras作者Chollet表示Keras更適合作端口使用，而非端對端的機器學(xué)習(xí)框架，它提供了更高級更直觀的抽象集合，可輕松配置神經(jīng)網(wǎng)絡(luò)，無需考慮后端科學(xué)計算庫。

11. NumPy

NumPy系統(tǒng)是Python的一種開源的數(shù)值計算擴展。這種工具可用來存儲和處理大型矩陣，比Python自身的嵌套列表（nested list structure)結(jié)構(gòu)要高效的多。

12. Pandas：Python結(jié)構(gòu)化數(shù)據(jù)分析利器

13. Data Wrangling

14. Data Wrangling with dplyr and tidyr

15. SciPy

基于 NumPy 數(shù)組對象構(gòu)建，是 NumPy 堆棧的一部分，包含 Matplotlib，pandas 和 SymPy 等工具，以及一個科學(xué)計算庫的擴展集。

16. Matplotlib

Matplotlib是Python中常用的可視化工具之一，便于創(chuàng)建海量類型2D圖表和一些基本的3D圖表。

17. 數(shù)據(jù)可視化

18. PySpark

19. Big-O

速查表來源

• Big-O Algorithm Cheat Sheet: 

http:///

• Bokeh Cheat Sheet: 

https://s3./assets./blog_assets/Python_Bokeh_Cheat_Sheet.pdf

• Data Science Cheat Sheet: 

https://www./community/tutorials/python-data-science-cheat-sheet-basics

• Data Wrangling Cheat Sheet: 

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

• Data Wrangling: 

https://en./wiki/Data_wrangling

• Ggplot Cheat Sheet: 

https://www./wp-content/uploads/2015/03/ggplot2-cheatsheet.pdf

• Keras Cheat Sheet: 

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

• Keras: 

https://en./wiki/Keras

• Machine Learning Cheat Sheet: 

https://ai./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./2013/01/machine-learning-cheat-sheet-for-scikit.html

• Matplotlib Cheat Sheet: 

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

• Matpotlib: 

https://en./wiki/Matplotlib

• Neural Networks Cheat Sheet: 

http://www./neural-network-zoo/

• Neural Networks Graph Cheat Sheet: 

http://www./blog/

• Neural Networks: 

https://www./Where-can-find-a-cheat-sheet-for-neural-network

• Numpy Cheat Sheet: 

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

• NumPy: 

https://en./wiki/NumPy

• Pandas Cheat Sheet: 

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

• Pandas: 

https://en./wiki/Pandas_(software)

• Pandas Cheat Sheet: 

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

• Pyspark Cheat Sheet: 

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

• Scikit Cheat Sheet: 

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

• Scikit-learn: 

https://en./wiki/Scikit-learn

• Scikit-learn Cheat Sheet: 

http://peekaboo-vision./2013/01/machine-learning-cheat-sheet-for-scikit.html

• Scipy Cheat Sheet: 

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

• SciPy: 

https://en./wiki/SciPy

• TesorFlow Cheat Sheet: 

https://www./tensorflow-cheat-sheet.html

• Tensor Flow: 

https://en./wiki/TensorFlow