Giới thiệu
Trong cuốn sách nổi tiếng của mình - Think and Grow Rich, Napolean Hill kể chuyện về Darby, người sau khi đào một tĩnh mạch vàng trong vài năm đi ra khỏi nó khi anh ta cách nó ba feet.
Bây giờ, tôi không biết liệu câu chuyện là đúng hay sai. Nhưng, tôi chắc chắn biết một vài dữ liệu mà Darby xung quanh tôi. Những người này hiểu mục đích của việc học máy, thực thi và sử dụng chỉ là một thuật toán tập 2 - 3 về bất kỳ vấn đề nào họ đang làm việc. Họ không tự cập nhật với các thuật toán hoặc kỹ thuật tốt hơn, bởi vì chúng quá khó khăn hoặc chúng tốn thời gian.
Giống như Darby, họ chắc chắn bị mất tích từ rất nhiều hành động sau khi đến gần này! Cuối cùng, họ từ bỏ việc học máy bằng cách nói rằng nó rất nặng hoặc rất khó khăn hoặc tôi có thể cải thiện các mô hình của mình trên ngưỡng - điều gì? Bạn đã nghe họ chưa?
Bảng gian lận ngày nay nhằm mục đích thay đổi một vài dữ liệu của Darby thành những người ủng hộ học máy. Tờ là tốt để hoạt động như một hướng dẫn mã để giúp bạn đưa các thuật toán học máy này sử dụng. Chúc may mắn!
Đối với Darbies dữ liệu siêu lười biếng, chúng tôi sẽ làm cho cuộc sống của bạn trở nên dễ dàng hơn. Bạn có thể tải xuống phiên bản PDF & nbsp; của tờ cheat ở đây và sao chép trực tiếp các mã từ nó.
Giữ bảng gian lận này tiện dụng khi bạn làm việc trên các bộ dữ liệu. & NBSP; Tải xuống bảng cheat hoàn chỉnh ở đây: Phiên bản PDF
Nếu bạn thích những gì bạn chỉ đọc và muốn tiếp tục học phân tích của bạn, & nbsp;
Nếu bạn thích bài viết này, hãy xem một bài khác bởi Robbie: Danh sách tài nguyên AI và máy học của tôi
My Curated List of AI and Machine Learning Resources
Có rất nhiều khía cạnh để học máy. Khi tôi bắt đầu đánh bại chủ đề này, tôi đã bắt gặp nhiều tờ Cheat Cheat khác nhau, người đã liệt kê một cách gọn gàng tất cả các điểm chính mà tôi cần biết cho một chủ đề nhất định. Cuối cùng, tôi đã tổng hợp hơn 20 tờ cheat liên quan đến học tập máy. Một số tôi tham khảo thường xuyên và nghĩ rằng những người khác cũng có thể được hưởng lợi từ họ. Bài đăng này chứa 27 trong số các tờ cheat tốt hơn mà tôi đã tìm thấy trên web. Hãy cho tôi biết nếu tôi thiếu bất kỳ bạn thích.
Cho rằng không gian học máy đang phát triển nhanh như thế nào, tôi tưởng tượng những điều này sẽ hết hạn nhanh chóng, nhưng ít nhất là vào ngày 1 tháng 6 năm 2017, chúng khá hiện tại.
Nếu bạn muốn tất cả các bảng gian lận mà không phải tải xuống riêng lẻ như tôi đã làm, tôi đã tạo một tệp zip chứa tất cả 27. Thưởng thức!
Nếu bạn thích bài viết này, hãy cho nó một bên dưới.
Học máy
Có một số sơ đồ hữu ích và bảng thuật toán học máy. Tôi chỉ bao gồm những cái toàn diện nhất mà tôi đã tìm thấy.
Kiến trúc mạng lưới thần kinh
Nguồn: //www.asimovinst acad.org/neural-network-zoo/
Sở thú mạng lưới thần kinhLưu đồ thuật toán Azure của Microsoft
Nguồn: //docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-heet
Bảng điều khiển thuật toán học máy cho studio học máy Microsoft AzureSAAS SAS TIẾT KIỆM HƯỚNG DẪN
Nguồn: //blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/
SAS: Tôi nên sử dụng thuật toán học máy nào?Tóm tắt thuật toán
Nguồn: //machinelearingmastery.com/a-tour-of-machine-learning-algorithms/
Một chuyến tham quan các thuật toán học máyNguồn: //thinkbigdata.in/best-knail-machine-learning-algorithms-infographic/
Thuật toán học máy nào được biết đến nhiều nhất?Thuật toán pro/con
Nguồn: //blog.dataiku.com/machine-dearning- explained-algorithms-are-your-friend
Python
Không có gì đáng ngạc nhiên, có rất nhiều tài nguyên trực tuyến có sẵn cho Python. Đối với phần này, tôi đã chỉ bao gồm các tấm cheat tốt nhất mà tôi đã bắt gặp.
Thuật toán
Nguồn: //www.analyticsvidhya.com/blog/2015/09/full-cheatsheet-machine-learning-algorithms/
Những điều cơ bản của Python
Nguồn: //datasciencefree.com/python.pdf
Nguồn: //www.datacamp.com/community/tutorials/python-data-science-cheat-heet-basics#gs.0x1rxea
Numpy
Nguồn: //www.dataquest.io/blog/numpy-cheat-heet/
Nguồn: //datasciencefree.com/numpy.pdf
Nguồn: //www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.nw3v6ce
Nguồn: //github.com/donnemartin/data-science-ipython-notebooks/blob/master/numpy/numpy.ipynb
Gấu trúc
Nguồn: //datasciencefree.com/pandas.pdf
Nguồn: //www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.s4p4t=u
Nguồn: //github.com/donnemartin/data-science-ipython-notebooks/blob/master/pandas/pandas.ipynb
Matplotlib
Nguồn: //www.datacamp.com/community/blog/python-matplotlib-cheat-heet
Nguồn: //github.com/donnemartin/data-science-ipython-notebooks/blob/master/matplotlib/matplotlib.ipynb
Scikit học
Nguồn: //www.datacamp.com/community/blog/scikit-learn-cheat-sheet#gs.fz2a1jk
Nguồn: //peekaboo-vision.blogspot.de/2013/01/machine-dearning-cheat-heet-for-scikit.html
Nguồn: //github.com/rcompton/ml_cheat_sheet/blob/master/supervised_learning.ipynb
Tensorflow
Nguồn: //github.com/aymericdamien/tensorflow-examples/blob/master/notooks/1_introduction/basic_operations.ipynb
Pytorch
Nguồn: //github.com/bfirster/pytorch-cheatsheet
môn Toán
Nếu bạn thực sự muốn hiểu học máy, bạn cần hiểu rõ về số liệu thống kê [đặc biệt là xác suất], đại số tuyến tính và một số tính toán.Tôi đã khai thác trong toán học trong thời gian học đại học, nhưng tôi chắc chắn cần một người bồi dưỡng.Những tấm cheat này cung cấp hầu hết những gì bạn cần để hiểu toán học đằng sau các thuật toán học máy phổ biến nhất.
Xác suất
Nguồn: //www.wzchen.com/s/probability_cheatsheet.pdf
Xác suất CheatSheet v2.0Đại số tuyến tính
Nguồn: //minireference.com/static/tutorials/linear_algebra_in_4_pages.pdf
Đại số tuyến tính được giải thích trong bốn trangSố liệu thống kê
Nguồn: //web.mit.edu/~csvoss/public/usabo/stats_handout.pdf
Thống kê bảng gian lậnTính toán
Nguồn: //tutorial.math.lamar.edu/getfile.aspx?file=b,41,n
Tính toán gian lận