在过去的几个月中，我一直在收集AI备忘单。 我不时与朋友和同事们分享它们，最近我受到很多询问，所以我决定组织和分享整个系列。 为了使事情变得更有趣并提供上下文，我为每个主要主题添加了描述和/或摘录。
这是最完整的列表，Big-O在最后，请享受…
>>>更新：我们最近将这些备忘单重新设计为超高清PDF。 在下面查看它们：

 

Machine Learning Overview

 

机器学习：Scikit学习算法
这份机器学习备忘单将帮助您找到最困难的工作的正确估算器。 该流程图将帮助您检查每个估算器的文档和粗略指南，从而帮助您进一步了解问题及其解决方法。

 

Scikit学习
Scikit-learn（以前为scikits.learn）是针对Python编程语言的免费软件机器学习库。 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，并且旨在与Python数值和科学库NumPy和SciPy互操作。

 

机器学习：算法备忘单
Microsoft Azure的此机器学习备忘单将帮助您为预测分析解决方案选择适当的机器学习算法。 首先，备忘单将询问您有关数据的性质，然后为该工作提出最佳算法。

 

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，而不是端到端的机器学习框架。 它提供了更高层次，更直观的抽象集，无论后端科学计算库如何，都可以轻松配置神经网络。