【20张图玩转机器学习】深度学习、神经网络和大数据信息梳理（下载）

1 新智元编译

来源：Medium

作者：Stefan Kojouharov

编译：文强

【新智元导读】 ChatbotLife 的创始人兼编辑 Stefan Kojouharov 收集并整理了一系列 AI 相关的信息图示，为了便于使用，还附带了注释和说明， 所有的图（表）都可点击放大查看 ， 推荐收藏。 【进入新智元公众号，在对话框输入“算法资源”下载所有信息图示】

神经网络：搞清结构就看这张

人是视觉动物，要了解神经网络，没有什么比用图将它们的形象画出来更加简单易懂了。这张信息图示里囊括 26 种架构，虽然不都是神经网络，但却覆盖了几乎所有常用的模型。直观地看到这些架构有助于你更好地了解它们的数学含义。

系统掌握神经网络 ，阅读 【美丽的神经网络：13种细胞构筑的深度学习世界】

一并附上神经网络数学公式：

机器学习概览

机器学习：Scikit-learn 算法

这张信息图示能帮你快速定位你该用什么估计函数——这可是编程中最困难的一部分。再下面的流程图则对每种估计函数进行了详细的介绍说明，有助你更好地理解问题和使用。

Scikit-Learn

Scikit-learn 是一个机器学习 Python 编程语言库。有各种分类、回归和聚类算法，包括支持向量机、随机森林、K-means 和 DBSCAN。此外，Scikit-learn 还支持 NumPy 和 SciPy。

微软 Azure 机器学习算法表

这张讲解微软 Azure 的机器学习算法表将帮助你为预测分析解决方案，根据你的数据性质，找出适当的机器学习算法。

数据科学 Python

TensorFlow

Keras：TensorFlow 接口

2017 年，谷歌 TensorFlow 团队决定在 TensorFlow 核心库中支持 Keras。作者 Chollet 解释说，Keras 被作为接口，而不是一个端到端的机器学习框架。Keras 提供了更高级，更直观的抽象集合，无论后端的科学计算库是什么，都可以轻松配置神经网络。

NumPy

NumPy 针对 Python 中 CPython reference 的实现，CPython 是一个非优化的字节码解释器。针对这一版本 Python 编写的数学算法，运行速度通常比编译的速度慢得多。NumPy 部分通过提供在数组上有效运行的多维数组和函数和运算符来解决速度慢的问题，需要重写一些代码，主要是使用 NumPy 的内部循环。

Pandas

“Pandas”一词源于“Panel Data”，后者是多维结构化数据集的计量经济学术语。

Data Wrangling

Data Wrangling with dplyr and tidyr