Машинное обучение имеет много аспектов. Когда я начал освежать в памяти эту тему, я наткнулся на различные «шпаргалки», в которых компактно перечислялись все ключевые моменты, которые мне нужно было знать по заданной теме. В итоге я составил более 20 шпаргалок, связанных с машинным обучением. На некоторые из них я часто ссылаюсь и думаю, что они могут принести пользу и другим. Дайте мне знать, если я пропущу что-то, что вам нравится.

Машинное обучение

Есть несколько полезных блок-схем и таблиц алгоритмов машинного обучения. Я включил только самые полные из тех, что нашел.

Архитектуры нейронных сетей

Источник: http://www.asimovinstitute.org/neural-network-zoo/

Зоопарк нейронных сетей

Блок-схема алгоритма Microsoft Azure

Источник: https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-sheet

Памятка по алгоритму машинного обучения для Microsoft Azure Machine Learning Studio

Блок-схема алгоритма SAS

Источник: http://blogs.sas.com/content/subcodingmusings/2017/04/12/machine-learning-algorithm-use/

SAS: Какой алгоритм машинного обучения мне следует использовать?

Краткое описание алгоритма

Источник: http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/

Обзор алгоритмов машинного обучения

Источник: http://thinkbigdata.in/best-known-machine-learning-algorithms-infographic/

Какие алгоритмы машинного обучения наиболее известны?

Алгоритм за/против

Источник: https://blog.dataiku.com/machine-learning-explained-algorithms-are-your-friend

Питон

Неудивительно, что по Python доступно множество онлайн-ресурсов. В этот раздел я включил только лучшие шпаргалки, которые мне попадались.

Алгоритмы

Источник: https://www.analyticsvidhya.com/blog/2015/09/full-cheatsheet-machine-learning-algorithms/

Основы Python

Источник: http://datasciencefree.com/python.pdf

Источник: https://www.datacamp.com/community/tutorials/python-data-science-cheat-sheet-basics#gs.0x1rxEA

Нампи

Источник: https://www.dataquest.io/blog/numpy-cheat-sheet/

Источник: http://datasciencefree.com/numpy.pdf

Источник: https://www.datacamp.com/community/blog/python-numpy-cheat-sheet#gs.Nw3V6CE

Панды

Источник: http://datasciencefree.com/pandas.pdf

Источник: https://www.datacamp.com/community/blog/python-pandas-cheat-sheet#gs.S4P4T=U

Матплотлиб

Источник: https://www.datacamp.com/community/blog/python-matplotlib-cheat-sheet

Scikit Learn

Источник: https://www.datacamp.com/community/blog/scikit-learn-cheat-sheet#gs.fZ2A1Jk

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

Источник: https://github.com/rcompton/ml_cheat_sheet/blob/master/supervised_learning.ipynb

Математика

Если вы действительно хотите понять машинное обучение, вам необходимо иметь четкое представление о статистике (особенно о вероятностях), линейной алгебре и некоторых математических вычислениях. Я занимался математикой в ​​студенческие годы, но мне определенно нужно было освежить знания. Эти шпаргалки содержат большую часть того, что вам нужно для понимания математики, лежащей в основе наиболее распространенных алгоритмов машинного обучения.

Вероятность

Источник: http://www.wzchen.com/s/probability_cheatsheet.pdf

Линейная алгебра

Источник: https://minireference.com/static/tutorials/linear_алгебра_in_4_pages.pdf

Статистика

Источник: http://web.mit.edu/~csvoss/Public/usabo/stats_handout.pdf

Исчисление

Источник: http://tutorial.math.lamar.edu/getfile.aspx?file=B,41,N