機器學習學習者必備的19張AI速查表！

本文是Chatbots Life創始人Stefan Kojouharov花費數學心血搜集的AI概念速查表，是學習神經網路、機器學習、深度學習與大數據必備之良方。

1. 神經網路

2. 神經網路結構

3. 神經網路公式

4. 機器學習：概覽

5. 機器學習：Scikit-learn演算法

Scikit-learn是基於Python的功能強大的開源科學計算工具包，內含分類、回歸、聚類、支持向量機、隨機森林與Gradient Boosting等演算法。

6. 機器學習：演算法概覽

7. Python數據科學

8. 大數據

9. TensorFlow

2017 年 5 月，谷歌宣布了第二代 TPU ，並在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更適合作埠使用，而非端對端的機器學習框架，它提供了更高級更直觀的抽象集合，可輕鬆配置神經網路，無需考慮後端科學計算庫。

11. NumPy

NumPy系統是Python的一種開源的數值計算擴展。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)結構要高效的多。

12. Pandas：Python結構化數據分析利器

13. Data Wrangling

14. Data Wrangling with dplyr and tidyr

15. SciPy

基於 NumPy 數組對象構建，是 NumPy 堆棧的一部分，包含 Matplotlib，pandas 和 SymPy 等工具，以及一個科學計算庫的擴展集。

16. Matplotlib

Matplotlib是Python中常用的可視化工具之一，便於創建海量類型2D圖表和一些基本的3D圖表。

17. 數據可視化

18. PySpark

19. Big-O

抓住AI時代機遇，從學習開始：

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！