在过去的几个月里，我一直在收集AI速查手册。 这会是你看到的最全的一个手册，涉及神经网络、机器学习、深度学习、Python 及其开源库、数据可视化等。

超高清的PDF备忘单，详情私信小编“AI速查”获得。

神经网络基础

神经网络备忘单

神经网络图

机器学习概述

机器学习：Scikit-learn算法

这台机器学习备忘单将帮助您找到最困难的工作的正确估计值。 该流程图将帮助您查看每个估算器的文档和粗略指南，这将帮助您更多地了解问题以及如何解决问题。

Scikit-学习

Scikit-learn（以前称为scikits.learn）是一个用于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、梯度增强、k-means和DBSCAN，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的这款机器学习备忘单将帮助您为预测分析解决方案选择合适的机器学习算法。 首先，备忘单将询问您有关数据的性质，然后建议最佳算法。

数据科学的Python

TensorFlow

2017年5月，Google宣布了第二代TPU，以及Google Compute Engine中TPU的可用性。第二代TPU可提供高达180万亿次浮点运算的性能，当组织成64个TPU的集群时，可提供高达11.5 万亿次浮点运算的性能。

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。 它提供了更高级别，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。

NumPy

NumPy的目标是Python的CPython参考实现，它是一种非优化的字节码解释器。 为此版本的Python编写的数学算法通常比编译后的等效算法慢得多。 NumPy通过提供多维数组以及在数组上高效运行的函数和运算符来解决慢速问题，需要重写一些代码，主要是使用NumPy的内部循环。

Pandas

“Pandas”这个名称来自术语“面板数据”，这是一个计量经济学术语，用于多维结构数据集。

数据整理

“数据整理”这个词开始渗透流行文化。

使用 dplyr and tidyr 数据整理

SciPy

SciPy构建在NumPy数组对象之上，是NumPy堆栈的一部分，包括Matplotlib、pandas和SymPy等工具，以及一组不断扩展的科学计算库。 这个NumPy堆栈具有与其他应用程序类似的用户，例如MATLAB、GNU Octave和Scilab。 NumPy堆栈有时也称为SciPy堆栈。

Matplotlib

matplotlib是Python编程语言的绘图库及其数学扩展NumPy。 它提供了一个面向对象的API，用于使用通用GUI工具包（如Tkinter、wxPython、Qt或GTK +）将图表嵌入到应用程序中。 还有一个基于状态机（如OpenGL）的程序“pylab”接口，设计与MATLAB非常相似，但不鼓励使用它。SciPy使用matplotlib。

pyplot是一个matplotlib模块，它提供类似MATLAB的接口。matplotlib被设计为与MATLAB一样可用，具有使用Python的能力，其优势在于它是免费的。

数据可视化

PySpark

Big-O