点击上方“专知”关注获取专业AI知识!
思维导图集从数据分析到深度学习来汇总机器学习概念
机器学习是计算机科学的一个子领域,使计算机不需要明确的编程步棸就能够自主学习。它致力于通过学习数据和预测数据来建立各种算法。
机器学习的应用范围非常广泛。它涵盖数学,计算机科学和神经科学的多个领域。这是一个试图在一个PDF文件中来总结整个机器学习领域。
PDF 的下载地址:
https://github.com/dformoso/machine-learning-mindmap/blob/master/Machine%20Learning.pdf
同一个文件,只是以白色为背景
https://github.com/dformoso/machine-learning-mindmap/blob/master/Machine%20Learning%20-%20White%20BG.pdf
我是使用MindNode在Mac上建立这些思维导图的 https://mindnode.com
这个思维导图或者说是速查表还有一个相对应的Jupyter Notebook,它会教你如何一步一步的进行数据科学
https://github.com/dformoso/sklearn-classification
这是另外一个主要关于深度学习的思维导图
https://github.com/dformoso/deeplearning-mindmap
数据科学处理做不到一劳永逸,而是一个需要设计,实施和维护不断反复的过程。 PDF里面包含有关内容的快速概览。下面是一个快速截图。
首先我们需要一些数据。我们找到、收集、清洗以及其它的五个步棸来处理这些数据。下面是一些数据处理要求的例子。
数学是建立机器学习的基石。你可以通过这个PDF浏览最常见的组件。 ps:如果你看到缺少的东西可以给作者发送您的反馈,。
一个可能并不十分全面关于激活函数,loss函数,计算框架以及方法的列表
5. 模型
经常使用模型的列表。
我准备在未来建立一个更全面的引用列表。现阶段我只是列出了我建立这个思维导图PDF时的部分来源。
Stanford and Oxford Lectures. CS20SI, CS224d.
Books:
Deep Learning - Goodfellow.
Pattern Recognition and Machine Learning - Bishop.
The Elements of Statistical Learning - Hastie.
Colah's Blog. http://colah.github.io
Kaggle Notebooks.
Tensorflow Documentation pages.
Google Cloud Data Engineer certification materials.
Multiple Wikipedia articles.
Twitter:
https://twitter.com/danielmartinezf
Linkedin:
https://www.linkedin.com/in/danielmartinezformoso/
Email:
daniel.martinez.formoso@gmail.com
特别提示-机器学习思维导图下载:
请关注专知公众号(扫一扫最下面专知二维码,或者点击上方蓝色专知),
后台回复“MLMap” 就可以获取机器学习思维导图pdf下载链接~
-END-
专 · 知
人工智能领域主题知识资料查看获取:【专知荟萃】人工智能领域22个主题知识资料全集(入门/进阶/论文/综述/视频/专家等)
请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!
请扫一扫关注专知公众号,获取人工智能的专业知识。
请加专知小助手微信(Rancho_Fang),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等,或者加小助手咨询入群)交流~
点击“阅读原文”,使用专知!