机器学习 思维导图 / 速查表

思维导图集从数据分析到深度学习来汇总机器学习概念

Overview

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。

Download

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

对应的Notebook

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

关于深度学习的思维导图

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

1. 过程

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。

2. 数据处理

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。

3. 数学运算

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，。

4. 概念

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。

引用

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.

关于作者

Twitter:

• https://twitter.com/danielmartinezf

Linkedin:

• https://www.linkedin.com/in/danielmartinezformoso/

Email:

• daniel.martinez.formoso@gmail.com