💊 👩‍💻 🕵️ Memos zu künstlicher Intelligenz, maschinellem Lernen, Deep Learning und Big Data 🐐 👵🏻 🌙

Seit einigen Monaten sammeln wir Memos über künstliche Intelligenz, die wir regelmäßig mit Freunden und Kollegen teilen. Vor kurzem hat sich eine ganze Sammlung entwickelt, und wir haben den Memos Beschreibungen und / oder Zitate hinzugefügt, um das Lesen interessanter zu gestalten. Und am Ende finden Sie eine Auswahl an Komplexität "O groß" (Big-O). Genieße es.

UPD Viele Bilder sind besser lesbar, wenn Sie sie in separaten Registerkarten öffnen oder auf der Festplatte speichern.

Neuronale Netze

Neuronales Netzwerk Memo

Diagramme neuronaler Netze

Memo auf den Graphen neuronaler Netze

Neuronales Netzwerk Memo

Übersicht über maschinelles Lernen

Leitfaden für maschinelles Lernen

Scikit-Lernalgorithmus

Diese Anleitung zum maschinellen Lernen hilft Ihnen dabei, den richtigen Algorithmus für die Benotung zu finden, der der schwierigste Teil des Jobs ist. Das Flussdiagramm hilft Ihnen dabei, die Dokumentation zu überprüfen und eine allgemeine Richtung für jeden Algorithmus festzulegen. Dies wird Ihnen helfen, die Probleme, mit denen Sie konfrontiert sind, besser zu verstehen und zu lösen.

Scikit-learn (früher bekannt als scikits.learn ) ist eine kostenlose Bibliothek für maschinelles Lernen für Python. Es umfasst verschiedene Arten von Klassifizierungs- , Regressions- und Clustering-Algorithmen , einschließlich der Support-Vektor-Methode , des Random-Forest- Algorithmus („Random Forest“), der Gradientenverstärkung , der k- means-Methode und von DBSCAN . Scikit-learn wurde für die Interaktion mit den Computer- und wissenschaftlichen Bibliotheken Python NumPy und SciPy entwickelt .

Scikit-Lernnotiz

Leitfaden für Algorithmen für maschinelles Lernen

Dieses Microsoft Azure-Memo hilft Ihnen bei der Auswahl der richtigen Algorithmen für maschinelles Lernen für Ihre prädiktive Analyselösung. Zuerst fragt das Memo nach der Art der Daten und gibt dann den besten Algorithmus an.

Python für Data Science

Python-Memo für Data Science

Big Data Memo

Tensorflow

Im Mai 2017 kündigte Google die TPU der zweiten Generation sowie deren Verfügbarkeit in der Google Compute Engine an . TPUs der zweiten Generation haben eine Leistung von bis zu 180 Teraflops und mit 64 TPU-Clustern bis zu 11,5 Petaflops.

TensorFlow Memo

Keras

2017 hat das TensorFlow-Team von Google beschlossen, die Keras-Unterstützung in die TensorFlow-Kernbibliothek zu integrieren. Chollet erklärte, dass Keras eher eine Schnittstelle als ein durchgängiges maschinelles Lernsystem ist. Es bietet einen übergeordneten, intuitiveren Satz von Abstraktionen, der die Konfiguration neuronaler Netze unabhängig von der im Backend verwendeten wissenschaftlichen Computerbibliothek vereinfacht.

Numpy

NumPy ist für Cpython , eine Referenz-Python-Implementierung, die ein nicht optimierender Bytecode-Interpreter ist. Die für diese Version von Python geschriebenen mathematischen Algorithmen arbeiten häufig viel langsamer als kompilierte Gegenstücke. Die NumPy-Bibliothek löst das Geschwindigkeitsproblem aufgrund mehrdimensionaler Arrays sowie Funktionen und Operatoren, die für die Arbeit mit Arrays optimiert sind, teilweise. Es wird notwendig sein, einen Teil des Codes mit NumPy, meistens internen Schleifen, neu zu schreiben.

Numpy Memo

Pandas

Der Name „Pandas“ leitet sich vom ökonometrischen Begriff „ Paneldaten “ ab, der für mehrdimensionale strukturierte Datensätze verwendet wird.

Pandas Memo

Daten-Wrangling

Data Wrangling ( „Beweidung“ von Daten, primäre Datenverarbeitung ) - dieser Begriff beginnt, in die Popkultur einzudringen. Im Film Kong: Skull Island 2017 wird eine der Figuren als Steve Woodward, unser Daten-Wrangler, vorgestellt.

Daten-Wrangling-Memo

Pandas Data Wrangling Memo

Daten-Wrangling mit dplyr und tidyr

Data Wrangling Memo mit dplyr und tidyr

Scipy

SciPy basiert auf einem NumPy-Array-Objekt. Diese Bibliothek ist Teil des NumPy-Stacks, der Tools wie Matplotlib , Pandas und SymPy sowie eine wachsende Anzahl von Bibliotheken für das wissenschaftliche Rechnen enthält. Der NumPy-Stack sowie die MATLAB- , GNU Octave- und Scilab- Anwendungen haben dieselbe Benutzergruppe. Der NumPy-Stapel wird manchmal auch als SciPy-Stapel bezeichnet.

Scipy Memo

Matplotlib

Matplotlib ist eine Grafikbibliothek für Python und die rechnergestützte mathematische Erweiterung NumPy. Es bietet eine objektorientierte API zum Einbetten von Diagrammen in Anwendungen mit universellen GUI-Tools wie Tkinter , wxPython , Qt oder GTK + . Es gibt auch eine auf Zustandsmaschinen basierende prozedurale Pylab-Schnittstelle (wie OpenGL), die wie MATLAB aussieht, obwohl ihre Verwendung nicht empfohlen wird. SciPy verwendet Matplotlib.

Pyplot ist ein Matplotlib-Modul, das eine Schnittstelle wie MATLAB bietet. Matplotlib wird genauso wie MATLAB verwendet, ermöglicht die Verwendung von Python und ist auch kostenlos.