最全技术图谱！一文掌握人工智能各大分支技术

原文：Cheat Sheets for AI, Neural Networks, Machine Learning, Deep Learning & Big Data
作者：Stefan Kojouharov
翻译：聂震坤
审校：屠敏

在过去的几个月中，我一直在收集有关人工智能的相关资料。随着各种的问题被越来越频繁的提及，我决定整理并分享有关人工智能、神经网络、机器学习、深度学习与大数据的技术合辑。同时为了内容更加生动易懂，本文将会针对各个大类展开详细解析。

神经网络

机器学习

机器学习： Scikit-learn 算法

此部分内容可以帮助你解决机器学习中最难的部分，即找到正确的估计器（Estimator）。下图可帮助快速查找文档与简介，更快了解问题并找到解决方法。

Scikit-Learn

Scikit-learn(更正式的叫法为 scikits.learn)是 Python 的一个用于机器学习的免费库。库中有大量的分类，回归与聚类算法，并支持向量机、随机森林、梯度提升、 K 均值与 DBSCAN。 旨在与 Python 数字库 NumPy 和科学库 SciPy 进行交互。

机器学习：算法

此部分旨在介绍如何根据预测分析方案选择合适的机器学习算法。下图可以根据数据性质提出最佳算法。

用于数据科学的 Python

TensorFlow

谷歌于 2017 年 5 月宣布了第二代 TPU 并在谷歌计算引擎中加入了对 TPU 的支持。第二代 TPU 拥有高达 180 万亿次浮点运算性能（180 teraflops）。当 64 个 TPU 组合在一起时，可以提供高达 11.5 千万亿次浮点运算性能（11.5 petaflops）。

Keras

2017 年，谷歌在 TensorFlow 的核心库中加入了对 Keras 的支持。有学者认为，认为相较于端到端的机器学习框架，Keras 更适合作为接口来使用。它提供了更高级别，更直观的抽象集合，使得无论后端科学计算库如何，都可以轻松配置神经网络。

Numpy

NumPy 是针对 Python 的 CPython 参考实现，是一个非优化的字节码解释器。针对目前版本的Python编写数学算法的运行速度相对较慢的问题，Numpy 使用多维数组和函数与运算符来改写部分代码来提高运行效率。

Pandas

名称 “Pandas” 源于“面板数据”（Panel Data）一词，是多维结构化数据集的计量经济学术语。

数据预处理

数据预处理一词已经开始渗透进流行文化中。在2017年电影“金刚：骷髅岛”中，演员马克·埃文·杰克逊（Marc Evan Jackson）饰演的角色为“我们的数据处理者–史蒂夫·伍德沃德。

用 Dplyr 与 Tidyr 进行数据预处理

SciPy

SciPy 是基于 NumPy 数组对象进行构建，为 NumPy 堆栈的一部分。包括 Matplotlib，pandas 和 SymPy 等工具，以及扩展的科学计算库集。该 NumPy 堆栈与其他应用程序（如MATLAB，GNU Octave 和 Scilab）具有类似的使用者。 NumPy 堆栈有时也被称为 SciPy 堆栈。

Matplotlib

Matplotlib 是 Python 编程语言及其数学数学扩展 NumPy 的绘图库。它提供了面向对象的API，用于使用 Tkinter，wxPython，Qt 或 GTK +等通用 GUI 工具包将图形嵌入到应用程序中。还有一个基于状态机（如 OpenGL）的程序 “pylab” 接口。接口类似 MATLAB，但不鼓励使用。

Pyplot 是一个 matplotlib 模块，他提供了一个类似 MATLAB 的界面。Pyplot 拥有跟MATLAB 一样易上手，兼容 Pyhton 并且免费的优点。

数据可视化

PySpark