Overview

機器學(xué)習(xí)是計算機科學(xué)的一個子領(lǐng)域，使計算機不需要明確的編程步棸就能夠自主學(xué)習(xí)。它致力于通過學(xué)習(xí)數(shù)據(jù)和預(yù)測數(shù)據(jù)來建立各種算法。

機器學(xué)習(xí)的應(yīng)用范圍非常廣泛。它涵蓋數(shù)學(xué)，計算機科學(xué)和神經(jīng)科學(xué)的多個領(lǐng)域。這是一個試圖在一個PDF文件中來總結(jié)整個機器學(xué)習(xí)領(lǐng)域。

Download

PDF 的下載地址:

• https://github.com/dformoso/machine-learning-mindmap/blob/master/Machine%20Learning.pdf

 同一個文件，只是以白色為背景

• https://github.com/dformoso/machine-learning-mindmap/blob/master/Machine%20Learning%20-%20White%20BG.pdf

我是使用MindNode在Mac上建立這些思維導(dǎo)圖的 https://

對應(yīng)的Notebook

這個思維導(dǎo)圖或者說是速查表還有一個相對應(yīng)的Jupyter Notebook，它會教你如何一步一步的進(jìn)行數(shù)據(jù)科學(xué)

• https://github.com/dformoso/sklearn-classification

關(guān)于深度學(xué)習(xí)的思維導(dǎo)圖

這是另外一個主要關(guān)于深度學(xué)習(xí)的思維導(dǎo)圖

• https://github.com/dformoso/deeplearning-mindmap

1. 過程

數(shù)據(jù)科學(xué)處理做不到一勞永逸，而是一個需要設(shè)計，實施和維護(hù)不斷反復(fù)的過程。 PDF里面包含有關(guān)內(nèi)容的快速概覽。下面是一個快速截圖。

2. 數(shù)據(jù)處理

首先我們需要一些數(shù)據(jù)。我們找到、收集、清洗以及其它的五個步棸來處理這些數(shù)據(jù)。下面是一些數(shù)據(jù)處理要求的例子。

3. 數(shù)學(xué)運算

數(shù)學(xué)是建立機器學(xué)習(xí)的基石。你可以通過這個PDF瀏覽最常見的組件。 ps：如果你看到缺少的東西可以給作者發(fā)送您的反饋，。

4. 概念

一個可能并不十分全面關(guān)于激活函數(shù)，loss函數(shù)，計算框架以及方法的列表

5. 模型

經(jīng)常使用模型的列表。

引用

我準(zhǔn)備在未來建立一個更全面的引用列表。現(xiàn)階段我只是列出了我建立這個思維導(dǎo)圖PDF時的部分來源。

• 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.

• Kaggle Notebooks.

• Tensorflow Documentation pages.

• Google Cloud Data Engineer certification materials.

• Multiple Wikipedia articles.