最全技術圖譜！一文掌握人工智能各大分支技術

人工智能?深度學習?神經網絡?機器學習 閱讀1204?

原文：Cheat Sheets for AI, Neural Networks, Machine Learning, Deep Learning & Big Data?
作者：Stefan Kojouharov?
翻譯：聶震坤?
審校：屠敏

在過去的幾個月中，我一直在收集有關人工智能的相關資料。隨著各種的問題被越來越頻繁的提及，我決定整理并分享有關人工智能、神經網絡、機器學習、深度學習與大數據的技術合輯。同時為了內容更加生動易懂，本文將會針對各個大類展開詳細解析。

神經網絡

機器學習

機器學習： Scikit-learn 算法

此部分內容可以幫助你解決機器學習中最難的部分，即找到正確的估計器（Estimator）。下圖可幫助快速查找文檔與簡介，更快了解問題并找到解決方法。

Scikit-Learn

Scikit-learn(更正式的叫法為 scikits.learn)是 Python 的一個用于機器學習的免費庫。庫中有大量的分類，回歸與聚類算法，并支持向量機、隨機森林、梯度提升、?K 均值與?DBSCAN。 旨在與 Python 數字庫 NumPy 和科學庫 SciPy 進行交互。

機器學習：算法

此部分旨在介紹如何根據預測分析方案選擇合適的機器學習算法。下圖可以根據數據性質提出最佳算法。

用于數據科學的 Python

TensorFlow

谷歌于 2017 年 5 月宣布了第二代 TPU 并在谷歌計算引擎中加入了對 TPU 的支持。第二代 TPU 擁有高達 180 萬億次浮點運算性能（180 teraflops）。當 64 個 TPU 組合在一起時，可以提供高達 11.5 千萬億次浮點運算性能（11.5 petaflops）。

Keras

2017 年，谷歌在 TensorFlow 的核心庫中加入了對 Keras 的支持。有學者認為，認為相較于端到端的機器學習框架，Keras 更適合作為接口來使用。它提供了更高級別，更直觀的抽象集合，使得無論后端科學計算庫如何，都可以輕松配置神經網絡。

Numpy

NumPy 是針對 Python 的 CPython 參考實現，是一個非優化的字節碼解釋器。針對目前版本的Python編寫數學算法的運行速度相對較慢的問題，Numpy 使用多維數組和函數與運算符來改寫部分代碼來提高運行效率。

Pandas

名稱 “Pandas” 源于“面板數據”（Panel Data）一詞，是多維結構化數據集的計量經濟學術語。

數據預處理

數據預處理一詞已經開始滲透進流行文化中。在2017年電影“金剛：骷髏島”中，演員馬克·埃文·杰克遜（Marc Evan Jackson）飾演的角色為“我們的數據處理者–史蒂夫·伍德沃德。

用 Dplyr 與 Tidyr 進行數據預處理

SciPy

SciPy 是基于 NumPy 數組對象進行構建，為 NumPy 堆棧的一部分。包括 Matplotlib，pandas 和 SymPy 等工具，以及擴展的科學計算庫集。該 NumPy 堆棧與其他應用程序（如MATLAB，GNU Octave 和 Scilab）具有類似的使用者。 NumPy 堆棧有時也被稱為 SciPy 堆棧。

Matplotlib

Matplotlib 是 Python 編程語言及其數學數學擴展 NumPy 的繪圖庫。它提供了面向對象的API，用于使用 Tkinter，wxPython，Qt 或 GTK +等通用 GUI 工具包將圖形嵌入到應用程序中。還有一個基于狀態機（如 OpenGL）的程序 “pylab” 接口。接口類似 MATLAB，但不鼓勵使用。

Pyplot 是一個 matplotlib 模塊，他提供了一個類似 MATLAB 的界面。Pyplot 擁有跟MATLAB 一樣易上手，兼容 Pyhton 并且免費的優點。

數據可視化

PySpark

由中國人工智能學會、阿里巴巴集團 & 螞蟻金服主辦，CSDN、中國科學院自動化研究所承辦的第三屆中國人工智能大會（CCAI 2017）將于 7 月 22-23 日在杭州召開。作為中國國內高規格、規模空前的人工智能大會，本次大會由中國科學院院士、中國人工智能學會副理事長譚鐵牛，阿里巴巴技術委員會主席王堅，香港科技大學計算機系主任、AAAI Fellow 楊強，螞蟻金服副總裁、首席數據科學家漆遠，南京大學教授、AAAI Fellow 周志華共同甄選出在人工智能領域本年度海內外最值得關注的學術與研發進展，匯聚了超過 40 位頂級人工智能專家，帶來 9 場權威主題報告，以及“語言智能與應用論壇”、“智能金融論壇”、“人工智能科學與藝術論壇”、“人工智能青年論壇”4 大專題論壇，屆時將有超過 2000 位人工智能專業人士參與。

總結

以上是生活随笔為你收集整理的最全技术图谱！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。