1. 神经网络
2. 神经网络结构
3. 神经网络公式
4. 机器学习：概览
5. 机器学习：Scikit-learn算法
Scikit-learn是基于Python的功能强大的开源科学计算工具包，内含分类、回归、聚类、支持向量机、随机森林与Gradient Boosting等算法。
6. 机器学习：算法概览
7. Python数据科学
8. 大数据
9. TensorFlow
2017 年 5 月，谷歌宣布了第二代 TPU ，并在Google Compute Engine中加入了对 TPU 的支持。第二代 TPU 有高达 180 万亿次浮点运算性能。当 64 块TPU 组合使用时，可提供高达 11.5 千万亿次浮点运算的性能。
10. Keras
2017 年，TensorFlow核心库加入了对 Keras 的支持。Keras作者Chollet表示Keras更适合作端口使用，而非端对端的机器学习框架，它提供了更高级更直观的抽象集合，可轻松配置神经网络，无需考虑后端科学计算库。
11. NumPy
NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多。
12. Pandas：Python结构化数据分析利器
13. Data Wrangling
14. Data Wrangling with dplyr and tidyr
15. SciPy
基于 NumPy 数组对象构建，是 NumPy 堆栈的一部分，包含 Matplotlib，pandas 和 SymPy 等工具，以及一个科学计算库的扩展集。
16. Matplotlib
Matplotlib是Python中常用的可视化工具之一，便于创建海量类型2D图表和一些基本的3D图表。
17. 数据可视化
18. PySpark
19. Big-O
原文地址：
https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-678c51b4b46
∞∞∞∞∞
公众号回复“AI”，
邀你加入{AI机器学习圈}
2018年，人工智能 VS 区块链，谁更牛逼？
AI人才大迁徙:如何迅速成为机器学习内行？
一个视频带你看懂区块链将如何改变世界
