AI ML cheatsheets
1.0.0
Dieses GitHub-Repository sammelt die beliebtesten Cheatsheets und Kurzanleitungen für künstliche Intelligenz (KI) und maschinelles Lernen (ML). 
Um das Herunterladen und Durchsuchen der Dateien zu vereinfachen, ist hier eine Google Drive-Version dieses GitHub-Repositorys verfügbar.
Die globale Struktur dieses GitHub-Repositorys folgt in gewissem Maße der folgenden Roadmap für KI und maschinelles Lernen. 
01- Mathematik
02- C++
03- Python
04- Computerarchitektur
05- Datenstrukturen
06- Automatentheorie
06- Komplexitätstheorie
07- SQL
08- Datenbereinigung
09- Datenvisualisierung
10- Mathematische Logik
11- Einführung in die KI
12- Maschinelles Lernen
13- Tiefes Lernen
14- Metriken zur Bewertung von ML-Algorithmen
15- Verstärkungslernen
16- Zeitreihen
17- Git
01- Mathematik
Spickzettel für Infinitesimalrechnung ganz reduziert
Spickzettel für Infinitesimalrechnung
Lineare Algebra auf 4 Seiten
Wahrscheinlichkeits-Spickzettel
Spickzettel zur Wahrscheinlichkeitsverteilung
Statistik-Spickzettel
Super-Spickzettel-Mathematik
Zusammenfassende Statistiken
02- C++
C++-Referenzkarte
C++-Bibliotheken
C++ OOP-Referenzkarte
03- Python
Python für Anfänger
Python-Referenz-Spickzettel
Python-Spickzettel
Cheatsheet für Python für Data Science
Numpy-Spickzettel
Pandas-Spickzettel 1
Pandas-Spickzettel 2
Matplotlib-Cheatsheet 1
Matplotlib-Cheatsheet 2
Scikit-Learn-Spickzettel
Liste, Tupel, Mengen, Wörterbuch
Python-Tutorial
04- Computerarchitektur
Spickzettel zur Computerorganisation
05- Datenstrukturen
Klassifizierung von Datenstrukturen
Datenstrukturen
Komplexität
Ressourcen
06- Automatentheorie
Sprachen und Automaten Cheathseet
Automaten-Spickzettel
Spickzettel zur kontextfreien Grammatik
06- Komplexitätstheorie
Spickzettel zur Komplexitätstheorie
Spickzettel zur Berechenbarkeitstheorie
07- SQL
SQL-Kurzanleitung
SQL-Operationen
Ausführungsreihenfolge der SQL-Abfrage
SQL-Befehle
SQL-Basics-Cheat-Sheet-A4
SQL-Joins-Cheat-Sheet-a4
Studienführer-Datenabruf-mit-SQL
SQL-Roadmap
08- Datenbereinigung
Checkliste zur Datenbereinigung
Anleitung zur Datenbereinigung
Datenvorbereitungs-Spickzettel
Feature-Engineering
Methoden zur Funktionsauswahl
Spickzettel zum Testen von Hypothesen
09- Datenvisualisierung
Grundprinzipien der Datenvisualisierung
Visuelles Vokabular
Spickzettel zur Datenvisualisierung
Die Diagrammauswahl
Von Daten zur Visualisierung
10- Mathematische Logik
Cheatsheet-Logikmodelle
11- Einführung in die KI
Cheatsheet-States-Modelle
Cheatsheet-Variablen-Modelle
12- Maschinelles Lernen
Maschineller Lernprozess
Karte für maschinelles Lernen
Algorithmen für maschinelles Lernen
So wählen Sie einen ML-Algorithmus aus 1
So wählen Sie einen ML-Algorithmus aus 2
Zeitkomplexität von ML-Algorithmen
Vergleich von ML-Algorithmen 1
Vergleich von ML-Algorithmen 2
Vergleich von ML-Algorithmen 3
Vergleich von ML-Algorithmen 4
Vergleich von ML-Algorithmen 5
Super-Spickzettel-maschinelles Lernen
Spickzettel für maschinelles Lernen
Erklärbarkeit des maschinellen Lernens
Maschinelle Lernoperationen MLOps
13- Tiefes Lernen
Super-Spickzettel-Deep-Learning
Spickzettel für große Sprachmodelle
Haupttypen neuronaler Netze
Architektur - Klassifizierung MLP
Architektur - Regression MLP
Aktivierungsfunktion – Versteckte Ebene
Aktivierungsfunktion – Ausgabeschicht
Aktivierungsfunktionen
14- Metriken zur Bewertung von ML-Algorithmen
Metriken-maschinelles Lernen
Leistungsmessung, maschinelles Lernen
15- Verstärkungslernen
Spickzettel zum Verstärkungslernen 1
Spickzettel zum Verstärkungslernen 2
16- Zeitreihen
Zeitreihen-Spickzettel
17- Git
Git-Spickzettel
Git-Spickzettel 2
