machine learning mindmap

Mindmap / Cheatsheet für maschinelles Lernen

Eine Mindmap, die die Konzepte des maschinellen Lernens zusammenfasst, von der Datenanalyse bis zum Deep Learning.

Überblick

Maschinelles Lernen ist ein Teilgebiet der Informatik, das Computern die Fähigkeit verleiht, zu lernen, ohne explizit programmiert zu werden. Es erforscht das Studium und die Konstruktion von Algorithmen, die aus Daten lernen und Vorhersagen treffen können.

Maschinelles Lernen ist ebenso faszinierend wie breit gefächert. Es erstreckt sich über mehrere Bereiche der Mathematik, Informatik und Neurowissenschaften. Dies ist ein Versuch, dieses riesige Gebiet in einer .PDF-Datei zusammenzufassen.

Herunterladen

Laden Sie das PDF hier herunter:

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

Gleiches, aber mit weißem Hintergrund:

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

Ich habe die Mindmap mit MindNode für Mac erstellt. https://mindnode.com

Begleitnotizbuch

Zu dieser Mindmap/diesem Cheatsheet gehört ein Jupyter-Notizbuch, das die meisten Data Science-Schritte durchläuft und unter folgendem Link zu finden ist:

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

Mindmap zum Thema Deep Learning

Hier ist eine weitere Mindmap, die sich nur auf Deep Learning konzentriert

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

1. Prozess

Bei der Datenwissenschaft handelt es sich nicht um eine „Set-and-Forget“-Aufgabe, sondern um einen Prozess, der Design, Implementierung und Wartung erfordert. Das PDF enthält einen schnellen Überblick darüber, worum es geht. Hier ist ein kurzer Screenshot.

2. Datenverarbeitung

Zuerst benötigen wir einige Daten. Wir müssen es finden, einsammeln, reinigen und etwa fünf weitere Schritte ausführen. Hier ist ein Beispiel dessen, was erforderlich ist.

3. Mathematik

Maschinelles Lernen ist ein Haus, das auf mathematischen Bausteinen gebaut ist. Durchsuchen Sie die gängigsten Komponenten und senden Sie Ihr Feedback, wenn Ihnen etwas fehlt.

4. Konzepte

Eine unvollständige Liste der Typen, Kategorien, Ansätze, Bibliotheken und Methoden.

5. Modelle

Eine Auswahl der beliebtesten Modelle. Senden Sie Ihre Kommentare, um weitere hinzuzufügen.

Referenzen

Ich plane, in Zukunft eine umfassendere Referenzliste zu erstellen. Im Moment sind dies einige der Quellen, die ich zum Erstellen dieser Mindmap verwendet habe.

 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.github.io
- Kaggle Notebooks.
- Tensorflow Documentation pages.
- Google Cloud Data Engineer certification materials.
- Multiple Wikipedia articles.

Über mich

Twitter:

https://twitter.com/danielmartinezf

Linkedin:

https://www.linkedin.com/in/danielmartinezformoso/

E-Mail:

[email protected]