machine learning mindmap

Mindmap/шпаргалка по машинному обучению

Mindmap, обобщающий концепции машинного обучения, от анализа данных до глубокого обучения.

Обзор

Машинное обучение — это раздел информатики, который дает компьютерам возможность учиться без явного программирования. Он исследует изучение и создание алгоритмов, которые могут учиться на данных и делать прогнозы на их основе.

Машинное обучение столь же увлекательно, сколь и широкомасштабно. Он охватывает несколько областей математики, информатики и нейронауки. Это попытка обобщить эту огромную область знаний в одном файле .PDF.

Скачать

Загрузите PDF здесь:

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

То же, но с белым фоном:

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

Я построил интеллект-карту с помощью MindNode для Mac. https://mindnode.com

Ноутбук-компаньон

К этой Mindmap/Cheatsheet есть сопутствующий блокнот Jupyter, в котором описано большинство шагов по науке о данных, которые можно найти по следующей ссылке:

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

Ментальная карта по глубокому обучению

Вот еще одна карта разума, которая фокусируется только на глубоком обучении.

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

1. Процесс

Наука о данных — это не процесс «установил и забыл», а процесс, требующий проектирования, внедрения и обслуживания. PDF-файл содержит краткий обзор того, что происходит. Вот быстрый скриншот.

2. Обработка данных

Во-первых, нам понадобятся некоторые данные. Нам надо его найти, собрать, почистить и еще около 5 шагов. Вот пример того, что требуется.

3. Математика

Машинное обучение — это дом, построенный из математических кубиков. Просмотрите наиболее распространенные компоненты и отправьте отзыв, если заметите, что чего-то не хватает.

4. Концепции

Неполный список типов, категорий, подходов, библиотек и методологии.

5. Модели

Выборка самых популярных моделей. Присылайте свои комментарии, чтобы добавить больше.

Ссылки

В будущем я планирую составить более полный список литературы. На данный момент это некоторые источники, которые я использовал для создания этой карты разума.

 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.

Обо мне

Твиттер:

https://twitter.com/danielmartinezf

Линкедин:

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

Электронная почта:

[email protected]