【导读】过去几个月里，我一直致力于收集AI速查表，并时常与朋友和同事分享。因此，我决定将它们整理成一份全面的资料，以供更多人参考。为了使这份资料更加有趣，我在每个主题下添加了一些描述。

以下是这份全面的AI速查表，希望能为你带来帮助……

神经网络

神经网络图

机器学习概述

机器学习是一种重要的技术，其中Scikit-learn是一个常用的Python库，能够帮助用户找到适合任务的模型。这份速查表提供了从数据类型到算法选择的详细流程，旨在简化机器学习过程。

Scikit-learn

Scikit-learn是一个开源的Python机器学习库，涵盖了分类、回归、聚类等多个领域，支持多种算法，如支持向量机、随机森林等。此外，它还与Numpy和SciPy等科学计算库兼容。

机器学习算法速查表

这是一份来自Microsoft Azure的速查表，旨在帮助用户选择合适的机器学习算法。它会首先询问数据类型，然后给出最佳的算法建议。

数据科学与Python

Python在数据科学领域应用广泛，提供了丰富的库和工具，如Scikit-learn、TensorFlow等。这些工具不仅简化了数据处理和建模的过程，还能提高工作效率。

TensorFlow

TensorFlow是由Google开发的一个开源机器学习框架。其最新版本TPU提供了强大的计算能力，极大地提升了深度学习模型的训练效率。

Keras

Keras是一个高级的神经网络API，可以在TensorFlow等后端框架上运行。它的设计目标是使用户能够快速搭建和实验各种神经网络模型。

Numpy

Numpy是Python中用于数值计算的重要库，提供了高效的多维数组操作功能。尽管它本身没有优化，但在处理大量数据时表现出色。

Pandas

Pandas是Python中用于数据分析的强大库，特别适用于处理结构化数据。它提供了丰富的数据结构和数据分析工具，使得数据处理变得更加简单。

数据整理

“数据整理”是指对原始数据进行清洗、转换和整合的过程。这一术语起源于流行文化，后来成为数据科学领域的常用术语。

Scipy

Scipy是一个基于Numpy的科学计算库，提供了许多有用的工具和函数，包括线性代数、积分、插值等。它与Matplotlib等其他库一起构成了Python的科学计算生态系统。

Matplotlib

Matplotlib是一个用于绘制图表的Python库，特别适合创建静态、动态和交互式的可视化效果。它提供了一种类似于MATLAB的绘图接口，简单易用且免费。

资源

以下是一些相关的速查表和资源链接：

• 数据科学速查表：DataCamp
• 数据整理速查表：RStudio
• 数据整理：Wikipedia
• Keras速查表：DataCamp
• 机器学习速查表：Microsoft Azure
• Matplotlib速查表：DataCamp
• Scikit-learn速查表：Peekaboo Vision
• SciPy速查表：DataCamp
• TensorFlow速查表：Altoros