本文作者在 Github 上建立了一個代碼速查表，對機器學(xué)習(xí)初學(xué)者來說是不可多得的一個資源。

對于初學(xué)者來講，入門機器學(xué)習(xí)和深度學(xué)習(xí)非常困難；同時深度學(xué)習(xí)庫也難以理解。通過收集多方資源，我在 Github 上創(chuàng)建了一個速查表庫，希望能對你有所幫助。

1.Keras

Keras 是一個非常強大且容易上手的深度學(xué)習(xí)庫；當(dāng) Keras 接入 Theano 和 TensorFlow 時，后兩者可提供高水平的神經(jīng)網(wǎng)絡(luò) API 以開發(fā)和評估深度學(xué)習(xí)模型。該速查表可用于 Python 數(shù)據(jù)科學(xué)和機器學(xué)習(xí)。

2. Numpy

Numpy 庫是 Python 中科學(xué)性計算的核心庫，它提供高性能、多維度的數(shù)組對象，以及對這些數(shù)組進行運算的工具。該速查表可用于 Python 數(shù)據(jù)科學(xué)和機器學(xué)習(xí)。

3. Pandas

這張 Pandas 速查表主要用于數(shù)據(jù)整理（data wrangling）。

Pandas 庫構(gòu)建在 NumPy 上，并為 Python 編程語言提供易于上手的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。該速查表可用于 Python 數(shù)據(jù)科學(xué)和機器學(xué)習(xí)。

4. SciPy

SciPy 庫是科學(xué)性計算的核心包之一，科學(xué)性計算可提供數(shù)學(xué)算法和構(gòu)建在 Python 的 NumPy 擴展上的便捷函數(shù) （Convenience Functions） ；該表中還包括線性代數(shù)的部分。該速查表可用于 Python 數(shù)據(jù)科學(xué)和機器學(xué)習(xí)。

5. Matplotlib

Matplotlib 是一個 Python 2D 繪圖庫，它在平臺上以多種硬拷貝格式和交互環(huán)境生成發(fā)表品質(zhì)的圖。該速查表用于 Python 數(shù)據(jù)科學(xué)。

6. Scikit-learn

Scikit-learn 是一個開源 Python 庫，通過統(tǒng)一接口實現(xiàn)一系列的機器學(xué)習(xí)、預(yù)處理、交叉驗證和視覺化算法。該速查表可用于 Python 數(shù)據(jù)科學(xué)和機器學(xué)習(xí)。

7. Neural Networks Zoo（神經(jīng)網(wǎng)絡(luò)大全）

該速查表幾乎涵蓋了所有類型的神經(jīng)網(wǎng)絡(luò)。

8. ggplot2

ggplot2 基于圖形語法，其思想是你可以利用相同的幾個組件構(gòu)建所有的圖形：一個數(shù)據(jù)集、一個幾何集（表征數(shù)據(jù)點的視覺化標(biāo)記）和一個協(xié)作系統(tǒng)。該速查表用于數(shù)據(jù)可視化。