在過去的幾個月中，我一直在收集AI備忘單。 我不時與朋友和同僚們分享它們，最近我受到很多詢問，是以我決定組織和分享整個系列。 為了使事情變得更有趣并提供上下文，我為每個主要主題添加了描述和/或摘錄。
這是最完整的清單，Big-O在最後，請享受…
>>>更新：我們最近将這些備忘單重新設計為超高清PDF。 在下面檢視它們：
Machine Learning Overview
機器學習：Scikit學習算法
這份機器學習備忘單将幫助您找到最困難的工作的正确估算器。 該流程圖将幫助您檢查每個估算器的文檔和粗略指南，進而幫助您進一步了解問題及其解決方法。
Scikit學習
Scikit-learn（以前為scikits.learn）是針對Python程式設計語言的免費軟體機器學習庫。 它具有各種分類，回歸和聚類算法，包括支援向量機，随機森林，梯度提升，k均值和DBSCAN，并且旨在與Python數值和科學庫NumPy和SciPy互操作。
機器學習：算法備忘單
Microsoft Azure的此機器學習備忘單将幫助您為預測分析解決方案選擇适當的機器學習算法。 首先，備忘單将詢問您有關資料的性質，然後為該工作提出最佳算法。
Keras
2017年，Google的TensorFlow團隊決定在TensorFlow的核心庫中支援Keras。 Chollet解釋說Keras被認為是一個接口，而不是端到端的機器學習架構。 它提供了更高層次，更直覺的抽象集，無論後端科學計算庫如何，都可以輕松配置神經網絡。