Python >> Tutoriel Python >  >> Python

Les 15 meilleures feuilles de triche d'apprentissage automatique à épingler au mur de vos toilettes

Cet article compile pour vous les 15 meilleures feuilles de triche du Web qui vous aident à démarrer avec l'apprentissage automatique. Si vous manquez de temps, voici les 15 liens PDF directs (ouverts dans un nouvel onglet) :

  1. Apprentissage supervisé (Afshine Amidi)
  2. Apprentissage non supervisé (Afshine Amidi)
  3. Apprentissage en profondeur (Afshine Amidi)
  4. Conseils et astuces d'apprentissage automatique (Afshine Amidi)
  5. Probabilités et statistiques (Afshine Amidi)
  6. Algèbre linéaire et calcul (Afshine Amidi)
  7. Fiche de triche complète de Stanford Master (Afshine Amidi)
  8. Aide-mémoire sur la science des données (Datacamp)
  9. Aide-mémoire Keras (Datacamp)
  10. Apprentissage en profondeur avec Keras Cheat Sheet (RStudio)
  11. Guide visuel des infrastructures de réseaux de neurones (Institut Asimov)
  12. Aide-mémoire Python Skicit-Learn (Datacamp)
  13. Aide-mémoire Scikit-learn :Choisir le bon estimateur (Scikit-learn.org)
  14. Aide-mémoire Tensorflow (Altoros)
  15. Aide-mémoire du test de machine learning (chhéatographie)

Chaque lien de feuille de triche pointe directement vers le fichier PDF. Alors ne perdez plus de temps et commencez à apprendre plus rapidement avec ces feuilles de triche de 15 ML.

Dans la vidéo suivante, je vous décris rapidement les 15 aide-mémoire et leurs avantages et inconvénients :

(Temps de lecture de l'article :12 minutes ||| Ou regardez la vidéo)

Les feuilles de triche sont le principe 80/20 appliqué au codage :apprenez 80 % du contenu pertinent en 20 % du temps.

Si vous aimez apprendre avec des aide-mémoire, rejoignez mon académie gratuite d'aide-mémoire :

Cet article compile la liste de toutes les meilleures feuilles de triche pour l'apprentissage automatique. Vous êtes praticien et souhaitez évoluer vers le machine learning et la data science ? Vous êtes un jeune data scientist qui débute votre carrière ? Ou êtes-vous un étudiant en informatique qui a du mal à trouver une voie claire pour maîtriser le domaine intimidant de l'apprentissage automatique ? Alors consultez ces aide-mémoire pour vous faciliter la vie.

TOUS LES LIENS S'OUVRENT DANS UN NOUVEL ONGLET ! 😉

Apprentissage supervisé (Afshine Amidi)

Cette feuille de triche est la première partie d'une série de feuilles de triche créées pour la classe d'apprentissage automatique de Stanford. Il vous donne une introduction courte et concise à l'apprentissage supervisé .

Les sujets incluent ce qui suit :

  • Notations d'apprentissage supervisé,
  • Régression linéaire,
  • Classement,
  • Régression logistique,
  • Modèles linéaires généralisés,
  • Prise en charge des machines vectorielles,
  • Apprentissage génératif,
  • Analyse discriminante gaussienne,
  • Naïf Bayes,
  • Méthodes arborescentes et d'ensemble, et
  • Théorie générale de l'apprentissage

Apprentissage non supervisé (Afshine Amidi)

Cette feuille de triche est la deuxième partie de la série d'introduction pour la classe d'apprentissage automatique de Stanford. Il fournit une introduction concise à l'apprentissage non supervisé .

Vous en apprendrez plus sur ces sujets :

  • Maximisation des attentes (EM),
  • K-means clustering,
  • Regroupement hiérarchique,
  • Métriques d'évaluation du clustering,
  • Analyse en composantes principales, et
  • Analyse indépendante des composants.

Apprentissage en profondeur (Afshine Amidi)

Il s'agit de la troisième partie de la série de feuilles de triche fournies par la classe d'apprentissage automatique de Stanford. La feuille de triche regorge d'informations denses sur l'apprentissage en profondeur. Cette feuille de triche offre un lancement prometteur dans le sujet brûlant de l'apprentissage en profondeur .

La feuille de triche aborde des sujets tels que

  • Introduction aux réseaux de neurones,
  • Entropie,
  • Réseaux de neurones convolutifs,
  • Réseaux de neurones récurrents,
  • Apprentissage par renforcement, et
  • Contrôle.

Bien sûr, cela ne couvre qu'un sous-espace du vaste domaine de l'apprentissage en profondeur, mais cela vous donnera un début court et efficace dans ce domaine attrayant.

Conseils et astuces d'apprentissage automatique (Afshine Amidi)

La quatrième partie de la série de feuilles de triche fournie dans le cadre de la classe d'apprentissage automatique de Stanford promet de petits trucs et astuces en apprentissage automatique . Bien que l'auteur l'appelle ainsi ("Trucs et astuces"), je pense que ce n'est qu'un euphémisme. En réalité, cette feuille de triche vous donne des informations précieuses d'un praticien hautement qualifié dans le domaine.

Les sujets ne se limitent pas seulement à

  • Métriques,
  • Classement,
  • Régression,
  • Sélection du modèle, et
  • Diagnostics.

Une lecture incontournable pour les futurs data scientists.

Probabilités et statistiques (Afshine Amidi)

La cinquième partie de la série de feuilles de triche de la classe d'apprentissage automatique de Stanford vous donne un démarrage rapide (ils l'appellent un "rafraîchissement") dans le domaine crucial de la théorie des probabilités et des statistiques . Quel que soit le domaine dans lequel vous finirez par travailler, les statistiques vous aideront toujours à devenir un professionnel de l'apprentissage automatique. Ce rappel vaut vraiment la peine d'être lu (et un investissement de votre encre d'imprimante).

Voici les sujets abordés dans cette aide-mémoire :

  • Introduction aux probabilités et à la combinatoire,
  • Probabilité conditionnelle,
  • Variables aléatoires,
  • Distributions conjointes, et
  • Estimation des paramètres.

Obtenez cette feuille de triche maintenant !

Algèbre linéaire et calcul (Afshine Amidi)

Bien que la sixième partie de la populaire série de feuilles de triche de la classe d'apprentissage automatique de Stanford ne semble pas trop sexy, elle enseigne un domaine fondamental que chaque professionnel de l'apprentissage automatique connaît bien :l'algèbre linéaire .

Avez-vous du mal à comprendre ce sujet critique ? Votre manque de compréhension vous coûtera des semaines dès que vous commencerez à mettre en œuvre des algorithmes pratiques d'apprentissage automatique. En termes simples :vous devez maîtriser l'algèbre linéaire, il n'y a pas moyen de contourner. Alors faites-le maintenant et faites-le bien.

Quels sont les sujets précis inclus dans cette feuille de triche ?

  • Notation matricielle standard,
  • Opérations matricielles,
  • Propriétés de la matrice, et
  • Calcul matriciel (opérations de gradient).

Vous voyez, tout tourne autour des matrices. Avant même d'envisager de plonger dans des bibliothèques pratiques utilisées dans l'apprentissage automatique (comme Python's numpy, consultez mon ÉNORME tutoriel numpy), étudiez d'abord cette feuille de triche.

Fiche de triche complète de Stanford Master (Afshine Amidi)

Cette feuille de triche comprend six feuilles de triche de la classe d'apprentissage automatique de Stanford. C'est une ressource impressionnante, remplie d'informations dans de nombreux sous-domaines importants de l'apprentissage automatique. Je recommande fortement de télécharger cette ressource et de l'étudier toute une journée. Cela renforcera vos compétences en apprentissage automatique en peu de temps.

Les sujets largement diffusés de cette feuille de triche de 16 pages incluent

  • Apprentissage supervisé
  • Apprentissage non supervisé,
  • Apprentissage en profondeur,
  • Conseils et astuces de machine learning,
  • Probabilités et statistiques, et
  • Algèbre et calcul linéaires.

Ne perdez plus de temps à lire la suite de cet article et téléchargez cette aide-mémoire. Merci, Afshine, pour cette ressource géniale !

Aide-mémoire sur la science des données (Datacamp)

Les feuilles de triche du datacamp valent toujours le coup d'œil. Cependant, je recommanderais cette feuille de triche uniquement aux débutants absolus dans le domaine de la science des données. Si vous vous concentrez sur l'apprentissage des concepts de base de l'apprentissage automatique et que vous avez déjà une certaine expérience, veuillez ignorer cette aide-mémoire. Mais si vous débutez avec la science des données et l'apprentissage automatique et que vous souhaitez utiliser Python comme langage de programmation - cette science des données d'une page la feuille de triche est pour vous.

Les sujets de base de cette feuille de triche sont

  • Installer Python,
  • Variables Python et types de données,
  • Chaînes et opérations de chaîne,
  • Listes et méthodes de liste, et
  • Fonctionnalité numpy de base (numpy est la bibliothèque Python pour l'algèbre linéaire de base et les opérations matricielles).

Aide-mémoire Keras (Datacamp)

Cette feuille de triche d'une page vaut votre temps si vous vous intéressez à l'outil d'apprentissage automatique spécialisé Keras. Je n'ai pas encore utilisé Keras moi-même, mais il est considéré comme la meilleure couche d'abstraction pour l'apprentissage en profondeur et les réseaux de neurones.

Wikipedia définit Keras comme suit.

"Keras est une bibliothèque de réseaux de neurones open source écrite en Python. Il est capable de fonctionner sur TensorFlow, Microsoft Cognitive Toolkit ou Theano. Conçu pour permettre une expérimentation rapide avec des réseaux de neurones profonds, il se concentre sur la convivialité, la modularité et l'extension” .

Avec une applicabilité aussi large, j'en suis tellement convaincu que je vérifierai Keras après avoir terminé ce billet de blog. Vous aussi ?

Si Keras vous intéresse, n'hésitez pas à regarder cette vidéo et à lire l'article de blog associé sur les niveaux de revenus des développeurs Keras :

La feuille de triche Keras aborde les points suivants (d'un point de vue centré sur le code).

  • Utilisation de base,
  • Données et structures de données,
  • Prétraitement,
  • Perceptron multicouche,
  • Réseaux de neurones convolutifs,
  • Réseaux de neurones récurrents, et
  • Entraînement, inférence et ajustement du modèle

Apprentissage en profondeur avec Keras Cheat Sheet (RStudio)

En termes simples:j'adore cette feuille de triche. Il s'agit d'apprentissage en profondeur avec la bibliothèque de réseaux de neurones open source Keras. Il est visuel, précis, complet et compréhensible. Je vous recommande vivement de consulter cet aide-mémoire !

  • La feuille de triche de 2 pages vous donne un aperçu rapide du pipeline Keras pour l'apprentissage en profondeur.
  • Il vous montre comment travailler avec des modèles (par exemple, définition, formation, prédiction, ajustement et évaluation).
  • En outre, il vous donne un aperçu visuel de la façon d'accéder aux différentes couches du réseau de neurones.
  • Enfin, il fournit un exemple court mais perspicace du problème de démonstration standard de la reconnaissance de l'écriture manuscrite.

Guide visuel des infrastructures de réseaux de neurones (Institut Asimov)

Ce guide visuel d'une page vous donne un aperçu rapide de toutes les infrastructures de réseaux neuronaux les plus courantes. que vous trouverez à l'état sauvage. La fiche présente 27 architectures différentes. En tant que débutant en apprentissage automatique, vous ne tirerez pas grand-chose de cette feuille. Cependant, si vous êtes un praticien dans le domaine des réseaux de neurones, cela vous plaira.

La feuille de triche montre 27 architectures de réseaux de neurones, y compris

  • Perceptron,
  • Feedforward, Réseau à base radiale, Deep feedforward,
  • Réseau neuronal récurrent, mémoire à long/court terme (LSTM), unité récurrente fermée,
  • Encodeur automatique, encodeur automatique variationnel, encodeur automatique de débruitage, encodeur automatique clairsemé,
  • Chaîne de Markov, réseau de Hopfield,
  • Machine de Boltzmann, machine de Boltzmann restreinte, réseau de croyances profondes et
  • Enfin, réseau convolutif profond, réseau déconvolutif, réseau graphique inverse convolutif profond, réseau antagoniste génératif, machine à états liquides, machine d'apprentissage extrême, réseau à états d'écho, réseau résiduel profond, réseau kohonen, machine à vecteurs de support et machine à neurones.

Ouf, quelle liste !

Aide-mémoire Python Skicit-Learn (Datacamp)

Une autre feuille de triche PDF d'une page qui vous donne une longueur d'avance dans la bibliothèque de Python pour l'apprentissage automatique scikit-apprendre. Cette bibliothèque est la meilleure bibliothèque monoprocesseur à usage général pour l'apprentissage automatique en Python. Python est le langage de programmation le plus populaire dans le domaine de l'apprentissage automatique, donc cette feuille de triche vous donne beaucoup de valeur. Obtenez cette aide-mémoire si vous utilisez Python pour l'apprentissage automatique.

Les rubriques incluent

  • Fonctionnalités de base telles que le chargement et le prétraitement des données d'entraînement,
  • Création du modèle,
  • Ajustement du modèle,
  • Prédiction et inférence, et
  • Métriques d'évaluation telles que les métriques de classification, les métriques de régression, les métriques de clustering, la validation croisée et le réglage du modèle.

Soyez averti que ces concepts ne sont pas expliqués en détail. Il montre uniquement comment les utiliser dans la bibliothèque skicit-learn.

Cheat Sheet Scikit-learn :Choisir le bon estimateur (Scikit-learn.org)

Cette feuille de triche est si précieuse - je ne peux même pas la décrire avec des mots. Merci, créateurs de scikit-learn, d'avoir publié cette superbe œuvre d'art !

Il vous aide à déterminer quel algorithme utiliser pour quel type de problème. Vous suivez simplement les questions de la feuille de triche. En conséquence, vous atteindrez l'algorithme recommandé pour votre problème actuel. C'est pourquoi j'adore les aide-mémoire ; ils peuvent fournir des informations complexes en peu de temps.

La feuille de triche divise les estimateurs en quatre classes :

  • Classement,
  • Cluster,
  • Régression, et
  • Réduction de la dimensionnalité.

Bien que ces classes ne soient pas explorées en profondeur, vous saurez déjà dans quelle direction chercher plus loin. Bien sûr, si vous êtes déjà un praticien expérimenté, les informations fournies peuvent être trop simplistes - mais n'est-ce pas vrai pour chaque aide-mémoire ?

Construisez votre propre opinion maintenant! (Faites-le.)

Aide-mémoire Tensorflow (Altoros)

Bien que cette feuille de triche ne soit pas la plus sophistiquée, elle est toujours utile d'être l'une des rares feuilles de triche TensorFlow.

Vous connaissez TensorFlow, n'est-ce pas ? TensorFlow est l'un des projets Github les plus populaires et il est créé par Google. Son API d'apprentissage automatique est adaptée à l'apprentissage en profondeur sur un environnement informatique hétérogène (y compris les GPU). De nos jours, si vous poussez dans le domaine de l'apprentissage en profondeur, il est impossible d'éviter TensorFlow.

Obtenez une première impression avec cette feuille de triche, puis plongez dans le système TensorFlow de Google. Au fait, vous pouvez également utiliser Keras au-dessus de TensorFlow comme couche d'abstraction de plus haut niveau. Consultez la feuille de triche Keras décrite précédemment.

La feuille de triche vous donne des indices sur

  • La bonne méthode d'installation,
  • Fonctions d'assistance,
  • Le nom de certaines fonctions importantes dans TensorFlow, et
  • Estimateurs.

Pour être franc, je ne recommanderais pas d'apprendre TensorFlow avec cette feuille de triche. Pourquoi? Parce qu'il n'est pas axé sur l'éducation. Pourtant, je me suis senti obligé d'inclure le lien car il n'y a pas de meilleures alternatives pour TensorFlow. Si vous connaissez une meilleure ressource, faites-le moi savoir.

Aide-mémoire du test d'apprentissage automatique (chhéatographie)

Connaissez-vous la triche ? C'est comme Wikipedia pour les feuilles de triche. Tout le monde peut soumettre des feuilles de triche (contenu généré par l'utilisateur).

Après avoir parcouru la plupart des feuilles de triche d'apprentissage automatique chez Cheatography, j'ai trouvé que celle-ci serait la plus utile pour la plupart de nos lecteurs. Il s'agit d'un aperçu bien structuré de certains algorithmes d'apprentissage automatique importants.

  • Cela vous montre qu'il existe trois problèmes courants dans le machine learning :la régression, le clustering et la classification.
  • Il vous donne les étapes générales pour entraîner un modèle.
  • Enfin, il passe en revue une collection d'algorithmes spécifiques que vous devez connaître lorsque vous débutez dans le domaine de l'apprentissage automatique. Il s'agit de la régression logistique, de l'arbre de décision, de la forêt aléatoire, des k-moyennes, des bayes naïfs, des k voisins les plus proches et des machines à vecteurs de support.

Je sais que ce n'est qu'un premier plongeon dans l'océan. Mais si vous êtes un praticien débutant ou intermédiaire en apprentissage automatique, c'est peut-être ce que vous recherchiez.

Aide-mémoire sur l'algorithme d'apprentissage automatique de Microsoft (Azure)

Cette excellente feuille de triche vous donne un aperçu rapide des algorithmes les plus importants et de leur interdépendance. C'est un excellent moyen d'avoir un aperçu du domaine de l'intelligence artificielle et de l'apprentissage automatique.


Avez-vous apprécié cette collection des meilleures feuilles de triche d'apprentissage automatique sur le Web ? Je recommande de télécharger toutes les feuilles, de les imprimer et de travailler sur chacune d'elles. Cela vous donnera un premier aperçu du domaine de l'apprentissage automatique. Plus tard, vous pourrez décider dans quelle zone plonger davantage.

Bonus  :De nombreux systèmes d'apprentissage automatique à chaud (par exemple, TensorFlow) nécessitent d'excellentes compétences en programmation Python. Connaissez-vous toutes les fonctionnalités, astuces et astuces de Python ? Si ce n'est pas le cas, je vous recommande de consulter ce cours gratuit par e-mail sur les feuilles de triche Python.

Le cours par e-mail vous fournira non seulement 5 feuilles de triche Python (80 % de l'apprentissage en 20 % du temps, vous vous souvenez ?), mais également un flux constant de conférences sur la programmation Python. C'est 100% gratuit, vous pouvez vous désinscrire à tout moment, et je ne vous spammerai pas. C'est de la pure valeur (et occasionnellement je vous enverrai des informations sur mes livres et mes cours). Alors jetez-y un coup d'œil !

Abonnez-vous au cours par e-mail **GRATUIT**

Meilleur aide-mémoire Python

Python est au cœur de l'apprentissage automatique aujourd'hui. Il possède le meilleur support de bibliothèque pour l'apprentissage automatique parmi tous les langages de programmation. Ainsi, pour devenir un meilleur ingénieur ML, vous devrez peut-être étudier Python. Quoi de mieux que de télécharger un aide-mémoire PDF ?

C'est la meilleure feuille de triche unique. Il utilise chaque centimètre de la page pour offrir de la valeur et couvre tout ce que vous devez savoir pour passer de débutant à intermédiaire. Les sujets abordés incluent les types de conteneurs, les conversions, les modules, les mathématiques, les conditions et le formatage pour n'en nommer que quelques-uns. Une fiche de 2 pages hautement recommandée !

Meilleur aide-mémoire NumPy

Voici un téléchargement rapide pour vous :j'ai créé cette feuille de triche pour expliquer certains concepts NumPy importants à mes étudiants en codage.

NumPy est un package de calcul scientifique Python largement utilisé. Il simplifie l'algèbre linéaire, les calculs matriciels et accélère l'analyse des données. Connaître NumPy est un prérequis pour d'autres packages Python comme pandas ou Scikit-Learn.

Meilleur aide-mémoire Scikit-Learn

Cette feuille de triche Scikit-Learn de DataCamp lancera votre projet de science des données en vous présentant avec succès les concepts de base des algorithmes d'apprentissage automatique. Cette aide-mémoire est destinée à ceux qui ont déjà commencé à apprendre les packages Python et à ceux qui souhaitent jeter un coup d'œil rapide pour avoir une première idée des bases pour les débutants complets !

Meilleur aide-mémoire Scipy

La feuille de triche provient de DataCamp.com et regorge d'informations à consommer. Vous apprendrez à interagir avec Numpy et connaîtrez les fonctions et méthodes à utiliser pour l'algèbre linéaire et bien sûr une section d'aide. C'est celui que j'accrocherais derrière mon moniteur derrière le mur !

Aide-mémoire des meilleurs pandas

Celui-ci vient des gars des pandas, il est donc logique qu'il s'agisse d'une feuille de triche complète et inclusive. Il couvre la grande majorité de ce que la plupart des utilisateurs de pandas devront faire avec un DataFrame. Vous utilisez déjà des pandas depuis un petit moment ? Et cherchez-vous à améliorer votre jeu ? Ceci est votre aide-mémoire ! Cependant, si vous êtes nouveau sur les pandas et que cette feuille de triche est un peu écrasante, ne vous inquiétez pas ! Vous n'avez certainement pas besoin de tout comprendre dans cette feuille de triche pour commencer.


Prochain article