包含了寻找文件的绝对路径、复制和重命名文件、建立目录、启动系统服务等Linux基本操作命令
导读：本文是根据 Stefan Kojouharov 发表在 Medium 上的文章整理而成的一份人工智能、神经网络、机器学习、深度学习和大数据方面的速查表。为了便于查找与使用，本文对每个主题进行了分类，希望可以对各位的工作有所帮助。
本文介绍了深度学习、大数据和机器学习的技术原理、相关库和工具，以及其在实际应用中的优势和挑战。
选自Github等 机器之心编译 参与：蒋思源 机器之心此前曾提供过机器学习和深度学习最好的九张代码速查表，不过近日又有博主发表了一次完全的速查表。虽然有一些和以前是重复的，但还是增加了一些新的速查表。本文前一部分主要重点描述新添加的速查表，后一部分再为读者提供一些以前的速查表资源。这些速查表暂时是保持英文的，因为后面一些不熟悉的库和函数我们可能编译不太精确。所以如果读者有较多需求，机器之心会考虑在 Github 中汉化这些概念和库函数速查表。文末提供了所有速查表的百度云下载地址。 首先第一张图描述了机器学
这个速查表可以帮助你为你的任务找到合适的estimator，这个是工作中最困难的地方。流向图帮助你查找文档，estimator也能大致的帮助你更加好的理解你的问题，以及如何解决问题。
来源 | https://www.jianshu.com/u/be48b04ecc3e
关于Python、R和Numpy、Scipy以及Pandas的速查表 有了这些和R语言、python、Django、MySQL、SQL、Hadoop、Apache Spark以及机器学习算法相关的速查表，会让你对数据科学和数据挖掘的概念及相关命令得心应手，并加快开发速度。 在数据科学界，有着成千上万的软件包和成百上千的函数！一个激情澎拜的数据爱好者没有必要掌握所有的。这里会包含大多数重要的软件包和函数，能够让你在紧凑的几页中集思广益并吸收知识。 精通数据科学需要掌握统计学、数学、编程知识，特别是R语言、
作者在 Github 上建立了一个代码速查表，对机器学习初学者来说是不可多得的一个资源。机器之心将文章中的高清图片下载到了百度网盘，读者可从中浏览，也可以点击项目地址或文后的原文地址查阅。
作者在 Github 上建立了一个代码速查表，对机器学习初学者来说是不可多得的一个资源。文章中的高清图片附加百度网盘，读者可从中浏览，也可以点击项目地址或文后的原文地址查阅。 对于初学者来讲，入门机器学习和深度学习非常困难；同时深度学习库也难以理解。通过收集多方资源，我在 Github 上创建了一个速查表库，希望能对你有所帮助。欢迎访问这个库，并完善它（如果你也有速查表）。 链接: http://pan.baidu.com/s/1o8ymXcu 密码: tkpe 项目地址：https://github.co
选自medium 作者：Kailash Ahirwar 机器之心编译 参与：黄小天 作者在 Github 上建立了一个代码速查表，对机器学习初学者来说是不可多得的一个资源。机器之心将文章中的高清图片下载到了百度网盘，读者可从中浏览，也可以点击项目地址或文后的原文地址查阅。 对于初学者来讲，入门机器学习和深度学习非常困难；同时深度学习库也难以理解。通过收集多方资源，我在 Github 上创建了一个速查表库，希望能对你有所帮助。欢迎访问这个库，并完善它（如果你也有速查表）。 网盘地址：https://pan.b
过去的几个月中，我都在收集AI速查表。我时不时的分享给同学和朋友，他们经常问我要。所以我决定整理一下，发出来。为了让这件事情更加有趣，我对每个主题加了点描述。
你能很轻松的从上面找到具体某项技术的快捷命令与基础语法，用上之后，相信能大幅提升开发效率。
今天给大家带来一份由 Lemon 整理的 Markdown 速查表 ，先来一张图镇楼哈：
在数据科学领域有成千上万的包和数以百计的函数公式，你虽然不需要掌握所有的这些知识，但是有一些速查表在你的学习中是非常重要的。学习大数据包括对统计学、数学、编程知识（尤其是R、python、SQL）等知识的理解，还需要理解业务来驱动决策。这些表单也许能给你一些帮助。 Python的速查表 Python在初学者中非常受欢迎，同样足以支持那些最受欢迎的产品和应用程序，它的设计让你在编程的时候感觉同用英语写作一样自然，Python basics 或者Python Debugger的速查表覆盖了重要的语法。 Pyth
Python 作为当下最大众化的编程语言，相信每天都会有大量的新手朋友进入学习大军的行列。但是无论一门语言是多么的容易学习，其基本概念、基础知识还是比较多的，对于小白来说，一时间要掌握这么多还是有些吃力。今天精选收集了众多 Python 相关的知识速查表，可以说是包罗万象，以后妈妈再也不用担心大家记不住任何知识点了！
之前给大家分享一份matlab绘图速查表《有了这张matlab绘图速查表，您还用担心matlab绘图吗？》，大家反响不错。今天再上干货猛料，给大家分享一个小编之前收藏的速查表汇总网站：cheat-sheets.org。该网站汇总300多种涵盖不同编程语言、脚本语言、系统软件等领域的速查表，内容非常全面。
RStudio 给出了常用包的速查表（图1）以及其他由使用者自发制作的相关速查表（图2）。
今天推荐三份知识点的速查表，分别是机器学习、深度学习和 Python 三方面的知识点速查表。其中前两份都是来自斯坦福大学的课程，分别是 CS229 机器学习 和 CS230 深度学习课程。
AI 研习社按：这是 Karlijn Willems 发布于 Medium 的一篇关于 Python 中数据导入问题的博客。Karlijn Willems 是来自于 DataCamp 的数据科学研究员。她在本文中介绍一份 Python 中数据导入操作的速查表，雷锋网(公众号：雷锋网) AI 科技评论对原文进行了编译。 借助这个 Python 速查表，你将拥有一份便捷的数据导入参考指南。该速查表全面涵盖了平面文件（Flat files）、其它软件所定义的原生文件类型以及关系型数据库数据的导入方法。 在你对数据
最近推送了关于列表、元组、字典、集合、循环的速查表，目前都整理到我的视频号里，其中最近做的一个循环速查表，还收获了130个视频点赞，非常感谢你的支持。
Kailash Ahirwar，Mate Lab 联合创始人，Github的一位资深作者，也是一位活雷锋，近日在其Github个人主页上发表了一个机器学习/深度学习的代码速查表，包括： Keras Numpy Scipy Pandas Scikit-learn Matplotlib 五大工具库常用代码，以及 Neural Networks Zoo——27种神经网络图概览。 可以说极大方便了学习者的代码查找。 附上网址：https://github.com/kailashahirwar/cheatsheet
刚学的一句新命令，才用完就忘了用法？通常情况下，命令后加一句—help就行了。如果能够把自己最想要掌握的命令整理成一份秘籍就好了。这份秘籍最好可以在终端里随时查阅、调用，还要能写成中文帮助文档，减少阅读障碍。
来源：网路冷眼 作者：Hanson 本文长度为680字，建议阅读5分钟 本文为你分享有关机器学习、Python和相关数学知识的速查表大全。 机器学习有很多方面。 当我开始刷新这个主题时，我遇到了各种“速查表”，这里仅列出了需要知道的给定主题的所有要点。 最后，我收集了与机器学习相关的速查表。有些我经常参考，并且认为其他人也可能从中受益。因此， 这篇文章把我从网上发现的很好的27个速查表分享出来，以供大家参考。 后台回复关键词“速查表”下载27个速查表。 机器学习（Machine Learning） 有不
这段时间代码写的少了，周末用python写一个小爬虫，却发现连线程的一些方法都不记得了，还得百度查教程。工作越忙，记性越差，发现我疏远了代码，代码也疏远了我。
常用Linux 命令速查表——下载我们的新版Linux命令速查表，以便执行常见任务
这次一个名为 Data-Science--Cheat-Sheet 的项目突然蹿到了第三名。
但是，命令的帮助文档往往内容太太太太多了，在里面找到自己关心的部分实在太难了。查找出来的方法也不能直接使用，还需要手动粘贴下来。
吴恩达在斯坦福开设的机器学习课 CS229，是很多人最初入门机器学习的课，历史悠久，而且仍然是最经典的机器学习课程之一。当时因为这门课太火爆，吴恩达不得不弄了个超大的网络课程来授课，结果一不小心从斯坦福火遍全球，而后来的事情大家都知道了。
Python 被称为万能胶水语言，适用性强，能轻松实现很多数据科学应用，还能使数据分析工作自动化。
2021年第一篇技术文章，使用xmind构建了一个速查表，关于Pandas read_csv方法，接下来我会陆续整理一系列这种格式的速查表，希望能为你提供便利。
大家好，在三月初，我曾给大家分享过一份Matplotlib绘图小抄，详见收下这份来自GitHub的神器，一图搞定Matplotlib！
之前转载了一篇matplotlib的Cheatsheet，最近想想之前用了那么久的MATLAB，就寻思有没有MATLAB版的，结果还真被我找到了！
今天给大家分享一份关于数据分析、机器学习、深度学习、可视化的速查表，帮助你快速了解Python在数据科学领域的强大应用。
随着深度学习的蓬勃发展，越来越多的小伙伴们开始使用python作为主打代码，python有着种类繁多的第三方库，这里为大家从网络上收集了一些代码速查表，包括深度神经网络、机器学习、数据可视化、python基础、科学计算等等，希望可以帮你在码代码时提速。
昨天在面向GitHub编程时，无意发现了Pandas官方竟提供了同款小抄，项目地址如下
想必你也已经听过身边不止一个人这么说。最近的 JS 2019 报告中，VS Code 也是以压倒性的优势获胜第一，其他的编辑器只能被无情碾压在地上摩擦……
气候是全球性的话题，本文基于owid co2数据集，分析了世界各地的二氧化碳排放量，并将二氧化碳排放的主要国家以及二氧化碳排放来源进行了可视化。
在拿破仑？希尔的名著《思考与致富》中讲述了达比的故事：达比经过几年的时间快要挖掘到了金矿，却在离它三英尺的地方离开了！ 现在，我不知道这个故事是否真实。但是，我肯定在我的周围有一些跟达比一样的人，这些人认为，不管遇到什么问题， 机器学习的目的就是执行以及使用2 – 3组算法。他们不去尝试更好的算法和技术，因为他们觉得太困难或耗费时间。 像达比一样，他们无疑是在到达最后一步的时候突然消失了！最后，他们放弃机器学习，说计算量非常大、非常困难或者认为自己的模型已经到达优化的临界点——真的是这样吗？ 下面这些速查表
教程地址：http://www.showmeai.tech/tutorials/33
机器学习涉及到的方面非常多。当我开始准备复习这些内容的时候，我找到了许多不同的”速查表”, 这些速查表针对某一主题都罗列出了所有我需要知道的知识重点。最终我编译了超过 20 份机器学习相关的速查表，其中一些是我经常用到的而且我相信其他人也会从中受益。本文整理了我在网络上找到的 27 个速查表，我认为比较好。如果我有遗漏，欢迎补充。
研究机器学习，少不了Python和C++等语言的帮助。而在GitHub发布的2018机器语言排行榜中，还有一种“冷门”的语言进入了前十，它就是Shell。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
